ChatGPT 开发者指南：完整编程教程

7 天掌握 ChatGPT 编程 - 从基础到高级技巧，附带真实案例。

🎯 你将学到什么

完成本指南后，你将能够：

✅ 编写有效的代码生成提示词
✅ 使用 ChatGPT 将调试速度提升 3 倍
✅ 在几小时内学会新框架，而不是几天
✅ 自信地重构遗留代码
✅ 生成全面的测试
✅ 优化你的开发工作流程

时间投入： 每天 30 分钟 × 7 天 技能水平： 从初级到高级 费用： 免费（ChatGPT Free）或每月 $20（GPT-4 的 Plus 版本）

🎬 快速演示（30 秒）

视频即将推出

📹 演示视频制作中 - 预计发布时间：2025-11-17 周

视频将演示：

使用 ChatGPT 实时生成代码
借助 AI 辅助调试 React 组件
逐步重构遗留代码
测试生成工作流程

你将在 30 秒内看到：

如何构建提示词以获得更好的代码质量
实时调试会话：查找和修复 bug
AI 辅助重构的前后对比
生产力提升：手动编码 vs. ChatGPT 辅助

视频发布时将提供完整文字记录

第 1 天：基础知识

了解 ChatGPT 的优势和劣势

ChatGPT 擅长的领域：

✅ 解释代码概念
✅ 生成样板代码
✅ 调试逻辑错误
✅ 编写测试
✅ 在不同语言间转换代码

ChatGPT 不擅长的领域：

❌ 非常新的库（2023 年后）
❌ 公司特定代码
❌ 复杂的系统设计
❌ 安全关键代码（需要审查）

你的第一个提示词

❌ 不好的提示词：

write a login function

✅ 好的提示词：

Create a secure login function in Python using Flask and SQLAlchemy.

Requirements:
- Hash passwords with bcrypt
- Return JWT token on success
- Handle errors (user not found, wrong password)
- Include input validation
- Add docstring with examples

Use type hints and follow PEP 8.

ChatGPT 输出：

from flask import jsonify, request
from werkzeug.security import check_password_hash
from models import User
import jwt
import datetime
from typing import Tuple, Dict
import re

def validate_email(email: str) -> bool:
    """Validate email format using regex."""
    pattern = r'^[\w\.-]+@[\w\.-]+\.\w+$'
    return re.match(pattern, email) is not None

def login_user(email: str, password: str) -> Tuple[Dict, int]:
    """
    Authenticate user and return JWT token.

    Args:
        email: User's email address
        password: Plain text password

    Returns:
        Tuple of (response_dict, http_status_code)

    Example:
        >>> login_user('user@example.com', 'password123')
        ({'token': 'eyJ0eXAiOiJKV1...'}, 200)

    Raises:
        ValueError: If email format is invalid
    """

    # Input validation
    if not email or not password:
        return {'error': 'Email and password are required'}, 400

    if not validate_email(email):
        return {'error': 'Invalid email format'}, 400

    # Find user
    user = User.query.filter_by(email=email).first()

    if not user:
        return {'error': 'Invalid credentials'}, 401

    # Verify password
    if not check_password_hash(user.password_hash, password):
        return {'error': 'Invalid credentials'}, 401

    # Generate JWT token
    token = jwt.encode({
        'user_id': user.id,
        'email': user.email,
        'exp': datetime.datetime.utcnow() + datetime.timedelta(hours=24)
    }, app.config['SECRET_KEY'], algorithm='HS256')

    return {
        'token': token,
        'user': {
            'id': user.id,
            'email': user.email,
            'name': user.name
        }
    }, 200

关键经验： 具体的提示词 → 更好的代码

实践练习

使用好的提示词模式为你的项目生成一个函数：

指定语言和框架
列出需求
请求错误处理
要求提供文档
指定代码风格

第 2 天：使用 ChatGPT 调试

调试模式

模板：

I'm getting this error:
[粘贴错误信息]

Here's my code:
[粘贴相关代码]

Context:
- Language/Framework: [例如，React 18 + TypeScript]
- What I'm trying to do: [简要说明]
- What I've tried: [列出尝试过的方法]

Please explain what's wrong and how to fix it.

