die Ergebnisse waren bis jetzt immer super.
Ok, Kleinigkeiten/Änderungen arten dann immer aus
Widerspricht sich das nicht?
Wenn ich weis, das ich eine Arbeit abgeliefert bekomme, die ich noch mal prüfen und verbessern muss, dann kann ich sie gleich selbst machen.
Grüße
Dennis
Qualität der Codeerstellung mit ChatGPT? Schau mal ob du hier fündig wirst!
dann kann ich sie gleich selbst machen.
Sehe ich nicht so. So bekommt man einen Vorschlag wie man es angehen kann und wenn es gut klingt nimmt man den und korrigiert den Code so wie man ihn braucht.
Widerspricht sich das nicht?
Nein.
Das Grundgerüst ist meist brauchbar, wenn Du dann allerdings kleinere Änderungen anfragst, wird oft alles neu erstellt (nicht immer zum Besseren) oder es kommen sogar noch Fehler hinzu.
Gerade als Initialzündung ist das Vorgehen für mich eine Erleichterung, weil ich viele unwichtigen Sachen nicht selbst schreiben muss (Definitionen & Co.) und mich dann aufs Wesentliche konzentrieren kann.
Zum Schluss gehe ich nochmal alles durch aber alles "selber machen" ist dann doch mehr Aufwand, zumal man ja eine gute Mischung aus beidem finden kann.
Klar, ich mache auch vieles komplett selber aber wenn mir irgendwie die Ideen fehlen oder ich in einem Thema unsicher bin, hilft das schon.
Ich habe einmal versucht, seinen Code in meiner Arbeit zu verwenden. Ich habe einige kleinere Fehler gefunden, aber im Prinzip hat er gute Arbeit geleistet.
Kürzlich wurde die aktuelle Version von ChatGPT zurückgezogen, weil die User mit "Lobeshymnen" überflutet wurden. Wenn der mir schon bei der Frage ob man einen Kaktus umarmen sollte ein Lob aussprechen würde, dann will ich auch keine Code verwenden, den der auch nur aus dem Netz zusammenkopiert hat.
Quelle u.a. hier: https://www.spiegel.de/netzwelt/apps/…87-1e1be3016e02
Ich bekomme zur Zeit sehr viel von ChatGPT zu sehen und abgesehen von Textgenerierung ist der Rest Mist.
Display MoreZunächst einmal bedanke ich mich für das Posten dieses Beitrages. Eine ähnliche Frage ist mir vor ein paar Tagen auch durch den Kopf gegangen.
Meine Erfahrungen mit ChatGPT in Sachen Code-Erstellung und Analyse sind durchweg positiv. Hier habe ich Beispiele dafür:
1) Fortschrittsbalken in Excel-VBA: Ich habe 3 Anläufe unternommen, um für ein VBA-Script für Excel einen Fortschrittsbalken zu implementieren. Dieser Fortschrittsbalken soll einfach nur anzeigen, dass ein Script noch etwas tut und sich nicht aufgehängt hat.
Ich habe dazu klassisch mit mehreren Suchmaschinen nach Beispielen gesucht und bin mit keinem der Treffer zufrieden gewesen: deutlich zu kompliziert und aufwändig, wenig bis gar keine sichtbaren Beispiele, wie der Fortschrittsbalken aussieht, Null Kommentare und Erklärungen, keine Erklärung, wie man die Beispiele zum Laufen bringt ...
Ich habe dann ChatGPT nach einem Code gefragt und das Ergebnis war in mehrfacher Hinsicht positiv überraschend: Zum einen war der Code deutlich kürzer als alle Beispiele, die ich gefunden habe. Damit konnte ich den Code auch besser nachvollziehen. Als Abrundung wurde sogar eine Art "Einbauanleitung" mitgegeben, wie man den Code auch laufen lässt.
