本篇文章主要介绍在实际的开发过程当中，如何使用 GPT 帮助开发，优化流程，恰逢今年京东 20 周年庆，文末会介绍如何与 618 大促实际的业务相结合，来提升应用价值。全是干货，且本文所有代码和脚本都是利用 GPT 生成的，请放心食用。

场景一：写代码

使用 GPT 进行代码开发是许多人做的最多的一件事，只要用自然语言把自己的需求描述清楚，就可以让 GPT 写出一段可执行的代码段，甚至是完整的应用。而且只要描述得足够明确清晰，产生的代码就不会有 bug，非常高效。

举个实际应用的例子，在先前的版本我们工程有一个需求，要求对落地页的提示黄条 UI 进行改版，具体的需求描述为：

UI 设计稿：

这是一个相当简单的需求，我们准备利用 Flutter 进行开发，现在假设我是一个对 dart 语言不是很了解的开发者，甚至是从没有 Flutter 开发基础的人，通过 GPT 我们也可以进行这种简单的开发工作。在对 GPT 进行描述的时候，要尽量用通顺的语言将自己的需求描述清楚，并且将关键的信息点名：

这样 GPT 就可以帮我们生成所需要的视图代码：

这对于没有接触过 dart 开发语言的开发者非常友好，由于可以任意指定编程语言，所以理论上，我们所有人都可以胜任全平台开发的工作。

我总结了在使用 GPT 进行代码开发时的重点：

1.主要信息一定要表达明确，如语言类型，目标类型，宽、高、颜色、字号，间距等数值。

2.想象自己是产品经理或者是设计师，不用拘泥于专业术语，例如 UIview、Segment、标签等等，尽量使用自然语言表达。

3.不要存在自相矛盾的描述，100% 会产生 bug。

4.有些同学在描述需求的时候容易紧张，造成语句不通。在描述的时候完全可以不要着急，慢慢措辞。

5.不要涉密！不要涉密！不要涉密！GPT 说到底是一个外部工具软件，不是一个什么问题都可以问的 “树洞”，涉及到商业机密的问题都不可以拿来询问。

场景二：写脚本

这是我本人经常拿来使用的应用场景，对于一些重复性较高的劳动，编写脚本显然是最好的选择，甚至我有的同事认为，未来的发展方向就是脚本编写代码。脚本的开发完全也可以交由 GPT 来进行。比如我们有一个需求，由于接入主站基础库，我们有一些工具类的类名产生了冲突，这种情况下需要进行全工程的类名替换，这种场景就很适合使用脚本。

一般情况下写这样一个脚本至少需要 1～2 个小时左右，熟练的大佬也需要半个小时左右，但是使用 GPT，几秒钟就可以生成符合要求的脚本。我总结一下的几种应用场景非常适合使用脚本来处理：

1.全工程级别的名称替换

2.APP 图片名称替换

3.单元测试

4.转换自然语言

这里说一下转换自然语言的作用，作为开发者，更习惯的是输入关键数值来得到结果，但是 GPT 需要的是自然语言的描述，毕竟叫 “chat” 嘛，所以我们可以耍个小心机：用一个简单的脚本，输入数值，输出自然语言描述，然后将描述转达给 GPT。

width = int(input("请输入宽度："))
height = int(input("请输入高度："))
color = input("请输入颜色：")

view = '#' * width + '\n'
view += ('#' + ' ' * (width - 2) + '#\n') * (height - 2)
view += '#' * width

description = f"生成一个宽度为{width}，高度为{height}的视图，使用{color}颜色填充。"

print(view)
print(description)

类似于这种转换脚本，可以让我们更高效的使用 GPT。

场景三：与实际业务结合

我之前的文章最后曾提到几种将 GPT 与实际业务结合的设想：

导购

把 ChatGPT 的服务集成到搜索功能中，在用户进行搜索的时候，利用他强大的功能给出用户购买的意见，对于还没有想好买不买，买那个，甚至没有想好买什么的用户，给出导向性的意见，促进转化率。

软文创作

我们的项目中有软性广告文章展示的适用场景，相比起人工创作写作，ChatGPT 不仅更为高效，还能结合大数据趋势，给出用户更感兴趣的文章类型。创作优惠活动推荐，商品评价，新品新闻等等文章，使用 ChatGPT 大有可为。

反向活动推荐

我们不能决定用户询问 ChatGPT 时，他会给出什么样的答案，但是我们可以根据她的答案做反向推演，他推荐什么，我们就顺势做什么活动，这样我们既能利用 ChatGPT 带来的红利，又可以省去预测用户兴趣点带来的开销和风险。

售后

ChatGPT 本质上是一个对话型的人工智能，使用他接入售后系统实际上最为合适，有了他的帮助，可以预见：用户抱怨机器人客服答非所问，无法解决问题，以及人工客服成本高昂的问题，将成为历史。

我认为这几种设想每一个都是可以投入实际应用并落地的，也都有相当的使用价值。接下来我主要介绍如何利用 GPT 进行 618 大促导购。

首先，用户对某种商品进行搜索，主要是通过搜索栏，我们在要将 GPT 接入搜索进行引导，就要自己搭建一套基础环境，将用户输入的关键词传递给 GPT，再把 GPT 输出的结果展示给用户，基础环境的作用除了作为调用 GPT 的 “服务器”，最后可以对用户的输入，以及 GPT 的输出进行 “加工”，包装上 “京东 20 周年庆”、“618 大促” 的相关信息，最终实现 “大促导购” 的目的。

第一部分：对用户的输入进行包装，比如对用户的关键词包上一层 “用京东搜索” 的外衣：

def search_keyword(keyword):
    url="https://search.jd.com/Search?keyword={keyword}"
    response = requests.get(url)
    soup = BeautifulSoup(response.text, "html.parser")

    #提取相关介绍
    introduction = soup.select_one(".p-parameter").get_text(strip=True)
    return introduction

#用户输入关键词
user_input = input("请输入关键词："）

#调用函数进行搜索和提取介绍
result = search_keyword(user_input)

prompt="打开京东网站，618大促活动商品里搜索 {user_input}，并给出其相关介绍"
#这里的prompt既为向GTP提问的问题，由于GPT接受的是自然语言，所以这里我们可以任意的添加我们想要的导向性描述，例如“618大促活动商品”、“618精选活动”、“京东20周年庆优惠”等等

第二部分：将包装好的文案作为入参，调用 GPT 的 API 进行请求

api_endpoint = "https://api.openai.com/v1/chat/completions"
access_token = "你的access_token"

params = {
    "messages": [{"role": "user", "content": prompt}],
    "temperature": 0.7,
    "model": "gpt-3.5-turbo"
}
headers = {
    "Authorization": "Bearer {access_token}",
    "Content-Type": "application/json"
}
response = requests.post(api_endpoint, headers=headers, json=params)

第三部分：对 GPT 返回的结果进行解析，并按照我们的需求进行展示

if response.status_code == 200:
    response_text = json.loads(response.text)["choices"][0]["message"]["content"]
    ＃ 输出结果
    print("为您在京东推荐了如下结果: {response_text}")
    print("您商品的相关介绍：{result}”）
else:
    print(f"error: {response.status_code} - {response.text}")

发散思维：GTP 接受的是自然语言询问，所以在向他提问的问题中，我们可以任意的添加想要的限定信息，甚至可以结合配置系统，将 “618 大促活动商品”、“618 精选活动”、“京东 20 周年庆优惠” 等活动作为配置信息组合进 prompt 参数字段，实现动态配置活动导购。

作者：京东零售 姜海

来源：京东云开发者社区