一、科研场景高效应用
1. 文献与理论支持
-
快速理解概念：
"用通俗语言解释分布式系统中的CAP定理，并对比BASE理论"
"总结近3年顶会（ICSE/FSE）中微服务架构优化的主流方法" -
文献综述辅助：
"生成关于『AI代码生成工具可靠性评估』的5个研究方向大纲"
2. 实验设计与分析
-
代码原型验证：
"写一个Python模拟实验，对比LRU和LFU页面置换算法的性能"
"为我的Kubernetes集群压力测试设计JMeter脚本框架" -
数据可视化：
"将我的实验数据（CSV格式）用Matplotlib绘制成折线图，标注关键拐点"
二、开发场景深度支持
1. 代码生成与优化
-
跨语言转换：
"将以下Java多线程代码转换为等效的Golang实现" -
代码审查：
"分析这段Spring Boot API代码的潜在性能瓶颈和安全风险" -
算法优化：
"我的Dijkstra算法时间复杂度较高，如何用堆结构改进？给出Python示例"
2. 系统设计辅助
-
架构设计建议：
"设计一个高并发的在线考试系统架构图，需包含容灾方案" -
技术选型对比：
"对比Kafka vs RabbitMQ在实时日志处理场景中的优缺点"
三、论文写作全流程加速
1. 结构化输出
-
段落润色：
"将以下方法论描述改为被动语态，符合IEEE论文规范" -
图表生成：
"用LaTeX绘制一个对比深度学习框架的三线表，包含PyTorch/TensorFlow/MXNet"
2. 学术规范辅助
-
参考文献整理：
"按APA格式格式化这10篇论文的引用条目" -
查重 paraphrase：
"重构这句话以降低重复率：『容器化技术通过资源隔离提高了部署效率』"
四、高级技巧（SE专属）
1. 工具链集成
-
命令生成：
"写一个Git命令，将feature分支的修改合并到dev并解决冲突"
"生成Dockerfile配置，部署基于Flask的机器学习API服务"
2. 自动化脚本
-
正则表达式：
"写一个匹配C++函数声明同时过滤注释的正则表达式" -
CI/CD流程：
"为我的Go项目设计GitHub Actions自动化测试流水线配置"
3. 技术趋势追踪
-
"列出2023年ACM/IEEE推荐的软件工程必读论文，按研究方向分类"
-
"分析LLM在代码生成领域的最新突破（2024年）"
五、高效学习模式
典型工作流示例1. 学习新技术栈：
"我需要学习gRPC，请用类比方式解释其核心机制，并给出Go和Java的hello world示例"
2. 项目攻坚：
"我的团队正在开发分布式任务调度系统，请：
a) 列出可能遇到的并发问题
b) 给出基于Redis的分布式锁实现伪代码
c) 推荐相关设计模式"
3. 论文冲刺：
"根据我的实验数据（见下文），撰写一段『实验结果分析』，强调创新性并引用ICSE 2022相关研究"
资料来源：https://mp.weixin.qq.com/s/CRRtszYcUSbJDP97qZWUtQ