iT邦幫忙

2024 iThome 鐵人賽

DAY 23
1

開場白

鐵人賽一路走來,搗鼓東、搗鼓西的,今天想來點不同風格,來閒聊一下。別擔心不是在水文章,剩下兩個主題大概還要十篇才寫的完呢!

在這邊想特別感謝 鱈魚前輩 的支持,幾乎每篇文章都默默替我按讚,只要想到每寫完一篇,就能收穫一個讚,這份小小的鼓勵讓我多了一份堅持的理由,實在是很窩心。

我花了點時間為接下來的 3D 長條圖 加了一些細節,看著精緻了些,如果有引起你的興趣,請期待後續文章!

https://ithelp.ithome.com.tw/upload/images/20241006/20135197oK9puELlvr.png

寫文章

關於寫文章這件事,我從生成式 AI 這邊獲得不少幫助,所以今天就來聊聊,怎麼讓 AI 協助撰寫文章吧!(轉得有點硬哦!)

  • 以下心得使用的是通用型 AI,適合日常任務的那種。

今天從幾個面向來說明:

  1. 範例
  2. 使用效率
  3. 它的定位

這邊先看看我是怎麼做的,首先我為主題 D 先構思好五篇文章和簡介,再讓 AI 去幫我擴寫,可以看到,它的回答相對流暢,也比較完整。

第一問

根據提供的標題和內容描述,為每個系列文章撰寫簡介

  • 3D圖形與音頻資料
    1. 音訊處理結合 Three.js
      * 介紹封裝架構設計包含:畫布設定、預載入、清除記憶體、事件、更新、渲染
      * 透過架構實作 Three 場景、鏡頭、輔助控制和座標軸
    2. BufferGeometry 自定義 3D 長條圖
      * 介紹 TypeArray
      * 介紹圖形渲染方法,比較相對 Canvas 方便和不方便的地方
    3. mesh、geometry、meterial 三位一體
      * 為基礎打補丁:介紹為什麼需要幾何體和材質來合成網格體
      * 提供範例解釋其多對一關係,並且談到改變座標如何層層影響
    4. 聲音格式工廠
      * 用工廠設計模式設計 Three 所需要的資料格式轉換
      * 介紹架構,輸入音訊、輸出向量和頂點
    5. 從頂點到幾何空間-封裝底層長條圖算法
      * 完成音訊到頂點的轉換
      * 為長條圖著色,如漸層效果

它的回答

https://ithelp.ithome.com.tw/upload/images/20241006/20135197u6u7w8Jj0Z.png

第二問

根據以上群組文章的資訊,分析並判斷提綱是否完整,探討前後銜接和適合的順序,最後撰寫每篇文章的大綱:

它的回答

透過明確的步驟提示,它能依序完成任務,給我一些靈感:(雖然它有點話唬爛,說要調整順序結果沒調呀!XD)

https://ithelp.ithome.com.tw/upload/images/20241006/20135197gj0wmI6FF0.png

接著幫我構思好每篇文章的基本段落:

https://ithelp.ithome.com.tw/upload/images/20241006/20135197A3OgavJSKm.png

以上這個範例,透過 AI 言之有物的特性,就能在撰寫文章前再復盤一次,此時問問自己,這些內容是我想寫的嗎?同時能了解到——原來下錯標題會誤導讀者那些內容。同時可以先確認文章長度和先後順序,大方向和骨幹確認好後,後續很難會出錯。

像我是一個思考很跳躍的人,我沒辦法瀑布式寫文章,AI 就作為一個編輯的角色,補足了我的缺點。


使用效率

那麼認真講,效率感覺會提升,但實際上呢?我覺得有一個很大的前提——不要讓 AI 干涉你的每個流程。

首先,它確實能和你分工合作,幫助你快速完成一些事,但同時品質會被迫變高。也許你一開始文章只是想輕鬆寫寫,但隨著它的加入,就如同另一個共筆者,它幫你想到東缺一塊、西缺一塊,這些建議太好了,你沒理由拒絕,只得花時間去補。

這一點我稱之為"不穩定性",於是,為了整篇文章的流暢,你每新增一個段落就貼給它潤稿,就像交作業一樣,然後它給了你新想法。當你要決定採用哪一版本,或是折衷方案的時候,就是費神費力之處了。

所以我認為,要適時的減少它的干涉,或許就跟管理一樣,你也需要管理你的 AI,讓他負責特定任務,越熟悉,你就越知道哪邊要依賴它了。整體來說,我覺得速度沒有提升,但品質有提升,那就算效率不錯了。


它的定位

以前的我比較傲慢,我會說它像一個工讀生,涉略很廣但都不深。現在,它讓我學會了謙虛,我覺得七成的時候它是老師,三成的時候它是同事。

即使它不是專門寫程式的,也有能力閱讀程式碼,在撰寫這系列文章時,我是先完成程式碼,回頭重構的時候找他幫忙,我才知道,原來有些我認為複雜的任務,對它卻這麼簡單。每每到這時我就想,如果當初一開始就先問它,那該有多快!

另一方面,它知道很多我不知道的事,試想,你需要閱讀過多少篇文章,才能有像它一樣解釋一件事的口條,這大大減少了我們學習的時間。但我仍覺得我們是平等的,應以中庸的心態看待,我貼一段程式碼讓它替我講解,有時候我覺得講的好,也有時候我不喜歡就當參考。於是我學會配合它,先替程式碼和文章分段,再讓它講解,互相學習。

我建議,不能遇到什麼事情都找它,就好像你很信任一個朋友,遇到什麼都只聽它的,我認為這樣不好,物極必反,這情況反而會內耗。探索和找到它在你心目中的定位,才是我們該做的。


結論

今天感覺水了一篇,但我還是堅持自己寫吧,什麼內容才是有價值,這是生成式 AI 出現後的一個大哉問,我覺得,想說什麼說什麼吧!就這樣寫下來,也是快兩個小時。

AI 的好處多多,但它也像一道陰影,每每完成一篇文章,我就會反思,會不會全部的內容 AI 都可以獨力完成?我投入的時間和輸出是否成正比?細思極恐、細思極恐,你覺得呢?


上一篇
C7 堆排序的結構之美-動態演繹堆化過程的優雅
系列文
讓演算法起舞:前端特效應用的探索之旅23
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言