真实案例：React 无限渲染

你的代码：

function UserProfile({ userId }) {
  const [user, setUser] = useState(null);

  useEffect(() => {
    fetch(`/api/users/${userId}`)
      .then(res => res.json())
      .then(setUser);
  }); // Bug: missing dependency array

  return <div>{user?.name}</div>;
}

错误：

Warning: Maximum update depth exceeded. This can happen when a component
calls setState inside useEffect without a dependency array.

向 ChatGPT 提问：

I'm getting "Maximum update depth exceeded" error in React.

Code:
[粘贴上面的代码]

Context:
- React 18 + TypeScript
- Trying to fetch user data on component mount
- Error appears immediately on page load

Please explain and fix.

ChatGPT 回复：

The problem is the missing dependency array in useEffect.

Current code:
useEffect(() => {
  fetch(`/api/users/${userId}`)
    .then(res => res.json())
    .then(setUser);
}); // Runs after EVERY render

What happens:
1. Component renders
2. useEffect runs, fetches data
3. setUser() causes re-render
4. useEffect runs again (because no dependency array)
5. Infinite loop!

Fix:
useEffect(() => {
  fetch(`/api/users/${userId}`)
    .then(res => res.json())
    .then(setUser);
}, [userId]); // Only run when userId changes

Complete improved version:
useEffect(() => {
  let cancelled = false;

  const fetchUser = async () => {
    try {
      const res = await fetch(`/api/users/${userId}`);
      if (!res.ok) throw new Error('Failed to fetch user');

      const data = await res.json();
      if (!cancelled) setUser(data);
    } catch (error) {
      console.error('Error fetching user:', error);
      // Handle error state
    }
  };

  fetchUser();

  return () => {
    cancelled = true; // Cleanup to prevent state update on unmounted component
  };
}, [userId]);

调试能力： ChatGPT 解释原因（不仅仅是如何修复）

实践练习

使用上面的模板调试代码库中的实际问题。

第 3 天：学习新技术

学习模式

不要花几个小时阅读文档，而是将 ChatGPT 用作导师：

阶段 1：概述（5 分钟）

Explain [Technology] in simple terms for an experienced developer.

Include:
- What problem it solves
- Key concepts (5-7 most important)
- When to use it vs alternatives
- 30-second example

Example: React developer learning Vue 3

阶段 2：Hello World（10 分钟）

Create a simple [App Type] using [Technology].

Requirements:
- [Feature 1]
- [Feature 2]
- [Feature 3]
- Include comments explaining key parts
- Production-ready code quality

Example: Todo app with Vue 3 Composition API

阶段 3：真实世界模式（15 分钟）

Show me best practices for [Specific Task] in [Technology].

Include:
- Modern approach (2024)
- Error handling
- Performance considerations
- Common pitfalls to avoid
- Code example

Example: State management in Vue 3

真实案例：学习 FastAPI

提示词 1：

Explain FastAPI for an Express.js developer.

Include:
- Key differences from Express
- Main advantages
- When to choose FastAPI
- 30-second example

ChatGPT 提供清晰的对比：

# FastAPI (Python) vs Express (JavaScript) - Key Differences

1. Type Safety: FastAPI uses Python type hints for automatic validation
2. Auto Documentation: Built-in Swagger UI (no extra setup)
3. Async: Native async/await support
4. Performance: Fast as Node.js (due to Starlette/Uvicorn)

When to use FastAPI:
✅ Python ecosystem (ML, data science)
✅ Need automatic API docs
✅ Strong typing important
❌ Node.js ecosystem required
❌ Team only knows JavaScript

# 30-second example
from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

class User(BaseModel):
    name: str
    email: str

@app.post("/users")
async def create_user(user: User):
    # Type validation automatic!
    # API docs automatic!
    return {"id": 123, **user.dict()}

# Run: uvicorn main:app --reload
# Docs: http://localhost:8000/docs (auto-generated!)

提示词 2：

Create a REST API for blog posts using FastAPI.

