大语言模型帮助写书

最近一个多月，我几乎把所有的业余时间都用来写一本 Python 编程书：《Python 秘籍》。

写这本书的初衷，不仅是为了深入学习 Python 本身，也是为了探索大语言模型在学习和写作中的新可能。现在回头看，感触颇深：大语言模型实在太强了。 在它的帮助下，我仅用一个多月，就完成了书稿的初步成型，虽然内容还不够完善，但已经达到了可供分享的阶段。如果没有它的帮助，达到同样的进度可能需要多花两到三倍的时间。

大语言模型极大地提高了我的写作效率。然而，效率的提升也带来了一些新的思考。过去需要三个月才能完成的工作，现在可能只需一个月。那么，从工作价值的角度来看，这种写作的意义是否也随之下降了呢？或许未来，类似的编程书籍对于读者的价值将大幅降低。毕竟，与其阅读一本书，不如直接向大语言模型提问来得便捷高效。

目前来看，可能还是写 LabVIEW 相关书籍的价值稍微更高一些。因为相对 Python 来说，目前大语言模型在生成高质量的 LabVIEW 编程资料方面还有较大局限性，所以，暂时这类书仍有市场空间。

大语言模型目前对我帮助最大的是它对自然语言的处理。我英语水平一般，自从有了大语言模型，无论写什么英语文章，我都会先让它修改润色。它不仅能纠正语法错误，还能帮助提升整体表达效果，达到我个人难以企及的水平。

正因如此，我决定把之前写的 LabVIEW 教程翻译成英文。我早有这个想法，但是因对自己英语水平的不自信而始终未能执行，但现在，我充满信心了（当然，更准确地说，是对大语言模型充满信心）。

最近，我已经开始翻译这本 LabVIEW 教程了：《The LabVIEW Journey》。 翻译时，我采用分步处理的方式：

• 第一步：初步翻译。我先用大语言模型将中文内容翻译成英文。这一步的成果通常语法无误，但由于保留了许多中文句式，英文表达显得生硬、不地道。
• 第二步：优化改写。接着，我用大语言模型对初稿进行改写，确保语言更加流畅自然，符合英语的表达习惯。
• 第三步：人工校对。最后，我逐章检查译文，不仅是为了确保准确性，也借此机会提升自己的英语水平。

虽然生成的英文文本可能仍比不上专业母语作者的写作水平，但它已经远远超越了我的个人能力，语法更准确，用词更丰富。不得不感慨，计算机在写作领域的进步速度超乎想象。

目前，翻译过程中最麻烦的部分是如何将插图中的中文内容转化为英文。这部分工作只能暂时搁置，留待日后有空再处理了。

大语言模型虽然大幅提升了我的工作效率，却也带来了新的挑战。比如，在编程面试中，它的影响尤为显著。我们公司如今采用视频面试，可能是为了节省成本。自从有了 ChatGPT 等工具，明显感觉到应聘者的编程能力普遍“提升”了。

有些应聘者面试时，一边敲几行代码，一边时不时歪头看一眼屏幕。他们的表现让人难免怀疑是不是在“作弊”，但又没有确凿证据，也许这只是他们的编程习惯罢了。更麻烦的是，ChatGPT 不仅会写代码，还能解释代码，这让判断应聘者真正水平变得更难。我目前也没有什么完美的解决方案，只能希望公司能尽快恢复现场面试。