共计 576 个字符，预计需要花费 2 分钟才能阅读完成。
1. 聊聊 it 团队经常面临的问题
生产率低下，技术革新快，学习成本高。
2. 试想一些 AI 辅助的应用场景
写代码、检查规范、检查 bug、交互式辅助学习、总结文档、分析关联。
3. 看回现实可用的工具及其使用
使用的工具有 Cursor 和 github 和 open AI 合作的 copilot，首先 copilot 是收费的, 那我们就先研究下 Cursor。目前我探索了以下一些使用思路。
3.1 加载文件作为对话上下文
相比 chatGPT 而言，cursor 代码编辑工具可以一次性读取整个工程作为对话和代码生成以及聊天的上下文
3.2 源码工程辅助阅读
在导入的源码上进行提问式学习。输入工程源码然后就具体代码提问。
3.3 批量文件式输入口
作为文档输入口，告知 chatGPT 背景或主题聊天的前提信息，辅助文本型内容创作。
3.4 规范核查工具
使用 cursor 进行代码优化，以及工程文件级别的对话优化
4 通用思路
4.1 提供解决方案思路
提问模式：
我想低成本快速的 xxxx，你有什么好的建议?
例如：我想低成本快速的建设一个网站，你有什么好的建议?
4.2 借助 chatGPT 构建全流程自动化的内容生成
将 ChatGPT 当成自己的核心生产机器，基于一个或大或小的构想 / 目标，构建一套流水线，将 ChatGPT 嵌入到流水线上。通过目标、流程、自动化流水线、实现自动的生产产出。
例如：自动赚钱流水线，哈哈哈哈，大家可以尝试哦。
正文完
