本文对 ChatGPT 解答编程问题的情况进行了测试。测试了不同难度的问题，并对 ChatGPT 的回答结果进行了鉴别。测试结果表明，ChatGPT 在解答简单的编程问题时表现较为出色，但在解决复杂的问题时则不太理想。因此，也总结出了如何更好地向 ChatGPT 提问的方法，但是并不建议没有编程经验的人直接使用 ChatGPT 来解决编程问题。

本文最后含彩蛋：ChatGPT 竟然会推销自己，甚至发现了我在做的事情

封面图由DALL·E生成：ai write code

作为一个程序员，在使用 ChatGPT 的过程中，我也问了很多技术性的问题，总体来说他对复杂问题可以帮你拆解提供思路，简单问题可以直接给你答案。但是这些答案都是需要去仔细甄别的。另外，在使用时，提问的方式也有一些学问。下面，我会针对几个问题对其回答进行论证。

对 ChatGPT 的编程问答测试分为我的问题和网友的问题，如 CSDN 问答等，问题的难度有简单的也有复杂的，下面让我们一起来看看大智若妖的 ChatGPT 能否经得住考验。

1. 简单问题

ChatGPT 对简单的具体问题，大多数情况下其回答比我们可以想到的会更详细，更全面，也更好。

1.1 简单问题：Nodejs 中 fs.readFile 的使用

问：使用fs.readFile读取文件时，是否添加格式参数，影响回调参数的dataStr形参类型。

fs.readFile(../素材/成绩.txt,utf8,function(err, dataStr) {//判断读取文件是否成功if (err) {return console.log(读取文件失败: + err.message)}
//当未指定编码格式时，dataStr是对象类型，而非字符串！！console.log(dataStr);console.log(typeof dataStr);console.log(读取文件成功: + dataStr);})

ChatGPT 答（只复制标题）：

是的，在使用fs.readFile读取文件时，可以使用一个可选的第二个参数来指定文件的编码格式。如果未指定，则默认为 null，表示返回的数据是一个 Buffer 对象。如果指定了编码格式，则返回的数据将是一个字符串。

例如，如果指定了编码格式为 utf8，则 fs.readFile 的回调函数中的 dataStr 参数将是一个字符串，而不是一个 Buffer 对象。

fs.readFile(file.txt, utf8, function(err, dataStr) {  if (err) throw err;  // dataStr is a string containing the contents of the file});

请注意，不同的文件可能使用不同的编码格式，因此在使用 fs.readFile 读取文件时，最好指定正确的编码格式。

以上答案非常完美，但是仔细阅读提问者的内容你会发现，它并没有完全解释提问者的疑惑，此时需要我们继续提问引导，将其疑惑输入：为什么在这个代码里未设置utf-8时直接 console.log(dataStr) 是buffer，但是 console.log(“输出”+dataStr)出来的是字符串 。

ChatGPT 答：

在没有指定编码格式的情况下，fs.readFile 默认将返回一个 Buffer 对象。如果直接输出这个 Buffer 对象，则会显示它的内容（即二进制数据）。

但是，如果将 Buffer 对象与字符串进行字符串拼接，则 Node.js 会自动将 Buffer 对象转换为字符串。因此，当你在 console.log 中将 Buffer 对象与字符串进行拼接时，实际输出的是字符串。

例如，以下代码中，第一个 console.log 输出的是 Buffer 对象，而第二个 console.log 输出的是字符串：

fs.readFile(file.txt, function(err, dataStr) {  if (err) throw err;
  // Outputs a Buffer object  console.log(dataStr);
  // Outputs a string  console.log("输出" + dataStr);});

在这种情况下，为了确保每次都输出字符串，最好指定编码格式，并将返回的数据转换为字符串。例如：

fs.readFile(file.txt, utf8, function(err, dataStr) {  if (err) throw err;
  // Outputs a string  console.log(dataStr);
  // Outputs a string  console.log("输出" + dataStr);});

在这种情况下，fs.readFile 的回调函数中的 dataStr 参数就是一个字符串，无需再进行转换。

经过以上引导式的询问，ChatGPT 可以非常优秀的回答我们简单的编程问题，可以看出其对编程初学者还是比较友好的，但是还是建议初学者可以有人帮忙做好鉴别。

1.2 简单问题：Python 输出

问：python已知列表score = [62, 89, 100, 92, 89, 75, 79, 84 ],循环score列表，输出每个元素的索引值和元素

ChatGPT 答：

在 Python 中，可以使用内置的 enumerate 函数来循环列表并输出每个元素的索引值和元素。例如：

score = [62, 89, 100, 92, 89, 75, 79, 84]
for index, element in enumerate(score):  print(fIndex: {index}, Element: {element})

