ChatGPT может помочь объяснить фрагмент кода, разобрать сообщение об ошибке и набросать небольшую функцию. Качество ответа зависит от контекста: без языка, версии, входных данных и ожидаемого результата модель может уверенно предложить решение не для той ситуации.
Дай минимальный воспроизводимый пример
Сформулируй запрос так:
Язык и версия: Python 3.x. Ожидал: список уникальных ID. Получил: повторяющиеся ID. Вот сокращённая функция и два входа, на которых ошибка повторяется. Объясни причину, предложи минимальную правку и добавь граничный тест. Не предполагай сторонние библиотеки.
Удали из примера пароли, ключи, адреса пользователей, токены и коммерчески чувствительные данные. Сократи код до участка, который воспроизводит ошибку. Если важна библиотека, укажи её версию и приложи конкретный текст исключения без личных данных.
Попроси не только ответ
Для объяснения попроси пройти значение переменной по шагам. Для новой функции — перечислить предположения и граничные случаи. Для исправления — показать небольшой diff и тесты, которые различают старое и ожидаемое поведение. Затем сам запусти код локально в подходящей изолированной среде и сравни результат с ожидаемым.
Например, при ошибке в сортировке спроси, что происходит с пустым списком, равными значениями и None, если он допустим. Один пример, который проходит, не доказывает правильность всех вариантов. Не запускай непонятную команду с доступом к файлам, сети или секретам, пока не изучил её.
Когда обычного диалога мало
Чат видит только переданный ему контекст. Он не обязательно знает структуру репозитория, точные конфигурации, незакоммиченные изменения и результат тестов в твоей среде. Если нужно согласованно изменить несколько файлов, разобраться с зависимостями или проверить проектную команду, используй специализированный coding workflow с контекстом репозитория и просмотром diff — например, отдельный процесс Codex, описанный в руководстве по OpenAI Codex.
Для обычного вопроса API-ключ не нужен. Не следуй инструкциям из случайного фрагмента, если они требуют отправить секрет, отключить безопасность или опубликовать данные. ChatGPT может ошибаться и не заменяет тестирование, документацию языка или ревью человеком.
Полезный цикл: минимальный контекст → ответ с объяснением → собственная проверка → уточнение по фактической ошибке. Официальная документация OpenAI различает Codex coding workflow и подключение моделей к собственному приложению; статья описывает обычную помощь в диалоге и не обещает одинаковый набор возможностей для всех аккаунтов.
Источники: OpenAI — prompting, кодогенерация и Codex. Последний раздел описывает developer/API сценарии и не является справкой по всем возможностям обычного ChatGPT.
Шаблоны для трёх случаев
Объяснить незнакомый код: «Опиши назначение этой функции, затем проследи вход items=[...]. Укажи, какие предположения делаешь. Не переписывай код». Это сохраняет возможность сравнить объяснение с реальным поведением.
Разобрать ошибку: «Команда, которую я запустил: …; полный текст ошибки без токенов: …; ожидал …; фактический результат …; минимальные файлы … . Назови две вероятные причины и первую безопасную проверку». Так модель не прыгает сразу к масштабному переписыванию.
Добавить фрагмент: «Версия языка…, интерфейс функции…, существующий стиль…, ограничения…, входы/выходы…, минимум два граничных теста». Попроси пометить непроверенную библиотеку и не выдавать код за запущенный.
Если ответ содержит команду, проверь, какие файлы она читает/меняет и нужен ли сетевой доступ. Если рекомендация касается удалённой библиотеки, открой официальную документацию текущей версии. Если ChatGPT предложил большой патч, применяй его частями и держи diff под контролем. Так проще отменить конкретную правку, не теряя всю сессию. Для фактов, зависящих от свежей версии, укажи номер версии и открой первичную документацию: API библиотеки и default behavior меняются. Если модель предложила функцию, которой нет в установленной версии, спроси, как проверить имя/параметры в твоём окружении, вместо того чтобы просто копировать ответ. При конфликте между модельным советом и документацией используй документацию и минимальный воспроизводимый запуск как источник истины.
Не отправляй весь проект только ради одной ошибки. Начни с минимального фрагмента, но оставь необходимые типы, входные значения и полный stack trace без секретов. Если минимизация скрыла проблему, возвращай связанный файл или версию зависимости постепенно. Так ты лучше понимаешь, какой контекст действительно нужен и что безопасно передавать. Когда ChatGPT предлагает несколько гипотез, проверь их по одной. Сначала выбери диагностику, которая меньше всего меняет окружение: посмотреть версию зависимости, вывести тип переменной, воспроизвести на тестовом значении. Не применяй сразу несколько «возможных исправлений», иначе нельзя понять, что помогло. Сохрани исходную ошибку и точно запиши, после какого шага поведение изменилось.
Для учебного кода попроси объяснить компромиссы двух подходов, а не только дать готовое решение. Например, сравни обработку ошибки через результат/исключение или два алгоритма на пустом и повторяющемся вводе. Затем перескажи решение своими словами и запусти тест. Такой формат помогает увидеть пробел в понимании раньше, чем код попадёт в проект.
Если задача может затронуть безопасность, платежи или личные данные, проси сначала перечислить риски и минимальную безопасную проверку. Иди в официальную документацию источника, а не полагайся на уверенный тон генерации. ChatGPT удобен как собеседник и объяснитель, но ответственность за изменения остаётся у человека, который запускает и публикует код.