Ich habe den Code ausprobiert und er erfüllt alle Anforderungen.2) Erstellen eines Programmes in C++: Ich habe ChatGPT gebeten, mir in C++ ein Programm zu erstellen, das Logdateien in einem laufenden Programm erzeugt, damit man Nachvollziehen kann, was das Programm tatsächlich getan hat (oder auch tut, wenn es noch läuft). Der Quellcode war auf Anhieb für ein Grundgerüst OK. Er hatte lediglich eine von mir nicht gewünschte Eigenschaft, dass sehr viel mit dem this-Zeiger gearbeitet wurde; der Grund dafür erschloss sich mir nicht. Ich habe dann ChatGPT gebeten, auf den this-Zeiger zu verzichten und das Ergebnis sah erheblich besser aus. Der Code war allerdings nicht threadsicher. Ich habe dann ChatGPT darum gebeten, einen threadsicheren Code zu liefern und das Ergebnis war ebenso sehr überzeugend.
Ich habe dann meinen bereits erzeugten Code zum gleichen Thema mit dem Ergebnis von ChatGPT verglichen. Der Code von ChatGPT hat nicht alle Anforderungen erfüllt, die mein selbstgeschriebener hatte. Das lag aber daran, dass ich nicht jedes Detail der Anforderungen an ChatGPT gegeben habe.3) Check eines Programmes in C++: Zum Testen habe ich eines meiner Programme (stopfile), das ich in C++ geschrieben habe, ChatGPT zur Analyse gegeben (was ist gut, was kann man verbessern). Vorher habe ich alle Kommentare gelöscht, um ChatGPT keine Hilfe zu geben (das hätte ich mir sparen können, denn durch einen Test habe ich herausgefunden, dass die Kommentare offensichtlich ignoriert werden). Das Ergebnis war in mehrfacher Hinsicht positiv und angenehm überraschend.
ChatGPT konnte in verständlichen Worten die Methoden korrekt erklären (und in wenigen Worten zusammenfassen). Man könnte also ChatGPT verwenden, um eine Doku zum Quellcode zu erstellen.
Es hat mir mehrere Verbesserungsvorschläge unterbreitet, die tatsächlich sinnvoll wenn auch nur kleine Wirkung haben.
Ein weiterer Vorschlag betraf das Vermeiden von redundanten Code. Der Vorschlag war ebenso sinnvoll, ich werde ihn umsetzen.
Etwas unverständlich war für mich, dass ChatGPT den Code ohne Kenntnis der Include-Datei (enthält die Klassendefinition) analysiert hat; für mich gehört beides zusammen.
Richtiggehend gestaunt habe ich, als ChatGPT einen Bug in der Include-Datei gefunden hat, der mir wohl nie aufgefallen wäre: Ganz am Anfang habe ich einCode#ifndef <Name Include> #define <Name Include>Statement drin und dabei ist mir ein Tippfehler im Namen des Include unterlaufen. Ist nicht schlimm aber eben ein Fehler - der vom Compiler nicht erkannt wird, trotz der allerhöchsten Stufe zum Prüfen und Warnen (-Wall -Wextra). Der Fehler wirkt sich allerdings nur für den Compile-Vorgang aus und eben nicht auf die Lauffähigkeit des Programmes.
Ich habe ChatGPT gebeten, Kommentare in den Quellcode einzubauen. Diese Aufgabe wurde ebenso ordentlich gut gelöst: jede Zeile wurde mit Kommentaren versehen und ich habe keinen Fehler in den Kommentaren gefunden. Ich konnte sogar vorgeben, dass die Kommentare in deutsch oder englisch eingebaut werden sollen. Erstaunt war ich, dass ein #define DEVSTAGE korrekt kommentiert wurde (Flag zum Ein- und Ausschalten des Entwicklungs-Stadiums). Auch wurde #ifdef DEVSTAGE korrekt kommentiert.
