这些内容以前均在群里同频过，有些点还是很有价值的，我把这些内容整理、收集汇总，沉淀在此处，方便大家回头阅读，寻找灵感。
需求内容：营销系统识别特惠单订单规则配置
整个需求内容的拆解还是得工程师来做，但中间copilot可以给很多的提示帮助，来进行提效。
看下面这个案例，在进行拆解过程中，可以提示后面的内容，还很准确。
再看看这个智能提示效果是不是可以称得上 智能 了，琢磨猜测你后续要做的事情，准确率很高。
需求拆解完后，第二步是进行数据库表结构设计，这块完全是copilot根据注释词设计出来的。
整个设计过程如下图所示，反反复复的交互到最终采纳
copilot最终设计4张表，策略表、城市表（我们本来就有字典表，忽略即可）、策略城市关联表、策略更改日志表，如下图，建表语句都是copilot写的，质量不错，工程师稍微改改名字就行。
上图中的策略日志表再说几句，一开始并不能设计出这个最终满足产品页面功能的表结构，需要工程师把表的功能再详细描述下，如上图前面的那些汉字，最终 copilot 设计了出来。
2023.6.28 chatGPT探索进展同频：
今天收获还是蛮大的，数据库表设计搞定后，就要开始写mybatis mapper类、xml sql语句、以及Service、controller了。
进展：
1、dao相关的实体JAVA类 DO对象，插件自动生成，基本不用手写；
2、mybatis mapper及xml sql语句，普通插入、更新，插件自动化搞定，基本不用手写；
3、领域实体DTO的JAVA类，通过写注释，copilot自动把整个类的字段全部输出，不用手写字段；
4、interface接口定义，新模式：工程师写注释，copilot自动写接口，而且到一定程度后，copilot自动写注释、自动写接口，工程师直接回车回车就行，还写的很准，这点真赞！；
下一步，接口实现，开始让 copilot写业务逻辑了，看看有什么效果，有结果了再同频。
2023.6.30 chatGPT探索进展同频：
今天开始探索实现接口逻辑了，保存特惠策略接口，整体上开始需要自己写代码了，但可以提效的地方也蛮多，文字和图片如下：
1、通过注释，//注入 SaleStrategyMapper、SaleStrategyCityMapper、SaleStrategyLogMapper ，copilot可以自动写完6行代码； 省去工程师一行行敲字时间，这块提效👍🏻
2、saveStrategy 接口中，上来先检查参数，仅仅靠写注释，让copilot全部写参数校验，试了几次，貌似不行。但当我写完一行if参数校验后，后面的一系列tab就可以了，这块提效。👍🏻
这块的精彩点：
因优惠比率字段的注释里面写了0-100整数，copilot提示了if 参数校验字段在0-100之间，逻辑很严谨。 👍🏻
根据注释，结束日期字段 > 开始日期字段，优惠最大值>优惠最小值 也提示出来了, 👍🏻
3、再主方法中直接 //检查参数， copilot 提示使用刚才创建的 validateParams 方法，直接tab采用。提效👍🏻
4、接下来要把DTO对象转换成3张表的DO对象，精彩的很，convert类基本上不用工程师写了，copilot写完后，tab采纳就行，稍微改改字段名。尤其是DTO转换cityDO对象时，是将DTO的一个字段list转换成cityDO的多个list，copilot能感知到并且提示正确。 提效很大👍🏻
5、数据库事务方法，copilot暂时写不出来，可能是没提示对。在保存数据库时，copilot提示cityDO对象为batchInsert ，这个插入方法我还没有写。 非常赞👍🏻
converter 类也有一些插件可以实现两个类之间的convert，比如佼佼者 genCopyMethod 就挺好用，👍🏻！
这块普通类跟 copilot类似功能，都能完成效果。但是这个特殊点的，copilot的强大就体现出来了，
入参的一个字段是 list ，要把这个转换成结果list ，还有几个字段赋值下，差异就体现出来了。
视频看前20s就够了。
2023.7.3 chatGPT探索进展同频：
今天尝试写controller，调用svc接口，中间遇到的智能提示，前几天都遇到过了，没什么新的亮点，不过依然提效，这里再分享下。
1、通过注释 // 注入logger类，//注入Service ，能自动插入正确代码；
2、因之前写过一个http请求案例，copilot根据注释 //针对策略详情页，写获取详情页信息、保存详情页信息、作废策略ID的http接口 把三个接口都写出来了，而且带有访问逻辑；这点不错
3、代码转换，根据入参两个 id，//转化实体 ，能自动创建 dto类，并set好对应值，并调用接口。 以下是对应图片：
彩蛋：
gpt3.5 vs gpt4.0 ，体感上，同一个问题，GPT4 像是一个有经验的专家工程师给的答案， GPT3.5 像是一个刚刚工作没几年，会基础但不能完全解决问题的初级工程师。
