在当今快节奏的工作环境中，提升效率成为每位打工人的迫切需求。
谷歌科学家 Nicholas Carlini，凭借其在机器学习和计算机安全领域的深厚造诣，分享了 17 种极具实操性的 AI 用法，向我们全方位展示了大语言模型如何在工作的各个角落发挥效能。
这些案例可大致归纳为 “助力知识学习” 与 “自动化繁琐任务” 两大类别，涵盖构建网络应用程序、掌握全新框架、优化代码库、编写实验代码等多方面，为我们在不同工作场景下运用 AI 提供了宝贵的思路与借鉴。
构建完整的应用程序
2024年，Nicholas 制作了一个测试，让人们检验自己预测 GPT-4 解决任务能力的水平，该测试获得了超过一千万的浏览量。
这个应用程序几乎整个初始版本都是他让 GPT-4 帮他写的，通过一系列提问，从询问基本结构到逐步构建功能，整个对话长达 30000 字，考验了初代 GPT-4 模型的能力。
借助大模型完成任务
在与 GPT-4 的交流中，Nicholas 会用文字描述需求让模型给出完整实现方案，提出具体修改要求，或寻求简单一次性解答。
比如 “不用和平均分比较，能否用核密度估计（KDE）算出这是第几百分位？”“绘图时出现错误：numpy.linalg.LinAlgError: singular matrix”“如何用 JavaScript 给页面添加一个加载字符串内容的 iframe？”
大语言模型擅长解决前人已解决的问题，像 Nicholas 做的小测试，99% 是基础的 HTML 和 Python 网络服务器后端代码，借助大语言模型自动完成枯燥部分，让他轻松做出测试。
及时获取新技术进展
Nicholas 因工作原因大部分时间花在了解最新研究进展上，没有太多时间去紧跟新框架发展。开展新项目时，他面临两种选择：使用熟悉但可能过时的技术；或者尝试学习新方法。
比如他构建大语言模型评估框架时，需在受限环境运行代码，Docker 是理想工具但他之前未使用过。他不需要阅读静态入门教程，只需让大语言模型教他如何使用 Docker即可。
开启新的项目
面对不熟悉的框架开启新项目，Nicholas 常常感到抗拒，处理样板代码既耗时又不知道该如何下手。
比如他想写 CUDA 代码对比性能差异，虽懂 C 语言和 GPU 相关知识，但不知如何编写将任务发送到 GPU 的代码，于是让大语言模型帮他写出初稿。初稿虽不完美，但为他提供了继续推进的起点。
又如，他在使用树莓派 PicoW 时，因网上搜索结果多为垃圾内容，便直接让大语言模型教他实现需求，从让 LED 闪烁的 “Hello, World” 程序开始，逐步解决连接 Wi-Fi、MQTT 服务器等问题。
代码简化
作为安全研究员，Nicholas 常需处理他人不规范的研究代码库。
在个人项目中，他想找在 Python 里快速评估康威生命游戏模式的方法，有个很不错的 C++ 工具 Golly 能实现，但他不想将 Python 代码重写成 C++ 代码。
Golly 有命令行工具，他只需正确调用。他将 500 行 C++ 代码丢给大模型，请求精简并完成相同任务，大模型成功做到，之后又请求围绕 C++ 代码的 Python 封装器，同样有效，使程序运行速度比原来的 Python 代码快了 100 倍。
编写初始实验代码
去年 Nicholas 几乎每一篇研究论文的初始实验代码都是让大语言模型编写的。
大语言模型能理解研究需求，快速生成基础代码框架，为研究人员节省大量时间，研究人员可在此基础上进行调整和优化，加快研究进度。
自动化一次性脚本
工作中常遇到一次性脚本任务，编写耗时且可能只需使用一次。大语言模型可根据描述快速生成脚本代码。
比如数据处理项目中，需将特定格式的文本文件转换为 CSV 格式，向大语言模型描述需求后，它能给出 Python 或其他合适语言的脚本代码，运行脚本即可完成任务。
配置新软件包或项目
以往配置新软件包或项目需在网上搜索教程，过程繁琐且可能遇到错误。而现在大语言模型可几乎完全取代网络搜索。
比如安装和配置深度学习框架 PyTorch，向大语言模型询问步骤，它能详细说明安装命令、依赖项处理及常见问题解决方法，按步骤操作可快速完成配置。
调试错误信息
大约 50% 调试错误信息的工作可由大语言模型完成。
比如编写 Java 程序时出现 “NullPointerException” 错误，将错误信息及相关代码片段提供给大语言模型，它能分析错误原因并给出解决方案，可能是未初始化对象、数组越界等问题，根据建议修改代码可解决错误。
制定项目计划
项目开始前制定合理计划很重要。
向大语言模型描述项目目标、资源和时间限制，它能生成项目计划框架，包括任务分解、时间安排、资源分配等，根据实际情况调整完善，确保项目顺利推进。
数据分析
在数据分析工作中，大语言模型可提供帮助。
比如果有一组销售数据需分析趋势和找出问题，将数据描述和分析需求告知大语言模型，它能给出分析思路，如使用数据透视表、绘制折线图等，还可提供 Python 或 Excel 中实现分析的代码或操作步骤。
撰写邮件
写商务邮件时，大语言模型可帮忙构思内容和组织语言。
比如回复客户咨询，向大语言模型说明客户问题和回复要点，它能生成邮件初稿，包含礼貌问候、问题解答、结尾祝福语等，根据需求修改完善，可以提高邮件撰写效率和质量。
翻译文本
工作中常需翻译文件或资料。大语言模型可进行多种语言翻译，将需翻译的文本输入，指定源语言和目标语言，它能给出翻译结果。
比如将中文合同翻译成英文，大语言模型能准确翻译专业术语和条款内容，虽然可能需人工校对，但已经大大缩减了翻译时间。
图像识别辅助
对于涉及图像识别的工作，大语言模型可提供相关知识和思路。如开发图像识别应用，向大语言模型询问图像识别算法、数据集准备、模型训练等问题，它能提供详细解答和建议，帮助开发者快速入门和解决问题。
视频内容创作构思
从事视频内容创作时，大语言模型可提供创意和脚本框架。如制作科普视频，向大语言模型描述主题和目标受众，它能生成视频脚本大纲，包括开场、内容讲解、案例展示、结尾总结等部分，根据大纲创作视频更高效。
头脑风暴
在团队头脑风暴时，大语言模型可提供不同视角和创意。提出问题或项目需求，让大语言模型提供解决方案或创意想法，它能从多种角度思考，为团队提供灵感，促进创新思维。
总结会议内容
会议结束后总结内容耗时。使用大语言模型，将会议记录输入，它能提取关键信息，总结会议讨论内容、决策结果和下一步行动计划，方便团队成员回顾和跟进工作。
这些 AI 用法展示了大语言模型在提升打工人工作效率方面的巨大潜力，涵盖编程、研究、项目管理、日常办公等多个领域。合理运用这些方法，能让工作更加高效、轻松。