Meine eigenen Kommentare sind allerdings deutlich detaillierter als die von ChatGPT.Fazit:
1) ChatGPT ist für mich ein nützliches Werkzeug, um sich Tipps, Ratschläge, Ideen zu holen, wie man ein konkretes Programmierproblem lösen kann. Es entbindet aber nicht davon, sich seine eigenen Gedanken zu machen, um sowohl Vorgaben zielführend zu formulieren als auch die Ergebnisse von ChatGPT zu bewerten. Es sollte stets beim Einsatz von ChatGPT dies bedacht werden: ChatGPT rät nur sehr gut - aber es versteht nicht und weiss nicht etwas wie ein Mensch es tut.2) Ich habe im Laufe der letzten etwa 10 Jahre immer wieder nach Lösungen zu Programmieraufgaben mit klassischen Suchmaschinen gesucht und bin oft genug (vielleicht auch zu oft) von den Ergebnissen enttäuscht worden. Da findet man Antworten wie "Ich kenne mich mit der Sprache xyz nicht aus, aber meine Lösung wäre abc" oder "Die Lösung müsste xyz lauten" oder "Das steht doch in der Referenz zur Sprache drin, schaue da nach" oder "Du musst nur das Feature abc anwenden, dann klappt es". Beispielcodes, die in Antworten eingebaut werden, sind schon auf den ersten Blick fehlerhaft, weil der Absender einfach was getippt hat ohne den Code wirklich zu testen. Beispielcodes werden beispielsweise für C beigestellt obwohl der Fragesteller mit C++ unterwegs ist. Beispielcodes enthalten nicht einen einzigen Kommentar. Man muss teilweise erst mal eine eigene Frage stellen und Antworten abwarten (dauert Stunden bis Tage) ... All dies ist mir mit ChatGPT nicht passiert. Es hat mir enorme Stunden an Zeit eingespart, um mein Ziel zu erreichen.
Ich sehe das ähnlich. Ideen ist ChatGPT echt nützlich. Aber man sollte sich nicht blind drauf verlassen. Bei größeren Projekten lieber selbst prüfen oder mit erfahrenen Kollegen sprechen. Als Unterstützung ist es aber eine gute Hilfe – besonders, wenn es schnell gehen mus
Ich sehe das ähnlich. Ideen ist ChatGPT echt nützlich. Aber man sollte sich nicht blind drauf verlassen. Bei größeren Projekten lieber selbst prüfen oder mit erfahrenen Kollegen sprechen. Als Unterstützung ist es aber eine gute Hilfe – besonders, wenn es schnell gehen mus
Ich finde, dass es auch kritisch sein könnte, solche Formate einzusetzen, obwohl es auch nützlich sein könnte.
Während unnütze Bots versuchen mit KI-Inhalten Fuß zu fassen, könnten nützliche Bot schädliche Dinge anrichten, wie z.B. in Terminator verdeutlicht wird.
ChatGPT ist praktisch, man muss nicht mehr hunderte Zeilen Code tippen als Fleißarbeit. Als Ideengeber taugt es auch ganz gut. Im Ansatz.... Wirds aber komplexer irrt sich ChatGPT recht häufig. Man muss schon aufpassen was man da präsentiert bekommt.
Neulich habe ich den "Talk Python to Me Podcast" gehört, wo der Chefentwickler von LanceDB zu Gast war. Da wurde u.a. auch über Codegenerierung mit ChatGPT & Co gesprochen.
Die Grundaussage war vom Prinzip: je gängiger eine Programmiersprache und die Aufgabenstellung ist, desto besser / brauchbarer ist der Code - und umgekehrt natürlich. Und was da auch gesagt wurde ist, dass bei spezieller Aufgaben und nicht so gängigen Sprachen (in dem Segment des Podcasts ging es um Rust - was ja auch schon irgendwie Mainstream ist, aber deutlich jünger als z.B. Python) die KI auch gerne anfängt, bei der Codeerstellung zu fantasieren.
