有一个Python 写的三四百行的爬虫。bs4解析，sqlite存储，还用flask提供了 http 服务。
整个程序运行效率非常烂，一跑起来狗云168 ks cpu直接吃满 100%。重写是不可能重写的，一来要花很多时间写，花很多时间调，二来从来没用Go写过类似的东西。
昨天让 GPT4 帮忙写成 Go，95%的代码GPT4写，人工解决 5% 的一些和之前 Python 代码的差异。一小时重写完毕，上线，和原数据库完全兼容，CPU 占用直接下降到 8%, 而且速度还飞快，为了不让爬太快被封人工加了 Time.Sleep。
虽然要人工解决5%的问题，但是大部分问题都不是细节问题，比如数据库里面有些字段是空的，Go结构应该用指针而不是值，诸如此类对人脑几乎没有负担的问题。不会因为SQL里面一个符号打错了导致debug一小时。并且这些问题，只需要向GPT指出，他就会自己改，不需要手动一行一行改代码。
人不擅长处理细节的问题，GPT恰恰很擅长。
nb了
现阶段GPT因为他的context还不够大，还很难完成对于大型任务。但只要把一个任务拆成几个较小的子任务，GPT就能非常好的完成。
慢慢的，所有依靠智力的工作者都会变成管理者。管理AI，负责给AI分配合适任务的角色。
未来，GPT的context再扩大100倍，1000倍呢？这不是不可能的，要知道GPT4的context相比GPT3.5已经扩大了10倍。
看了老黄和openai的chief scientist的对话，他20年来都在做扩大网络规模的工作。10年前的alexnet，10年后的gpt，都使用了远超时代的规模取得了令人震惊的效果。所有精巧的网络设计，在规模面前，都黯然失色。
几年前我们还能在本地跑神经网络模型。随着网络规模越来越大，解决的问题越来越复杂，这个行业又要开始成为一个大公司垄断的行业。不过这并不是坏事
应该转写成rust
新生代码农，已经在把模型用于日常的一些文档编写，技术选型和代码优化了