【原】一個(gè)老程序員對(duì)小浣熊 AI 辦公助手的使用體驗(yàn)

汪子熙 2024-07-14 發(fā)布于上海

展開全文

我是一個(gè)老程序員，今年 42 歲，仍然在一線編程領(lǐng)域工作。

2022 年底以 ChatGPT 為代表的 AI 工具席卷整個(gè)業(yè)界后，我也使用了不少能提高辦公效率的 AI 工具。比如程序員的好幫手，來自微軟的 Copilot.

這款名叫小浣熊的 AI 辦公工具，我之前并沒有聽說過。

在 InfoQ 社區(qū)首頁看到它出自商湯旗下，我眼前一亮，覺得這款工具肯定不會(huì)差。于是就花了一點(diǎn)時(shí)間試用了一番，通過本文同各位同行交流。

我手頭正好有個(gè)數(shù)據(jù)分析的實(shí)際需求。

我平時(shí)堅(jiān)持技術(shù)寫作，每一篇文章寫好后，我都把文章標(biāo)題維護(hù)到一個(gè) Excel 文件中。不知不覺也有 5000 多篇了。

于是我想了解下，這 5000 多篇文章，大致的分類情況。

打開小浣熊工具集合里的辦公小浣熊：

https://raccoon./office

選擇本地 Excel 文件進(jìn)行上傳。

然后發(fā)出指令：

我上傳的 Excel，第一列為文章標(biāo)題，請(qǐng)你分析這個(gè) Excel 里總共的文章數(shù)量，并且根據(jù)文章標(biāo)題，智能地將這些文章進(jìn)行歸類，然后繪制出餅狀圖，展示每一類的文章，占文章總數(shù)的百分比。

我們?cè)谛′叫苻k公助手里，能看到其自動(dòng)生成 Python 代碼，使用的 pands 庫進(jìn)行數(shù)據(jù)分析。

很快就看到了數(shù)據(jù)分析的結(jié)果：

分析結(jié)果顯示，編程類文章約占五分之一，設(shè)計(jì)類占 16.1%, 而其他類文章占據(jù)了五分之三。

我覺得這個(gè)結(jié)果不太準(zhǔn)確。因?yàn)槭聦?shí)上，我的大部分文章，都是和計(jì)算機(jī)編程技術(shù)相關(guān)的。而現(xiàn)在 60% 的文章，被分類成了「其他」。

那么來看看生成這段結(jié)果的 Python 代碼：

# 重命名列名以便于處理
df.columns = ['文章標(biāo)題']
# 計(jì)算文章總數(shù)total_articles = df['文章標(biāo)題'].nunique()
# 對(duì)文章標(biāo)題進(jìn)行分類# 這里我們可以嘗試使用關(guān)鍵詞匹配的方式進(jìn)行分類# 定義一些關(guān)鍵詞和對(duì)應(yīng)的分類
categories = {    '編程': ['編程', '代碼', '開發(fā)', '開發(fā)', '算法', '數(shù)據(jù)結(jié)構(gòu)', '軟件', '系統(tǒng)', '技術(shù)', '技術(shù)', '技術(shù)', '技術(shù)'],    '設(shè)計(jì)': ['設(shè)計(jì)', 'UI', 'UX', '圖形', '界面', '視覺'],    '產(chǎn)品': ['產(chǎn)品', '運(yùn)營', '市場', '用戶', '體驗(yàn)'],    '其他': []}# 為每篇文章分配一個(gè)類別
def categorize_article(title):    for category, keywords in categories.items():        if any(keyword in title for keyword in keywords):            return category    return '其他'
df['分類'] = df['文章標(biāo)題'].apply(categorize_article)# 計(jì)算每個(gè)分類的文章數(shù)量category_counts = df['分類'].value_counts()# 顯示分類結(jié)果和文章總數(shù)total_articles, category_counts

可以看出，這段代碼定義了一個(gè)字典數(shù)據(jù)結(jié)構(gòu) categories，鍵為硬編碼的編程，設(shè)計(jì)，產(chǎn)品和其他四個(gè)字符串，值為數(shù)組。

然后遍歷 5000 多篇文章的標(biāo)題，如果標(biāo)題至少包含這四個(gè)類別對(duì)應(yīng)數(shù)組里任意一個(gè)元素，就認(rèn)為該文章屬于該類別。

舉個(gè)例子，假設(shè)有篇文章的標(biāo)題為 SAP UI5 List Report Lazy Load 技術(shù)介紹。因?yàn)闃?biāo)題里包含技術(shù)這個(gè)字符串，而小浣熊辦公助手生成的硬編碼的編程類別里，也定義了一個(gè)叫做技術(shù)的元素。

因此二者匹配，SAP UI5 List Report Lazy Load 技術(shù)介紹這篇文章，被劃分到編程的類別范疇內(nèi)。

于是我調(diào)整了提示指令，新的內(nèi)容如下：

你好，我閱讀了你生成的 Python 源代碼。我發(fā)現(xiàn)你是通過簡單的字符串匹配方法，即分析每篇文章標(biāo)題，是否包含了硬編碼的類別關(guān)鍵字，來對(duì)文章進(jìn)行分類。
我現(xiàn)在想請(qǐng)你換一種方式，通過對(duì)文章標(biāo)題，進(jìn)行語義分析，來對(duì)其進(jìn)行分類。
我舉個(gè)例子，有這樣一篇文章標(biāo)題：SAP UI5 List Report 的 Lazy loading 實(shí)現(xiàn)機(jī)制分析。
雖然文章標(biāo)題，并沒有出現(xiàn)類似“技術(shù)”的關(guān)鍵字。
但是在編程領(lǐng)域，Lazy loading 是一種公認(rèn)的異步加載數(shù)據(jù)技術(shù)，因此這篇文章，應(yīng)該被劃分到技術(shù)文章的范疇。
請(qǐng)你根據(jù)我上述的例子，重新對(duì) Excel 里的文章進(jìn)行分類。

然而當(dāng)我發(fā)出指令后，收到提示消息：