Requirements:
- CRUD operations (create, read, update, delete)
- SQLite database with SQLAlchemy
- Pydantic models for validation
- Error handling
- Include all necessary imports

结果： 2 分钟内完成完整可用的 API

实践练习

在 30 分钟内学习一个新的框架/库：

获取概述提示词
构建 hello world 提示词
实现真实功能提示词

第 4 天：代码重构

重构模式

Refactor this code to improve [specific aspect]:

[粘贴代码]

Requirements:
- [Improvement 1]
- [Improvement 2]
- Keep functionality identical
- Add comments explaining changes

Context:
- [Framework/language details]
- [Performance requirements if any]

真实案例：清理混乱的 React 组件

原始代码：

// 300-line component with everything mixed together
function Dashboard() {
  const [users, setUsers] = useState([]);
  const [products, setProducts] = useState([]);
  const [orders, setOrders] = useState([]);
  const [loading, setLoading] = useState(true);
  const [error, setError] = useState(null);
  // ... 10 more state variables

  useEffect(() => {
    // 100 lines of data fetching logic
    fetch('/api/users').then(...)
    fetch('/api/products').then(...)
    fetch('/api/orders').then(...)
    // ... more fetching
  }, []);

  // 50 lines of event handlers

  return (
    <div>
      {/* 150 lines of JSX */}
    </div>
  );
}

提示词：

Refactor this React component using best practices:

[粘贴代码]

Requirements:
- Extract custom hooks for data fetching
- Separate into smaller components
- Use React Query for caching
- Add proper TypeScript types
- Improve loading/error states

ChatGPT 输出：

// 1. Custom hook for data fetching
import { useQuery } from '@tanstack/react-query';

function useDashboardData() {
  const users = useQuery({
    queryKey: ['users'],
    queryFn: () => fetch('/api/users').then(r => r.json())
  });

  const products = useQuery({
    queryKey: ['products'],
    queryFn: () => fetch('/api/products').then(r => r.json())
  });

  const orders = useQuery({
    queryKey: ['orders'],
    queryFn: () => fetch('/api/orders').then(r => r.json())
  });

  return {
    users: users.data,
    products: products.data,
    orders: orders.data,
    isLoading: users.isLoading || products.isLoading || orders.isLoading,
    error: users.error || products.error || orders.error
  };
}

// 2. Main component (now clean)
export function Dashboard() {
  const { users, products, orders, isLoading, error } = useDashboardData();

  if (isLoading) return <LoadingSpinner />;
  if (error) return <ErrorMessage error={error} />;

  return (
    <DashboardLayout>
      <UsersSection users={users} />
      <ProductsSection products={products} />
      <OrdersSection orders={orders} />
    </DashboardLayout>
  );
}

// 3. Separated components
function UsersSection({ users }: { users: User[] }) {
  return (
    <section>
      <h2>Users</h2>
      <UserList users={users} />
    </section>
  );
}

// ... more components

重构前： 300 行，难以测试，难以阅读 重构后： 50 行主组件，5 个聚焦的子组件，易于测试

实践练习

在你的代码库中找一个混乱的文件，用 ChatGPT 重构它。

第 5 天：测试生成

测试模式

Generate comprehensive tests for this code:

[粘贴代码]

Requirements:
- Framework: [Jest/Pytest/etc]
- Cover happy path and edge cases
- Include setup/teardown if needed
- Mock external dependencies
- Aim for >90% coverage

真实案例：测试 API 端点

要测试的代码：

@app.route('/api/discounts', methods=['POST'])
def calculate_discount():
    data = request.get_json()

    price = data.get('price')
    user_tier = data.get('user_tier')
    promo_code = data.get('promo_code')

    if not price or price <= 0:
        return jsonify({'error': 'Invalid price'}), 400

    discount = 0

    # Tier discounts
    if user_tier == 'bronze': discount += 5
    elif user_tier == 'silver': discount += 10
    elif user_tier == 'gold': discount += 15

    # Promo code
    if promo_code == 'SAVE20':
        discount += 20

    final_price = price * (1 - discount / 100)

    return jsonify({
        'original_price': price,
        'discount_percent': discount,
        'final_price': final_price
    })

提示词：

Generate pytest tests for this Flask endpoint:

[粘贴代码]

Requirements:
- Test all user tiers
- Test with/without promo code
- Test edge cases (negative price, invalid tier, etc.)
- Test promo code stacking with tiers
- Use pytest fixtures for app setup

ChatGPT 输出：

import pytest
from flask import Flask
from decimal import Decimal

@pytest.fixture
def app():
    """Create Flask app for testing"""
    app = create_app('testing')
    return app