这段代码的输出结果如下：

Index: 0, Element: 62Index: 1, Element: 89Index: 2, Element: 100Index: 3, Element: 92Index: 4, Element: 89Index: 5, Element: 75Index: 6, Element: 79Index: 7, Element: 84

请注意，enumerate 函数返回的是一个 enumerate 对象，它是一个可迭代的对象，包含了元素的索引值和元素本身。因此，在循环这个对象时，可以使用两个变量来捕获索引值和元素。

如果要从 1 开始计数，则可以在调用 enumerate 函数时传递一个参数，指定起始索引值。例如，将起始索引值设为 1，则可以使用以下代码：

score = [62, 89, 100, 92, 89, 75, 79, 84]
for index, element in enumerate(score, start=1):  print(fIndex: {index}, Element: {element})

这段代码的输出结果如下：

Index: 1, Element: 62Index: 2, Element: 89Index: 3, Element: 100Index: 4, Element: 92Index: 5, Element: 89Index: 6, Element: 75Index: 7, Element: 79Index: 8, Element: 84

除了使用 enumerate 函数之外，还可以使用下标（索引）来循环列表。

ChatGPT 的回答可谓非常惊艳，给出了答案和输出结果，并提供了 enumerate 指定起始索引值的知识点和使用这个方法的要点和注意事项，它给出的答案完全没有问题。

1.3 简单问题：Python 文本操作

问：使用 Jupyter notebook 在D盘根目录下创建一个“data.txt”文档，写入整数86，70，58，每个整数占一行。读取”data.txt”文件，并将其按升序排列，重新写入data.txt文件。

ChatGPT 答：

如果要在 Jupyter Notebook 中执行这个操作，可以执行以下步骤：

1.在 Jupyter Notebook 中打开一个新的代码单元，并导入必要的模块。例如：

import osfrom pathlib import Path

1.在代码单元中，使用 os 模块的 chdir 函数将当前工作目录设为 D 盘的根目录。例如：

os.chdir(D:\\)

1.使用 Path 类的 open 方法以写入模式打开一个名为 data.txt 的文件。如果文件不存在，则会自动创建它。例如：

data_file = Path(data.txt).open(w)

1.使用 write 方法将整数 86、70、58 写入 data_file。注意，每个整数需要占一行。例如：

data_file.write(86\n)data_file.write(70\n)data_file.write(58\n)

1.使用 close 方法关闭 data_file。例如：

data_file.close()

1.使用 Path 类的 open 方法以读取模式打开名为 data.txt 的文件。例如：

data_file = Path(data.txt).open()

1.使用 readlines 方法读取 data_file 中的所有行，并将它们存储在一个名为 lines 的列表中。例如：

lines = data_file.readlines()

1.关闭 data_file。例如：

data_file.close()

1.使用列表的 sort 方法将 lines 按升序排列。例如：

lines.sort()

1.使用 Path 类的 open 方法以写入模式打开名为 data.txt 的文件。如果文件已存在，则会被覆盖。例如：

data_file = Path(data.txt).open(w)

1.使用 writelines 方法将排序后的行列表写入 data_file。例如：

data_file.writelines(lines)

1.关闭 data_file。例如：

data_file.close()

完整的代码示例如下：

import osfrom pathlib import Path
# Change the working directory to D:\\os.chdir(D:\\)
# Open data.txt in write mode and write the integers 86, 70, and 58 to itdata_file = Path(data.txt).open(w)data_file.write(86\n)data_file.write(70\n)data_file.write(58\n)data_file.close()
# Open data.txt in read mode and read all lines into a listdata_file = Path(data.txt).open()lines = data_file.readlines()data_file.close()
# Sort the list of lines in ascending orderlines.sort()
# Open data.txt in write mode and write the sorted lines to itdata_file = Path(data.txt).open(w)data_file.writelines(lines)data_file.close()

执行完上述步骤后，data.txt 文件中将会包含排序后的三个整数：58、70、86。

可以看出 ChatGPT 针对此问题的回答简直是保姆级手把手教学，一行一个注释直接分了十二个步骤，最后贴心的给出完整代码并告诉你执行后的结果。

更可怕的是，这完全是他自己学会的，而且听得懂我们的意图！

1.4 简单问题：获取某月有多少天

问：python 用input()获取用户输入的月份，输出该月有多少天，考虑闰年

ChatGPT 非常迅速的给出了回复，并最后提示：请注意，这仅是一个示例，实际情况可能会有所不同。如果您希望在实际项目中使用该代码，则需要根据实际情况进行修改和完善。

