初探腾讯混元大模型进行AIGC、代码优化:瑕不掩瑜，期待未来发展

不得不说，现在AI模型的发展很快；之前觉得，AI可以帮忙做一些重复性高、有规律的工作，没想到一下子可以进入创造环节，也诞生出AIGC（人工智能生成内容）这个概念。

目前比较火的模型有OpenAI的ChatGPT、Anthropic的Claude以及专注于代码方面的Codeium等等。

个人测试几天下来，感觉目前腾讯混元大模型综合使用趋向于GPT3.5，目前内测阶段未达到GPT4.0、Claude2.0的通用性。尤其是上下文的联系，非常明显弱后于这些爆火产品。

代码生成方面，比较薄弱，总体弱于GPT3.5、Codeium。

本文就和大家来分享一下腾讯混元大模型的使用，并且用于AIGC体验如何？ 使用的是小程序版本的腾讯混元大模型: 腾讯混元助手。

代码编写阶段

代码编写阶段，不知道大家怎么用AI的，我个人挺喜欢一些简单的算法交给AI来做，比如：

• 日志文件和一些原始数据，需要使用正则进行脏数据过滤和提取；
• Java使用stream方法，优雅地进行数据过滤和排序；
• 前台CSS样式生成，JavaScript与TypeScript语法互转；
• Markdown的表格生成，Mermaid流程图批量定义；
• Python上使用Pandas操作数据，处理二维数据表。

上述都是一些经典的例子，这里我几个我平常经常在其他AIGC模型上使用的例子，对比腾讯混元模型。

注释生成器

为什么我把这个功能放在最前面呢？因为真的很好用。

在公司里的项目一个接一个，甚至会碰到一些“祖传”项目，原本开发的项目成员都换了好几批人了，突然间需要变更，需要修改多年前就尘封的代码……

这个时候，使用AI先进行注释的生成，实在是太方便。

举个例子，存在JS代码：

我们看名字可以知道是用于统计字数的，我们可以询问腾讯混元大模型：

问: JavaScript内存在统计中英字数的方法：{代码内容}

最后的结果…… 差强人意（没错，就是总体还算满意的意思），有了基础的注释辅助：

再扩展一下呢？如果你不知道正则表达式中c.match(/[\u4e00-\u9fa5]/)的意义呢？我们是否可以进一步追问呢？

可以说，确实是标准答案。大家看到\u4e00-\u9fa5肯定会联想到字符的Unicode编码；但是，我就不信有人可以背的出来Unicode编码具体对应的字符是什么！

这个时候，腾讯混元大模型助手的答案就很方便了，不仅告诉我们为什么要使用字符的Unicode来辨识中文，还告诉我们可能存在的问题；甚至，还告诉我们代码的逻辑，联系上文iTotal加一后代表的具体含意。

就是…… 体验不是很好，小程序…… 不方便复制了~~

当然，毕竟现在是内测阶段。不能复制也合情合理。

另外，我有时候也喜欢用来生成SQL注释，不然手敲SQL的中文，有时候还是麻烦点：

CREATE TABLE `short_url` (
  `id` bigint NOT NULL,
  `base_url` varchar(255) DEFAULT NULL,
  `suffix_url` varchar(255) DEFAULT NULL,
  `full_url` varchar(1000) DEFAULT NULL,
  `short_code` varchar(255) DEFAULT NULL,
  `total_click_count` int DEFAULT 0,
  `expiration_date` datetime DEFAULT NULL,
  `message` varchar(255) DEFAULT NULL,
  PRIMARY KEY (`id`)
);

可以看到，混元模型直接根据字段名和数据库表名，根据大数据完成了注释的猜测，并且生成了注释，还是很方便的。

代码错误分析

当代码出现问题的时候，与其在网上不停地搜索答案，不如直接问个AI？找出问题的答案多快好省！

尤其是编程语言都提前写好了内置的错误的捕捉和抛出，自有函数的报错基本异常类是固定的，在多数情况下是非常好定位的。

举个例子：我最近写了一个Python脚本，批量读取一个文件夹里的所有图片，转为Webp格式，非PNG、JPEG结尾的文件自动拷贝，但是居然报错了TypeError: slice indices must be integers orNone or have an _index_method，于是进行提问：

问: Python3 在写了if not (file.endswith('png', 'jpeg', 'jpg')后运行报错TypeError: slice indices must be integers orNone or have an _index_method?

