ChatGPT Codex 入门指南：从零开始掌握代码生成技巧

1次阅读

共计 1283 个字符，预计需要花费 4 分钟才能阅读完成。

Codex 是 OpenAI 基于 GPT-3 微调的一个专门用于代码生成的模型。它和 ChatGPT 是兄弟模型，都源自 GPT-3 的架构，但训练数据和优化目标不同。Codex 专门在大量公开代码库上进行了训练，因此更擅长理解和生成代码。简单来说，ChatGPT 是个多面手，而 Codex 是个代码专家。

训练数据差异 ：Codex 训练时使用了 GitHub 上的海量开源代码，这使得它对编程语法、常见模式和最佳实践有深入理解。
上下文长度 ：Codex 支持更长的上下文窗口，这对于理解复杂代码片段特别重要。
专门优化 ：OpenAI 对 Codex 进行了针对性优化，使其在代码补全、生成和解释任务上表现更出色。

刚开始使用 Codex 时，开发者经常会遇到以下问题：

代码不准确 ：生成的代码可能有语法错误或逻辑缺陷
缺乏上下文理解 ：模型有时会忽略之前对话中的关键信息
过度生成 ：产生大量无关代码或过度复杂的解决方案
安全性问题 ：可能生成包含潜在安全风险的代码

好的提示词是获得高质量代码的关键。以下是几个实用技巧：

明确指定语言 ：在提示词开头就说明使用的编程语言，例如：” 用 Python 编写一个函数 …”
提供充分上下文 ：包括输入输出示例、边界条件等
分步指导 ：复杂任务可以拆解为多个步骤
设定约束条件 ：比如性能要求、代码风格等

示例提示词 ：

 用 Python 编写一个函数，接收整数列表作为输入，返回一个新列表，其中只包含原列表中的偶数。要求：- 使用列表推导式实现
- 处理空列表情况
- 包含类型注解

让我们用上面这个提示词来看看 Codex 的表现：

def filter_even_numbers(numbers: list[int]) -> list[int]:
    """
    过滤出列表中的偶数

    Args:
        numbers: 包含整数的列表

    Returns:
        只包含偶数的新列表
    """
    return [x for x in numbers if x % 2 == 0]

代码分析 ：