@pytest.fixture
def client(app):
    """Create test client"""
    return app.test_client()

class TestDiscountCalculation:
    """Test discount calculation endpoint"""

    def test_no_tier_no_promo(self, client):
        """Test base case: no discount"""
        response = client.post('/api/discounts', json={
            'price': 100,
            'user_tier': None,
            'promo_code': None
        })

        assert response.status_code == 200
        data = response.get_json()
        assert data['original_price'] == 100
        assert data['discount_percent'] == 0
        assert data['final_price'] == 100

    @pytest.mark.parametrize('tier,expected_discount', [
        ('bronze', 5),
        ('silver', 10),
        ('gold', 15),
    ])
    def test_tier_discounts(self, client, tier, expected_discount):
        """Test each tier discount level"""
        response = client.post('/api/discounts', json={
            'price': 100,
            'user_tier': tier,
            'promo_code': None
        })

        data = response.get_json()
        assert data['discount_percent'] == expected_discount
        assert data['final_price'] == 100 - expected_discount

    def test_promo_code_alone(self, client):
        """Test promo code without tier"""
        response = client.post('/api/discounts', json={
            'price': 100,
            'user_tier': None,
            'promo_code': 'SAVE20'
        })

        data = response.get_json()
        assert data['discount_percent'] == 20
        assert data['final_price'] == 80

    def test_tier_plus_promo_stacking(self, client):
        """Test that tier and promo discounts stack"""
        response = client.post('/api/discounts', json={
            'price': 100,
            'user_tier': 'gold',  # 15%
            'promo_code': 'SAVE20'  # 20%
        })

        data = response.get_json()
        assert data['discount_percent'] == 35  # 15 + 20
        assert data['final_price'] == 65

    def test_invalid_price_zero(self, client):
        """Test error handling for zero price"""
        response = client.post('/api/discounts', json={
            'price': 0,
            'user_tier': 'gold'
        })

        assert response.status_code == 400
        assert 'error' in response.get_json()

    def test_invalid_price_negative(self, client):
        """Test error handling for negative price"""
        response = client.post('/api/discounts', json={
            'price': -50,
            'user_tier': 'gold'
        })

        assert response.status_code == 400

    def test_missing_price(self, client):
        """Test error when price not provided"""
        response = client.post('/api/discounts', json={
            'user_tier': 'gold'
        })

        assert response.status_code == 400

    def test_invalid_promo_code(self, client):
        """Test that invalid promo codes are ignored"""
        response = client.post('/api/discounts', json={
            'price': 100,
            'user_tier': 'silver',
            'promo_code': 'INVALID'
        })

        data = response.get_json()
        # Should only apply tier discount (10%)
        assert data['discount_percent'] == 10

    def test_large_price(self, client):
        """Test with large price values"""
        response = client.post('/api/discounts', json={
            'price': 999999.99,
            'user_tier': 'gold',
            'promo_code': 'SAVE20'
        })

        assert response.status_code == 200
        data = response.get_json()
        # 35% off 999999.99
        expected = 999999.99 * 0.65
        assert abs(data['final_price'] - expected) < 0.01

覆盖率： 95%+ 包含所有边缘情况

实践练习

为你最近编写的函数生成测试。

第 6 天：高级提示词技巧

技巧 1：思维链

要求 ChatGPT 解释其推理过程：

[你的编码问题]

Please think step-by-step:
Analyze the requirements
Consider edge cases
Choose the best approach
Implement the solution
Explain trade-offs

示例：

Design a rate limiting system for an API.

Think step-by-step about:
Different rate limiting algorithms
Where to store rate limit data
Edge cases (distributed systems, clock skew)
Implementation approach
Trade-offs of each decision

技巧 2：迭代改进

[初始请求]

# 看到输出后：
"Great! Now improve it by [specific change]"

# 然后：
"Add [feature]"

# 然后：
"Optimize for [goal]"

技巧 3：角色扮演提示

Act as a senior [role] with 10 years experience.

Review this code and provide:
- What a junior would miss
- Best practices specific to [domain]
- Production readiness checklist

Code:
[粘贴代码]

示例：

Act as a senior DevOps engineer.