首先，我们分析原因；file.endswith是用来判断文件名的末尾是什么字符串？经常用于粗略判断文件的类型；为什么会报错呢？原因就是这个方法传入的参数：

这样看过去，我们传入『’png’, ‘jpeg’, ‘jpg’』，可以触发哪一个方法呢？实际我们触发def endswith(self, suffix, start=None, end=None)，这也是为什么，我们的程序会报错的原因。需要传入的是『开始位置』和『结束截取位置』，但是我们传入的却是字符串“jepg”和“jpg”。

分析结束，现在看看混元大模型如何进行回答呢？（节选）：

混元模型，轻松定位了代码的问题，这一点和GPT3.5和GPT4.0是一样的，不同的是，GP4.0（好像有点大材小用了）回答的内容会少一些，可能是为了节约Token？

综合看二者的回答…… 说实话，我还是更喜欢GPT4.0的回答。混元模型虽然解释了我代码想要运行的最终效果： 匹配文件扩展名是不是在限定范围内。

混元模型并没有告诉我，file.endswith()函数究竟为什么会报错。实际上，就是因为传入的参数错误，如果更改为『元组』，触发其他重载方法，并且重载方法可以解析『元组』即可。

莫非是混元模型的数据没有训练到么？非也，如果你进行追问，其实混元模型是可以告诉你的，可能是回答的优先级不一样，模型的侧重有所偏差：

代码算法优化

代码的算法优化，可以包含很多方面，比如：for循环嵌套优化、函数的语法转制等等。

首先我们看看函数语法的转制，JavaScript和TypeScript的互相转制，是一个典型的Demo，毕竟TypeScript本质就是严格语法类型版本的JavaScript。但是，如果是写法的转换呢？

现在的Vue3，进行变量和函数的声明，可以使用函数式和组合式。我之前用Vue2的时候，都是用函数式，转到Vue3，伴随一阵“镇痛期”后，逐渐爱上了组合式；虽然Vue3里面，既可以使用函数式，也可以使用组合式，但是这样不利于维护，索性把旧的代码全部换成组合式。

既然这样，有没有更快的进行转换呢？

这个时候，当然可以使用腾讯混元模型啦：

贴到编译器上看看：

非常不错，直接转换逻辑为组合式代码，这样可以极大地加快我们代码的统一程度。再优化代码？毕竟newLink.value = decodeURIComponent(url) + "?code=" + code这样的代码，确实有些不雅观：

问: 能否优化代码，避免出现newLink.value = decodeURIComponent(url) + "?code=" + code这样不符合规范的代码。

可以看到，混元模型优化为：

恩，确实是一个很不错的方法；当然，具体取决于自己或者公司的操作风格。比如换成我，我更喜欢这样的写法：

后续如果支持开发定制，相信这种代码风格问题，是可以很轻易解决；如果还能“投喂”自己的数据，嘿嘿。

再举个后端Java的例子，我们使用MyBatisPlus，是不是可以选择在Mapper的XML内编写SQL的方法，进行增删改查？ 如果需要排序或者内容筛选，除了在XML内部的SQL实现……

我们也可以在Java层，使用后台Java进行计算。比如我就喜欢使用stream进行操作，让我们看看腾讯混元模型会不会用stream，毕竟这可是JDK8开始就支持的：

问: Java语法内，List内部，如何快速调整recordId为8848的对象orderNum属性值为8？并且把调整后的List，使用orderNum完成排序。使用一个Stream完成。

可能有点看不清，我们粘贴代码出来细看一下：

非常不错，首先使用map对元素进行遍历和修改，之后在映射完成后，使用集合方法进行排序，也许有一些不足的就是： 为什么不用peek方法取代map呢？感觉使用peek方法取代map可读性会更高些，我们可以再次追问：