Gruß, noisefloor
4zap Wo muss man denn 100e Zeilen Code als Fleissarbeit tippen? Das muss man doch hoffentlich auch ohne LLM nicht, denn wenn einen Sprachen dazu zwingen Boilerplate Code zu tippen, dann gibt es da in der Regel auch ohne LLM schon IDEs die einem das über Vorlagen und ähnliches abnehmen. Und zwar zuverlässig, denn die machen tatsächlich stur immer das gleiche richtige, während man beim LLM immer die 100e Zeilen Code kontrollieren muss, ob da nicht doch mal irgendwo der Zufall was falsches eingebaut hat.
LLMs können letztlich nur Aufgaben lösen, deren Lösung sie schon kennen, also die irgendwer anders schon mal gelöst hat. Je mehr Leute das schon getan haben, desto wahrscheinlicher ist es, dass das LLM eine korrekte Lösung aus dem gelernten zufällig zusammenbastelt.
Mit ChatGPT habe ich keine Erfahrung, was die Code Generierung betrifft.
Hingegen hatte ich in beschränktem Umfang unter VSCode mit Github Copilot gute Erfahrungen gemacht, wenn es darum ging einfache repetitive Aufgaben zu lösen. Also z.B. für Go (Golang) Typen mit JSON Tags oder für Datenbank-Strukturen zu definieren. Aber auch um, ausgehend von bestehendem Code, Unit Tests zu schreiben.
Für komplexeren Code waren meine Resultate fast immer unbrauchbar und haben unter dem Strich für Mehraufwand gesorgt.
Interessant finde ich aber noch Gemini. Da kann ich eine Aufgabe beschreiben und erhalte, wenn die Aufgabe einfach und gut formuliert ist, fast immer ein brauchbares Resultat, das mir zumindest Schreibarbeit abnimmt. Es eignet sich aber auch um über eine Aufgabe zu "diskutieren".
So wusste ich z.B. neulich nicht recht wie ich aus mehreren Dateien, die alle gleichen Inhalt, aber verschiedene Quellen und Dateinamen hatten, Duplikate filtern kann. Ich dachte dabei an MD5 oder SHA-1 Hashes. Gemini meinte aber, dass ich unbedingt SHA-256 benutzen sollte und hat mir eine Begründung geliefert. Als ich antwortete, dass ich das nicht brauche, weil ich noch andere Kriterien habe mit denen ich sicher stellen kann, dass es sich nicht um Duplikete handelt, hat mir Gemini dann doch das entscheidende Kriterium geliefert um mich von einer SHA-256-Lösung zu überzeugen. Zum Schluss hat Gemini mir dann gut brauchbaren Code als Ausgangslage für meinen Duplikatsfilter geliefert. Ich konnte die vorgeschlagene Funktion einfach in meinen Code einbauen.
Was in diesem Zusammenhang mit Gemini und Go zu erwähnen ist, dass Gemini häufig Code mit veralteten Funktionen und Bibliotheken vorschlägt (oft deprecated). Wichtige neue Funktionen, die sich erst in den letzten 6 Monaten etabliert haben, scheint Gemini überhaupt noch nicht zu kennen.
dass Gemini häufig Code mit veralteten Funktionen und Bibliotheken vorschlägt (oft deprecated).
Das deckt sich auch mit Erfahrungen aus dem Python + Raspi + GPIO Umfeld. Da schlagen die KIs auch gerne mal die Verwendung des RPi.GPIO Moduls vor, obwohl gpiozero schon seit vielen Jahren Stand der Dinge ist (und besser als RPi.GPIO). Bezogen auf die Gesamtheit der im Netz verfügbaren Codebeispiele, also dem Material, womit die KIs trainiert wurden, gibt es aber vermutlich viel mehr RPi.GPIO Code als gpiozero Code. Einfach, weil RPI.GPIO viel älter ist.
Gruß, noisefloor
Don’t have an account yet? Register yourself now and be a part of our community!