Review this Dockerfile and provide:
- Security issues
- Performance optimizations
- Production readiness checklist

Dockerfile:
FROM python:latest
COPY . /app
WORKDIR /app
RUN pip install -r requirements.txt
CMD python app.py

ChatGPT（作为 DevOps 专家）：

# Issues found:

1. SECURITY: Using 'latest' tag (unpredictable)
2. SECURITY: Running as root (default)
3. PERFORMANCE: Installing all deps every build (no caching)
4. PERFORMANCE: Large image size (python:latest ~900MB)
5. RELIABILITY: No health check
6. DEBUGGING: No logging configuration

# Improved Dockerfile:

FROM python:3.11-slim as builder  # ✅ Specific version, smaller base

# Create non-root user
RUN useradd -m -u 1000 appuser

# Install dependencies (cached layer)
WORKDIR /app
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

# Copy app code
COPY --chown=appuser:appuser . .

# Switch to non-root user
USER appuser

# Health check
HEALTHCHECK --interval=30s --timeout=3s \
  CMD python -c "import requests; requests.get('http://localhost:8000/health')"

# Expose port
EXPOSE 8000

# Run app
CMD ["gunicorn", "-w", "4", "-b", "0.0.0.0:8000", "app:app"]

# Production checklist:
# ✅ Specific base image version
# ✅ Non-root user
# ✅ Dependency caching
# ✅ Small image size (~150MB vs 900MB)
# ✅ Health check
# ✅ Production WSGI server (gunicorn)
# ✅ Proper logging (gunicorn logs to stdout)

第 7 天：构建你的工作流程

创建你的提示词库

保存有效的提示词以供重复使用：

# prompts.md

## Code Review
Act as a senior developer. Review this [language] code for:
1. Bugs and logic errors
2. Performance issues
3. Security vulnerabilities
4. Code style and readability
5. Missing edge cases

Provide specific line numbers and fixes.

---

## Documentation
Generate comprehensive documentation for this code:
- Purpose and overview
- Parameters with types
- Return values
- Usage examples
- Edge cases and error handling

Format: [JSDoc/docstring/etc]

---

## Refactoring
Refactor this code following [framework] best practices:
- Improve readability
- Reduce complexity
- Optimize performance
- Add proper types
- Follow [style guide]

Explain each major change.

键盘快捷键 / IDE 集成

VS Code 扩展： ChatGPT - Genie AI

选择代码 → 右键 → "Ask ChatGPT"
键盘快捷键：Ctrl+Shift+G

命令行：

# Create alias
alias askgpt='function _ask(){ curl -X POST https://api.openai.com/v1/chat/completions -H "Content-Type: application/json" -H "Authorization: Bearer $OPENAI_API_KEY" -d "{\"model\":\"gpt-4\",\"messages\":[{\"role\":\"user\",\"content\":\"$1\"}]}" | jq -r ".choices[0].message.content"; }; _ask'

# Usage
askgpt "Explain this regex: ^[\w\.-]+@[\w\.-]+\.\w+$"

日常工作流程集成

早上：

使用 ChatGPT 查看隔夜错误
计划当天任务（架构问题）

编码期间：

生成样板代码
即时调试错误
解释不熟悉的代码

提交前：

生成测试
编写提交信息
审查更改

代码审查：

在人工审查前进行 AI 审查
解释复杂的更改以用于 PR 描述

💡 专业提示

1. 始终验证 AI 代码

# 不要盲目信任！
# ❌ 错误：不阅读就复制粘贴
# ✅ 正确：阅读、理解、测试

ai_generated_code = get_from_chatgpt()

# 阅读它
understand(ai_generated_code)

# 测试它
run_tests(ai_generated_code)

# 审查安全性
check_security(ai_generated_code)

# 然后使用它

2. 使用 ChatGPT 学习，而不仅仅是获取答案

# ❌ 错误："Fix my code"
# ✅ 正确："Explain why this doesn't work and teach me the concept"

3. 结合文档使用

# 最佳工作流程：
1. 阅读官方文档（15 分钟）
2. 向 ChatGPT 寻求澄清（5 分钟）
3. 尝试实现（20 分钟）
4. 如需要，使用 ChatGPT 调试（10 分钟）

总计：50 分钟学会新概念

4. 跟踪成本（GPT-4）

# 如果使用 API
import openai

def count_tokens(text):
    # 近似：1 个 token ≈ 4 个字符
    return len(text) // 4

prompt = "Your prompt here"
tokens = count_tokens(prompt)
cost = tokens * $0.03 / 1000  # GPT-4 定价

print(f"Estimated cost: ${cost:.4f}")