问: 为什么不使用peek取代map呢？ 可读性会更高吧？

同样，我们把代码贴到编译器上，方便预览：

非常不错，简直和我平时写的一模一样。本身使用stream的链式编程已经很舒爽了，现在更舒爽了。

那么？ 如果公司有新来的应届生，看不懂怎么办？ 这个时候，就可以用上文的方法，把混元模型变成“注释生成器”：

哈哈，相信应届生应该也会看得懂。

综合上述，使用混元模型辅助操作代码，我们可以洋洋洒洒，写出高效的代码和项目了~~

项目部署

现在很流行分布式部署，并且使用容器化项目；不同于K8s（Kubernetes），你需要掌握巨量的配置、管理和调度知识，甚至是路由的知识；但是，使用Docker，或许是最简单的容器化方法之一（或许没有之一），入门比K8s简单地多。

容器部署

我们问问AI，看看生成的Dockerfile怎么样：

问: 使用Docker部署项目，有一个hexo博客，希望使用容器化部署，Dockerfile如何编写比较好？

首先，如果是我写Dockerfile，我可能这样写：

接下来看看ChatGPT3.5是怎么写的？

怎么说呢？ 其实和我写的差不多。

再看看腾讯的混元模型： 其实差不多，就是比较奇怪，混元会先拷贝package，之后进行构建，再拷贝所有文件，如果追问一下，解释的也不是很合理了：

可能混元这方面训练的不多。尤其是后续追问，“如何推送到其他服务器？”。

没有进行标签操作就算了，追问两次，就“走丢”了。也许是内测期间，限制了上下文的Token关联：

如果是Claude的话，基本也是没什么问题的：

亦或者是Docker、K8S这样的容器化部署，内容比较新；加上中文互联网上的资源确实也没外文那么丰富，导致混元模型展示在这一方面比较薄弱。

经典部署

我们看看经典的非容器化部署的话，腾讯混元模型是不是“轻车熟路”？在我看来，个人用户，尤其是刚刚学习Linux的运维朋友，在面对一些Linux常见的运维、部署应用问题，碰到问题是很正常，但是确实让人觉得很棘手。

尤其是有时候需要分析系统日志、配置Nginx的关键时间点……

所以，就让我们就看看『Linux命令』和『Nginx基础设置』吧。

问: Linux上，如何使用find命令，找到最近30min内更新的文件？

这个问题实在是太经典了，有时候不知道生成的生成的日志文件在那里？ 甚至是攻防AWD比赛时候都会用到：

其实我自己比较喜欢用命令： find . -cmin -30

于是就追问，使用-mtime和-cmin的区别：

可以说，回答的是相当准确的了。首先解释了-mtime和-cmin分别是什么词的缩写，方便用户理解命令字面含意，之后描述命令的实际效果；可以说是标准的正确答案。

至于刚刚部署时候经常要用的Nginx，我们也可以进行提问：

问: Linux配置Nginx的时候，Nginx的Nginx.conf文件中，如何配置数据的反向代理，解决跨域问题？

总的来说，回答简单问题，还是都挺让人满意的。并且像Nginx这样，实战数据非常丰富（可能比K8S多一个数量级？）、使用非常广泛的应用，腾讯混元大模型的数据是基本涵盖到的，我们使用其解决一般性的问题，是绰绰有余的。

未来可期

从上文可以看到，腾讯云混元模型，在用于软件设计、编程和维护上面还是非常不错的。中小企业，日后或许就不用高成本地训练自己的模型和建模了，对于企业和个人开发，也是一片向好。如果后续价格可以合适，我相信是一款成熟、稳定的产品。

当然，也存在一些遗憾…… 最让我感觉遗憾的就是上下文的联系。可能是内测阶段，限制了上下文的关联Token，导致对话内容多、或者次数多后，上下文的联系存在一定的偏差。

这点在一些较新问题提问的时候，尤为体现。比如：

问: Nuxt3是怎么做到SSR渲染的？这样对SEO有什么好处？

可以看到，回答就有些答非所问了。

首先我简单解释一下：Nuxt3确实是一个SSR框架，解决的主要问题就是JavaScript渲染的页面，爬虫无法获取真实DOM。举个例子，当百度、Google和Bing等爬虫，对Vue3JS网站项目进行爬取时候，会爬取到什么内容呢？答案是单页，并且很有可能<body></body>标签内，只存在一个带有ID的元素。

