目录
1、基于驱动的日志解析提问
错误日志分析【100%】
报错日志分析【90%】
错误日志分析【60%】
2、基于安卓设备调试提问
adb调试i2c【效率50%】
adb调试gpio【50%】
3、基于高通代码的提问
基于高通代码含义的解析【效率80%】
基于高通新增TP驱动提问【效率50%】
基于dtsi设备树配置提问【效率0%】
4、 基于电路模块的提问【效率90%】编辑编辑
5、基于嵌入式驱动代码提问
基于stm32 io模拟串口编写【效率50%】
基于stm32逻辑代码【100%】
基于py32的代码编写【0%】
6、总结
1、基于驱动的日志解析提问
错误日志分析【100%】
报错日志分析【90%】
由于提问者对问题的本身完全不懂,会对解析的正确性无法提出怀疑
错误日志分析【60%】
大致分析正确,但是没有针对i2c地址正确性提出怀疑,实际中是由于i2c地址出错
2、基于安卓设备调试提问
adb调试i2c【效率50%】
大致回答正确,但是不全面,对比百度中搜索排行第一的csdn博客回答的,csdn的回答更全面正确
adb调试gpio【50%】
大致回答了方向但详细步骤不全面需要多次问答并且纠错
3、基于高通代码的提问
基于高通代码含义的解析【效率80%】
基于高通新增TP驱动提问【效率50%】
大致回答正确
基于dtsi设备树配置提问【效率0%】
4、 基于电路模块的提问【效率90%】
5、基于嵌入式驱动代码提问
基于stm32 io模拟串口编写【效率50%】
存在明显的错误问题,通过io模拟串口过程中还是调用了串口函数中断
基于stm32逻辑代码【100%】
基于py32的代码编写【0%】
由于py32的实时性,网上针对py32的资料较少,chatgpt也无法分析
6、总结
通过不同问题的提问以及回答,可以发现chatgpt解析能力还是比较强的,在代码的逻辑编写和算法方面比较突出,这是毋庸置疑的,毕竟chatgpt通过海量数据和神经学习,能快速给出代码。不过,在高通驱动和PY32的代码方向,由于网上的资料较少,chatgpt也无法提高有效的解决方案。但由于chatgpt主要是依靠提问者的问题进行回答,有时候可能会对问题理解不够全面,需要提问者提供更多的背景信息和上下文,才能给出准确的答案。所以,提问者自身的水平以及提问的方法很大程度上影响chatgpt的回答的准确性,甚至在chatgpt给出答案之后,如果提问者自身没有能力或者方法对答案进行验证,那么对chatgpt的结论还是需要保持怀疑态度。
服务器托管,北京服务器托管,服务器租用 http://www.fwqtg.net
题意:给一些书,这些书有不同的页数,让把这些书分成k份,必须是连续的,问这些份中页数和的最大值最小是多少。 解题思路:知道了页数和的范围,而且书都是连续的,要找到页数和最大值的最小值可以直接二分答案。。 AC: #include #include #inclu…