以下是关于 ChatGPT 的使用方法：
[title]📘英文学习老师-口语听力阅读一体化练习推特博主的英语老师制作了一个GPT工作流，基于每个人的日常需求生成定制素材。博主用了一段时间，简直超级棒，有外国同事问他周末是不是报了商务英语课哈哈。。。现在分享给大家具体使用方法：先把下面整段prompt喂给ChatGPT（建议开一个新的对话专门用来学习英文）然后ChatGPT会扮演你的美国好朋友，每当你输入英文和中文表达，ChatGPT都会返回更地道的表达，并且对其中的俚语部分加粗，更容易帮助你学习和记忆（将App提交到应用商店，我用了send out,chatgpt改成了push）同时针对你发送的话题，ChatGPT会举一反三，结合欧美流行的内容给出更多例子，帮助你更好理解和记忆（ChatGPT提供了一个美剧更新的例子，教会我一个新表达buzz）当你输入"Hey GPT,run the end of day task."，ChatGPT会输出今天的对话回顾，进行复习，并建议3个推荐的任务，以强化记忆1️⃣建议使用方式，开一个窗口，复制prompt2️⃣然后手机端打开这条历史记录3️⃣点右上角的🎧耳机图标，开始打电话4️⃣打电话又能练口语又能练听力。5️⃣结束之后看回顾，可以帮助阅读群友也写了一个类似的版本，并放在讯飞上做了尝试，效果不错
在开始前，我对GPT的认知是：它是一个知识储备无比丰富的助理，但需要一个清晰、准确的prompt，它才会给出一个符合需求的输出。所以我先整理了我要和GPT交互的基本思路以及步骤：旧代码输入>需求及现状问题输入>调试优化>结果输出验证接下来开始实操：[heading3]Step1：旧代码输入[content]首先，将需要优化的旧代码输入到ChatGPT模型中，旧代码有1900行，GPT直接提示too long，所以我做了分次输入。直接粘贴提示报错分段输入，再进行联合这一步的作用是让GPT理解旧代码实现的效果以及熟悉查询表和字段，方便后续GPT生成优化代码时可以直接复制粘贴到数据库中运行。原SQL的主要逻辑就是统计近30天内每一天的业务数据日报，把近30个结果指标，按照天和地区进行分组汇总，需要查询多张表几百万条数据。这里GPT的理解基本正确，甚至在我没有提需求的情况下，就提出了一些优化建议。
在完成第一步的原SQL输入后，GPT已经对需求有了初步的理解，这里我再将真实的业务需求场景以及现在的问题输入给GPT：这一步的作用是帮助GPT更好的理解旧代码背后的真实业务需求，同时结合旧代码运行的问题，让GPT能进一步给出针对性的优化建议，输出更符合需求的代码。这里其实有好几轮的输入输出（可以理解为讨论），不断的强化GPT对真实需求的认知。注：SQL查询代码本身不包含涉密信息，可以放心在ChatGPT中使用[heading3]Step3：根据优化结果不断调试[content]在输入完旧代码、需求和问题之后，GPT模型给出了一些新的代码。我需要不断地根据GPT的结果进行调试和优化，直到生成满足需求的新代码，这一步比较繁琐，但惊喜也是在这一步发现的。按照原SQL的思路，是每天更新近30天的数据，并存储到一个结果表，由于指标很多且数据量大，所以耗时很长，但其实大部分的语句都是反复的读同一个表，资源浪费比较严重。所以在跟GPT反复沟通多次后，GPT提出了3点比较重要的优化建议：每次更新1天而不是30天的数据；不直接统计全量指标数据，而是创建一个中间结果表，将所有非二次计算的数据存储到该表，需要二次计算的指标直接通过该表再查询（例如：中间结果表统计了昨日总数和今日总数，变化值、环比等则通过中间表再进行二次查询统计）；利用CASE WHEN合并查询约束条件基本相同的指标，这个方式大大减少了重复读表的次数，也极大的精简了SQL代码内容。前两点是GPT直接提出的，第三点是我从GPT给出的优化代码中发现的，基于这三个核心优化思路，结合我的半吊子SQL水平，花费了半天多的时间将完整的代码优化完成，并分模块在系统中测试了一下，结果完全一致。当然整个过程还是比较繁琐的，包括查资料、报错、纠正GPT、不断补充需求细节等等，需要有一定的耐心。