AI輔助程式生成、修改、測試/國立中央大學 資訊工程學系 莊永裕副教授
莊永裕老師在本次演將中分享了，如何透過生成式AI提升程式設計效率，亦強調從使用者需求出發、透過逐步提示引導AI生成符合需求的程式，是開發流程的關鍵，並展現生成式AI在教學與實務應用上的潛力。
生成式AI與程式設計的關係
生成式人工智慧(Generative AI, GenAI)能根據使用者給予的提示(Prompt)產出各種形式的內容，包括文字、圖片及程式碼。其中，大規模語言模型(Large Language Model, LLM)透過機器學習技術，特別是深度學習，從大量資料中學習，以生成內容。以ChatGPT為例，這款由OpenAI於2022年11月公開的聊天機器人，便是基於GPT(Generative Pre-trained Transformer)技術開發而成。
生成式AI之所以能夠產出程式碼，是因為模型已經從大量公開的程式碼中學習到程式設計的模式。以往的程式設計流程是從題目場景描述直接轉換為程式碼，而使用生成式AI則是將題目場景描述轉換為自然語言提示，再由AI生成程式碼。
從題目到需求：明確表達意圖的重要性
程式設計的本質是解決問題。若僅以題目去詢問ChatGPT，相當於直接搜尋答案，而非自己解題。雖然對於經典題型如LeetCode，可能會獲得良好的標準答案，但在現實中的應用場景往往是各種變化題，需要明確說明做法及需求。
真實世界的問題通常有多種解法，不似考試題目有唯一解答。就如設計一張椅子，需先確定是給大人或孩童使用，根據需求訂定規格描述，再依規格進行實作。程式設計同樣需要清楚描述需求，才能讓ChatGPT據此產出符合要求的程式。
逐步提示以滿足需求：實例分析
莊老師以一個實際案例說明如何有效使用ChatGPT。案例中，公司內部需要一個小程式，用以處理系統的錯誤紀錄並產生統計圖表。起初，簡單地提示「寫一個將錯誤報告轉成圖表的程式」，ChatGPT確實提供了程式碼，但未能完全符合特定需求。
透過分析ChatGPT的回應，發現其假設了錯誤報告的格式，並未實際進行檔案讀取，且只生成了一種條形圖。這說明了需要更精確的提示來引導AI理解特定需求。
訂定TODO逐步提示完成：軟體工程的應用
為有效指導ChatGPT，莊教授建議列出需求項目，作為TODO清單逐步完成。這種方法借鑑了軟體工程中的測試驅動開發(Test-Driven Development, TDD)及敏捷開發(Agile Software Development)理念，強調逐步驗收、修改功能。
在案例中，TODO清單包括：
- 讓程式讀取error_log檔案
- 告知ChatGPT檔案的正確格式
- 生成圖表
透過觀察程式執行的正確性、分析錯誤訊息及檢視輸出結果，使用者能不斷改進提示，引導ChatGPT生成更符合需求的程式。
結語
莊老師總結了使用ChatGPT輔助程式設計的關鍵要點：
- 不要僅以題目去詢問，而是從需求來描述所需
- 明確說明期望的程式輸入、輸出及功能
- 目標是在ChatGPT協助下開發符合自身需求的程式
- 最終產出的程式應符合需求、可理解、可解釋且使用者可負責
此外，他也強調批判性思維的重要性。執行時沒有錯誤不代表程式沒有問題，使用者不必理解程式碼的每個細節，但應能透過提問及範例驗證來確保程式的正確性。
最後，講者推薦了兩個練習題「踩地雷」和「通訊錄」，讓學習者能實際運用所學，分別著重在產品呈現、觀察與驗證，以及資料管理、使用者介面與體驗的設計。 透過這場經驗分享，使與會者更加理解如何有效運用ChatGPT等生成式AI工具，作為程式設計的助手，而非僅是解題的工具，進而提升程式開發的效率與品質。