因为问题中有更详细的要求，我们继续：input不要添加额外提示，input输入年月类似这样2022,1

这次 ChatGPT 的输出只是偷懒处理输入，中间的处理它并没有重复一遍。但是，就算我们将之前的代码进行整合，也是有问题的，因为之前的代码输入的月份它是英文的。我们将条件合并再次提问：

python 用input()获取用户输入的月份，输出该月有多少天，考虑闰年，input不要添加额外提示，input输入年月用逗号隔开类似这样2022,1

这次的结果看起来，没什么问题了。我们继续引导它将注释换为中文。

这样还没有结束，题目中对它de输出并不满意，我们只需要天数。但是这个时候有一个细节，我继续提问时，打错了好几个字：“请继续修改上门的代码，在输入结果时我只需要天数即可”

ChatGPT 答：

如果您只需要输出天数，可以使用以下代码：

# 从用户输入中读取年份和月份year, month = input().split(,)
# 将年份和月份转换为整数year = int(year)month = int(month)
# 检查年份是否为闰年if year % 400 == 0 or (year % 4 == 0 and year % 100 != 0):  leap_year = Trueelse:  leap_year = False
# 检查月份是否有 31 天if month in [1, 3, 5, 7, 8, 10, 12]:  num_days = 31elif month == 2:  # 如果是闰年，则二月有 29 天，否则有 28 天  if leap_year:    num_days = 29  else:    num_days = 28else:  num_days = 30
# 输出结果print(num_days)

1.5 简单问题总结

经过这几天的试用并结合群友的交流，发现 ChatGPT 的针对简单编程问题的处理上可谓是非常惊艳，特别是对 Python 问题的解答上。它会比我们人类更有耐心，有时会画出重点并扩展更多的相关知识帮助你去解决问题掌握技术，由此来看 ChatGPT 无疑是非常棒的。

但是也有弊端，它对长文本的处理能力还是有限，太多的文本会让它抓不住主题，答非所问。需要我们简化问题，逐步深入，对其进行引导。

在上面的测试过程中，除了发现有些许小的水土不服外，没有什么大的问题。最让我震惊的是，最后一个问答中，我无意间的输入错误，它竟然也能正确的理解我的意图。我抱着试试看的态度，询问了它：

Q: 我上一个提问你是怎么理解我的意图的？

ChatGPT：上一个问题中，您说：python 用input()获取用户输入的月份，输出该月有多少天，考虑闰年，input不要添加额外提示，input输入年月用逗号隔开类似这样2022,1
我通过阅读您的问题，理解到您希望用 input 函数读取用户输入的年份和月份，然后计算出该月份有多少天，并考虑闰年的情况。您还提到，在调用 input 函数时，不需要添加额外的提示，并且用户输入的年份和月份是用逗号隔开的。所以我回答了您的问题，并且提供了一段代码示例。

Q：你是怎么理解我之后对你提出的额外要求？

ChatGPT：您随后提出了额外的要求，说：请继续修改上门的代码，在输入结果时我只需要天数即可
我通过阅读您的要求，理解到您希望对我之前提供的代码进行修改，以便只输出天数。所以我又提供了一段新的代码示例，来满足您的需求。

他我已经不敢称为“它”了，这理解力堪称满分，真的是大智若妖。我甚至迫不及待想听听他对我的评价：

好吧，我一直都承认他是一个非常优秀的客服，极力解释并再次回避了我评价的要求。

2. 复杂问题

因为 ChatGPT 也在不断的被优化和调教，每次获得的答案也会不一致。另外，复杂问题的论证也需要更多的精力，这里我只展示几个我认为有代表性的问题。

2.1 复杂问题：TS 写一个md转html的类

问：帮我写用TS写一个md转html的类

这个问题他给我写个了个 TODO ？？？，然后告诉我:

在这个类中，我们定义了一个 MarkdownToHtmlConverter 类，它有一个构造函数，用于接收一个 Markdown 文本，并将它保存到类的私有成员 markdown 中。在这个类中，我们还定义了一个 convert 方法，用于将 markdown 文本转换成 HTML 文本。在这个方法中，我们可以使用 Markdown 转换库（比如 marked）来实现转换逻辑。

所以他是回答了还是没有回答呢？我还不能说他做错了。在我告诉他我不想使用第三方库后，他的回答似乎像那么回事了：

但是触发了长文本截断机制，在代码中截断的话，基本就没办法续上了。

2.2 复杂问题：用代码绘制一个足球

这个问题其实是 CSDN 征文的一个问题，我近期准备做来着。我们先来看看 ChatGPT 的水平如何：

这里我们并没有限制他使用的语言，第一次他使用 JS：

我将其在 HTML 中整理测试，其结果如下：

可以看到他并没有实现我们的要求，画了伞骨架样子的东西。当我再次重试时，他使用 Python 输入了一段代码：

这段代码似乎看上去就不是那么靠谱，我们来运行一下：

很显然关于这个问题 ChatGPT 无能为力。

2.3 复杂问题：ROS 机器人绘制图形

问题是关于 ROS 机器人系统，说简单也简单，是让小海龟绘制一个 PWM 方波，大概效果如下：

首先我们提问：ROS里面怎么用C++让海龟画类似于PWM方波？

ChatGPT 给出的答案因为是不正确的，这里直接放截图：

这个回答不仅告诉自己去看教程，还捏造了一个类出来，难道是要让我自己写这个类？

更有意思的是，当我们使用英文再次提问时：How to use C++ in ROS to make the turtle draw similar to PWM square wave ?