⚠️ 常见陷阱

1. 幻觉函数

ChatGPT 可能会发明不存在的函数：

# ChatGPT 可能会建议：
result = pandas.magic_function(df)  # ❌ 不存在！

# 始终在文档中验证

2. 过时的信息

训练数据截止日期（GPT-4 为 2024 年 1 月）：

# ❌ ChatGPT 不知道：
- 2024 年后发布的库
- 最新的 API 更改
- 最近的安全漏洞

# ✅ 解决方案：在提示词中提供文档

3. 过度工程化

ChatGPT 倾向于建议复杂的解决方案：

# 你问："Store user preferences"

# ChatGPT 建议：Redis + RabbitMQ + Kafka + Microservices

# 现实：JSON 文件对你的用例来说已经足够了

# 始终质疑："这种复杂性有必要吗？"

📊 衡量你的进步

7 天后，你应该能够：

任务	之前	之后	改进
调试时间	30 分钟/bug	10 分钟/bug	快 3 倍
学习新库	4 小时	1 小时	快 4 倍
编写测试	2x 代码时间	0.5x 代码时间	快 4 倍
代码审查	45 分钟	15 分钟	快 3 倍

投资回报率计算：

节省时间：每天约 2 小时
成本：免费或每月 $20
价值：无价（学得更快，交付更快）

🚀 下一步

第 2 周： 高级技巧

将 ChatGPT 与其他工具结合使用（Copilot、Cursor）
为你的技术栈构建自定义 GPT
自动化重复任务

第 2 个月： 团队采用

与团队分享提示词库
建立最佳实践
衡量团队生产力提升

第 1 季度： 掌握 AI 辅助开发

在 AI 辅助下构建完整功能
使用 AI 教授初级开发人员
更快地为开源做出贡献

🔗 资源

OpenAI Playground - 测试提示词
ChatGPT - 开始编码
Prompt Engineering Guide - 了解更多
Our Prompt Library - 即用型提示词

最后更新： 2025-11-09 | 难度： 初级到高级 | 时间： 7 天

想探索其他 AI 编码工具？查看我们的完整对比指南。

🎯 你将学到什么​

🎬 快速演示（30 秒）​

第 1 天：基础知识​

了解 ChatGPT 的优势和劣势​

你的第一个提示词​

实践练习​

第 2 天：使用 ChatGPT 调试​

调试模式​

真实案例：React 无限渲染​

实践练习​

第 3 天：学习新技术​

学习模式​

真实案例：学习 FastAPI​

实践练习​

第 4 天：代码重构​

重构模式​

真实案例：清理混乱的 React 组件​

实践练习​

第 5 天：测试生成​

测试模式​

真实案例：测试 API 端点​

实践练习​

第 6 天：高级提示词技巧​

技巧 1：思维链​

技巧 2：迭代改进​

技巧 3：角色扮演提示​

第 7 天：构建你的工作流程​

创建你的提示词库​

键盘快捷键 / IDE 集成​

日常工作流程集成​

💡 专业提示​

1. 始终验证 AI 代码​

2. 使用 ChatGPT 学习，而不仅仅是获取答案​

3. 结合文档使用​

4. 跟踪成本（GPT-4）​

⚠️ 常见陷阱​

1. 幻觉函数​

2. 过时的信息​

3. 过度工程化​

📊 衡量你的进步​

🚀 下一步​

🔗 资源​

🎯 你将学到什么

🎬 快速演示（30 秒）

第 1 天：基础知识

了解 ChatGPT 的优势和劣势

你的第一个提示词

实践练习

第 2 天：使用 ChatGPT 调试

调试模式

真实案例：React 无限渲染

实践练习

第 3 天：学习新技术

学习模式

真实案例：学习 FastAPI

实践练习

第 4 天：代码重构

重构模式

真实案例：清理混乱的 React 组件

实践练习

第 5 天：测试生成

测试模式

真实案例：测试 API 端点

实践练习

第 6 天：高级提示词技巧

技巧 1：思维链

技巧 2：迭代改进

技巧 3：角色扮演提示

第 7 天：构建你的工作流程

创建你的提示词库

键盘快捷键 / IDE 集成

日常工作流程集成

💡 专业提示

1. 始终验证 AI 代码

2. 使用 ChatGPT 学习，而不仅仅是获取答案

3. 结合文档使用

4. 跟踪成本（GPT-4）

⚠️ 常见陷阱

1. 幻觉函数

2. 过时的信息

3. 过度工程化

📊 衡量你的进步

🚀 下一步

🔗 资源