这是因为，页面的DOM元素，是在JavaScript载入后，进行加载渲染的，爬虫类似于API请求，无法进行JavaScript的渲染。而使用SSR框架，也就是服务器端进行渲染，返回渲染后的DOM结果给浏览器，进行达到优化SEO的目的。

腾讯的混元模型，基本上概念是知道的，但是，很明显数据的更新情况不理想，基本回答的是Nuxt2的东西，在Nuxt3开始，Nuxt支持自动装载配置并把默认框架从Webpack切换为Vite，这些看得出来，混元模型并没有训练数据。

同时，并没有给我回答出Nuxt3或者Nuxt2的渲染实现，我想要它解释的其实就是为什么Nuxt可以做到SSR渲染？是如何实现的？​相比之下，我很喜欢Claude的回答，基本和Nuxt官方介绍视频里的内容大同小异：

与此同时，混元模型也不支持投喂数据，继续追问作用也不是很大；或许是没触发到关键词？

首先，Nuxt的官方文档里，并没有介绍使用VueX；并且，我认为还是没有解释核心问题：“如何做到SSR渲染”，并且从使用的结果上看，混元模型并不能链接网络，亦或者获取网页的内容，不然Nuxt3里面重点介绍的Data fetch不至于不讲解。

其次，也可能是模型策略问题？ 混元模型可能是优先保证给出数据的精准型，其次才是给出数据的全面性。

概括一下，主要的问题是：

• 模型数据不足，无法推演出Nuxt的SSR内容；
• 无法联网查询，我传输的数据都是官方，有可能混元模型小程序版本无法联网；

不过，好在这样的情况比较少；现有的模型数据，基本满足开发和运维的日常需要。

END

尽管混元模型目前在一些领域的训练可能还不够充分，导致在某些专业领域的问题上表现较为薄弱，但随着模型的不断优化和数据的不断增加，相信未来的混元模型会为用户提供更加全面和精准的帮助。

虽然有一些小遗憾，但是综合上述内容，混元模型的体验还是可以的。如果后续的API版本，可以“投喂”数据，更可以帮我们处理定制化的代码逻辑了。

另外，还有一点非常关键！ 小程序实在是太受限了！ 就算我现阶段想用混元模型帮我写写代码，存在多个问题：

• 小程序上，上下滚动是与操作系统反向的；这或许是小程序适配手指滑动问题？
• 小程序在电脑上使用，无法进行精准的复制；要知道，不能复制，这得多影响开发？（滑稽）
• 排版问题；代码虽然有代码高亮，但是小程序无法调整窗口大小，导致代码3~4个单词就会换行，严重影响代码的可读性。

希望上面问题，后续能有解决的方案。

另外，肯定会有小伙伴问：

问: 目前腾讯混元模型，相当于ChatGPT3.5还是4.0呢？ 对比Claude呢？

这个…… 其实确实不太好比，毕竟训练的数据都不一样，各家也没有公开…… 但是综合体验来说，应该是和ChatGPT3.5差不多。明显感觉弱于Claude2.0。或许在公测和开发API后，有所改变。

总而言之，腾讯云的混元模型对于软件设计、编程和维护等方面有着不错的助力。虽然目前存在一些小的遗憾和局限性，但随着技术的不断进步和模型的不断改进，相信混元模型的未来将会更加可期，为用户提供更好的服务和支持。让我们拭目以待，期待混元模型能在AI技术领域发挥更大的作用！

彩蛋

哈哈，这里发一个“彩蛋”，正常来说MD5是不可逆的，并且存在多对一的情况。如果问AI，正常应该要懂得拒绝才对，Claude对比GPT，明显就会感觉到，Claude不会的或者无法操作的，它就会拒绝：

但是，GPT却会回答；有趣的是，它居然回答对了？

当然，问了一下混元大模型，似乎还是存在“慈祥奶奶的问题”，挺有趣的（虽然给出的原始字符串是错误的…）：

不知道后续什么版本会改了，挺有趣的。

---

若对文章很感兴趣，可以B站关注我ヾ(≧▽≦*)o

点此跳转“爱发电”页面(○｀ 3′○)