当前位置：首页 > news >正文

ChatGPT优化Python代码的小技巧

news 2025/8/15 23:38:37

使用 chatGPT 优化代码并降低运行时的云成本
许多开发人员说“过早的优化是万恶之源”。

这句话的来源归功于Donald Knuth。在他的书《计算机编程的艺术》中，他写道：

“真正的问题是，程序员在错误的时间和错误的地方花费了太多时间来担心效率；过早的优化是编程中万恶之源。”

这句话起源于软件开发的早期阶段，当时为了优化目的而重写代码会消耗开发人员的大量时间，但预计只会产生非常有限（如果有的话）的成本节省。

在当今时代，随着生成的 AI 产品变得越来越容易获得，重写代码成为一项可以非常轻松地完成的任务，借助诸如 chatGPT 之类的工具。

在这个简单的示例中，我将演示如何在不到一分钟的时间内优化一个小的 python 脚本，开发人员方面的工作量最少，同时创造显着减少运行时间的潜力，从而以以下形式产生更具影响力的效果降低云运营成本。

我采用了一个简单的脚本来读取 HTTP 访问日志文件，作为脚本的参数，然后打印日志中每个 HTTP 响应状态代码的出现次数。

我从一个非常简单的 chatGPT 提问开始：
在这里插入图片描述
这是 chatGPT 生成的脚本：

import sys
from collections import defaultdictdef count_status_codes(log_file):status_counts = defaultdict(int)with open(log_file, 'r') as f:for line in f:# Extract the HTTP response status code from each linestatus_code = line.split()[-2]status_counts[status_code] += 1return status_countsif __name__ == '__main__':if len(sys.argv) != 2:print('Usage: python script.py log_file')sys.exit(1)log_file = sys.argv[1]status_counts = count_status_codes(log_file)for status_code, count in status_counts.items():print(f'{status_code}: {count}')

运行原始脚本和 chatGPT 生成的脚本后，我注意到一个小差异——我没有要求输出以 JSON 格式生成，所以 chatGPT 只生成了一个简单的文本输出：
在这里插入图片描述
没过多久，chatGPT 就更新了脚本以创建 JSON 格式的输出。我问了以下问题：

在 chatGPT 更新后，脚本如下所示：

import sys
import json
from collections import defaultdictdef count_status_codes(log_file):status_counts = defaultdict(int)with open(log_file, 'r') as f:for line in f:# Extract the HTTP response status code from each linestatus_code = line.split()[-2]status_counts[status_code] += 1return status_countsif __name__ == '__main__':if len(sys.argv) != 2:print('Usage: python script.py log_file')sys.exit(1)log_file = sys.argv[1]status_counts = count_status_codes(log_file)print(json.dumps(dict(status_counts), indent=4))

这次更新后，两个脚本的输出看起来是一样的：
在这里插入图片描述
现在是时候向两个脚本添加一些测量并再次运行它们了。我使用时间模块来测量脚本的运行时间，添加以下代码：

import time
## All other imports and function definitions here
start_time = time.time()
main()
print("--- %s seconds ---" % (time.time() - start_time))