他不仅写的看起来靠谱了，还洋洋洒洒，从创建包到运行的步骤都有：

似乎他的回答非常有用，调整ROS小乌龟的位置，更改了画笔颜色，但是核心的移动小乌龟的代码处出现了截断，无法显示，第五步和第六步与之前的运动处理冲突，其他步骤代码倒是问题不大，但是总体来说缺少了核心代码还是回答了个寂寞。

但是当今天我再次询问他时，他变得格外谨慎起来：

ChatGPT 答：

在 ROS 中，您可以使用 C++ 编写一个节点来控制海龟绘图程序。具体来说，您需要完成以下步骤：

1.在 ROS 中创建一个 C++ 节点。
2.在节点中创建一个 PWM 波形，具体方法可以参考 PWM 的相关文档。
3.在节点中调用海龟绘图程序，并将 PWM 波形作为参数传递给海龟绘图程序。
4.在节点中调用海龟绘图程序，让海龟根据 PWM 波形绘制图形。
在完成以上步骤后，您就可以使用 ROS 实现海龟画 PWM 波形的功能。具体实现方法可能会因您使用的 ROS 版本和开发环境而有所不同，建议您参考 ROS 官方文档和相关教程来获取更多信息。

并且在我细化了版本和环境之后，他的回答也并不能令人满意，并一直强调版本问题。

2.4 复杂问题总结

以上来看，ChatGPT 在处理复杂问题上成功率非常低，甚至会出现捏造的情况。并且在大多数情况下，提问者的问题披露往往不完全，需要有经验的人去追问以获取更多的有效信息来进行正确的解答。

但 ChatGPT 针对复杂问题并不是完全没有帮助，他往往可以凭借自己庞大的知识库提供一些解题的有用线索和方向。同时我们也可以尝试分解复杂的问题，逐步递进的问话方式来得到自己想要的答案。

当然在上面的测试中我们可以发现，ChatGPT 的上下文联想和纠错能力非常棒，你甚至怀疑和你对话的是一个人类，要不对面的服务器就是一个个缸中培养的大脑。

这个是我让他帮我润色本文摘要的一段对话截图，前面我一直在测试他关于 ROS 的知识，大家可感受一下 ChatGPT 是有多厉害。

使用 ChatGPT 问答的要点

上面我们已经介绍了一些使用 ChatGPT 的要点，那么结合 ChatGPT 自己说的我们总结如下：

?拆分复杂的问题，让问题具体化，逐步深入的对其进行引导。?给出尽可能详细的信息，包括问题的背景，使用的语言、框架、环境等。?可以在问题中提供一些示例代码，这样 ChatGPT 就可以更好地理解问题，并给出更为准确的回答。?注意 ChatGPT 知识库的截止日期，提问的问题是在该截止时间之后的，那么 ChatGPT 可能无法回答。

另外根据 ChatGPT 在明白我在测试他后的回复，在这里代他再次自我介绍：

ChatGPT 是一个大型语言模型，由 OpenAI 训练而成，具有高度的语言理解能力，可以用来解决各种语言问题。它的主要优势在于可以根据上下文环境进行自然的对话，并且能够提供准确、丰富的回答。

尽管 ChatGPT 的性能非常出色，但是它也存在一些局限性。首先，它是一个语言模型，并不具备编程能力，所以它无法直接解决编程问题。其次，它是一个自然语言处理模型，只能理解和回答。

最后

因为每次给出的结果会不一致，并且 ChatGPT 会不断的学习进化，以上的测试仅针对当时的回答情况，当然样本数也肯定是不足的，本文的观点仅供大家参考。

另外，如你使用 ChatGPT 进行辅助问答，请确保你熟悉你要回答的问题的领域，对 ChatGPT 答案进行仔细的甄别和考证，并对生成的代码进行实际的运行和确认，对提问者和自己负责。

所以我还是不建议没有编程经验的人直接使用 ChatGPT 来解答编程上的问题，他的答案看似完美，却无法保证一定正确。我们希望有一个拥有一定权威的教授，而不是一个搜索捏造“真实答案”的工具。虽然 ChatGPT 在不断的被技术人员修正调教，但是现阶段以此来看，Stack Overflow 对其封禁是有道理的。但是相信以后还是会被接纳和作为参考，毕竟等待一个问题的答案也是一个痛苦的折磨的过程。也许，就算它没有给出完美的答案，些许的参考和启发对我们也是有意义的。