大語言模型（LLM）的興起為軟體開發帶來了新的可能性。從程式碼生成到市場調查，LLM 都展現出其強大的能力。然而，如何有效地運用這些工具，並將其整合到現有的開發流程中，是每個開發者都需要思考的問題。本文將探討 LLM 在技術分析和開發中的應用，並提供一些實用的技巧和案例。
1: 資料分佈視覺化：這段程式碼使用 seaborn 函式庫繪製目標變數的直方圖，並加上 KDE 曲線顯示其機率密度分佈，有助於瞭解目標變數的資料分佈情況，例如是否呈現常態分佈、偏態分佈等，以便後續進行特徵工程或模型選擇。
2: 特徵相關矩陣視覺化：這段程式碼計算資料集中所有特徵之間的相關係數，並使用熱力圖進行視覺化。annot=True 引數會在熱力圖上顯示每個相關係數的值，cmap=‘coolwarm’ 引數則設定了顏色對映，讓正相關和負相關更容易區分。這有助於識別特徵之間的線性關係，例如共線性問題，以便進行特徵選擇或模型調整。
3: 模型預測結果視覺化：這段程式碼將模型的預測值和真實值繪製在同一張圖表上，以便比較兩者之間的差異。透過觀察預測值和真實值的趨勢是否一致，可以評估模型的預測效能。如果兩者之間存在明顯的偏差，則可能需要調整模型引數或重新訓練模型。
資料分佈視覺化 ## :
sns.histplot(data[’target’], kde=True) # 做直方圖 (kde=True 是指將正態分佈曲線繪製出來 ) plt.title(“Histogram of Target Variable”) plt.xlabel(“Value”) plt.ylabel(“Frequency”) plt.show()
特偏相關矩陣視覺化 ## :
correlation_matrix= data.corr() sns.heatmap(correlation_matrix , annot=True , cmap=‘coolwarm’) plt.title(“Correlation Matrix Heatmap”) plt.show()
模型預測結果視覺化 ## :
plt.plot(y_true , label=“True Values”) plt.plot(y_pred , label=“Predicted Values”) plt.title(“Predicted vs True Values”) plt.xlabel(“Sample Index”) plt.ylabel(“Value”) plt.legend() plt.show()
### 內容解密：
此段落須逐一解說每段語法做什麼 、 每段語法背後代表什麼意涵 、 做什麼目的 。此段落必須楷書本土繁體中文語法表示 :
1: 資料分佈視覺化 :
本段落利用「seaborn」套件製作直方圖 (英文名稱Histogram)，而史邦套件乃一種統計圖表製作套件，
作者所選的是「直方圖」，當然作者也可以挑選其他統計圖表製作方法 ，而我們史邦套件製作直方圖有許多引數，
比如說kde=True (英文名稱kernel density estimate)，意思是製作正態分佈曲線 ，也就是說作者不僅畫出直方圖還畫了正態分佈曲線，
接著作者針對「x軸」以及「y軸」命名為 「Value」以及「Frequency」 (英文名稱頻率) 。最後我們將整張直方圖命名為「Histogram of Target Variable」。
2: 特偏相關矩陣視覺化 :
在這段落我們又改採熱力畫形式 (英文名稱heatmap)作為統計方式 。首先我們要先計算各專案之間之相互關係，
我們直接利用Pandas . corr() 函式計算各專案之間相互關係 ，然後利用史邦 . heatmap 函式帶入先前計算之相互關係 ,
接著我們還加入許多引數，「annot=true」即表示每一格都要帶上代表各專案之間相互關係大小 ,
「cmap='coolwarm'」則代表色塊冷暖色調，「title」則表示熱力畫標題 。
3: 模型預測結果視覺化 :
在最後這段落我們直接改採折線圖 (英文名稱line plot) 作為統計方法 。首先我們要先匯入真實資料 (y_true) 與預測資料 (y_pred),
接著寫入引數 「label="True Values"」代表折線圖左側標註文字 「True Values」，而其餘也同樣道理 ,
「title」「xlabel」「ylabel」「legend」代表折線圖上的「標題」、「x軸命名」、「y軸命名」、「右側小框框文字」。
最終作業完成之後 ，針對此段落有何目的 ? ：目的為瞭解預測結果 是否真實符合預期狀況 ，也就是預測結果 是否離真實太遠 。
## 利用大語言模型（LLM）進行技術分析與開發
### 解析與應用 Excel 公式與 VBA 指令碼
Gemini 這類別大語言模型（LLM）在處理技術問題時展現出其強大的能力。以 Excel 公式和 VBA 指令碼為例，Gemini 可以迅速解釋複雜的公式並生成相應的 VBA 指令碼。以下是一些具體的應用案例：
#### 解釋 Excel 公式
Gemini 能夠輕鬆解釋複雜的 Excel 公式。例如，考慮以下公式：
```excel
=SUM(OFFSET(A1,1,0,COUNT(A:A),1))
Gemini 可以詳細解釋這個公式的作用和邏輯。它會告訴你，這個公式是用來計算從 A1 開始，向下延伸到 A 欄所有非空單元格的總和。
生成 VBA 指令碼
Gemini 還可以幫助生成 VBA 指令碼來完成特定任務。以下是一些示範提示：
- 生成自定義表單：如何使用 VBA 在 Excel 中建立自定義表單來輸入使用者登入詳細資料？
- 資料保護：如何編寫一個 VBA 指令碼來保護 Excel 中的特定資料並設定密碼？
- 驗證輸入：如何編寫 VBA 指令碼來驗證 Excel 中的電子郵件地址和日期格式？
- 自動通知：如何使用 VBA 從 Excel 傳送自動電子郵件通知，以取得關於使用者登入資訊的更新？
資料關係與錯誤處理
在處理電子試算表時，理解資料、公式和指令碼之間的關係至關重要。任何一次資料的修改都可能影響公式的計算結果和指令碼的輸出。這需要仔細分析和測試，以確保模型的穩定性和準確性。
Gemini 不僅能夠讀取和分析 Excel 電子試算表，還能回答關於資料和邏輯的具體問題。例如，假設你有一個記錄書籍銷售資料的電子試算表，你可以問以下問題：
- 如何找到作者獲得的最高版稅金額？
- 如何計算每本文的庫存周轉率？
- 如何建立庫存短缺警示，根據補貨水平提醒何時補貨？
- 如何計算書籍的正面評價比例（評分為4或更高）？
Gemini 在程式碼生成中的應用
Gemini 支援超過20種程式語言，這使得它在程式碼生成方面非常強大。例如，你可以要求它生成一個將攝氏溫度轉換為華氏溫度的 TypeScript 函式：
function celsiusToFahrenheit(celsius: number): number {
return (celsius * 9/5) + 32;
}
Gemini 不僅提供程式碼，還會詳細解釋程式碼的作用和邏輯。此外，它還提供多個草稿選項，讓你可以選擇不同風格或長度的程式碼。
Claude：另一款強大的 LLM
Claude 是由 Anthropic 建立的一款 LLM，專注於安全性和最小化偏見。它在 Python 程式設計測試中取得了71.2%的成績。Claude 的上下文視窗可以達到10萬個標記符號，這使得它能夠處理大量程式碼。
上傳檔案與多重功能
Claude 支援上傳多達五個檔案（如 PDF），並且能夠處理大型程式碼列表。你可以要求它生成 JavaScript 函式來反轉字串：
function reverseString(str) {
return str.split('').reverse().join('');
}
Claude 提供免費層次和付費層次，付費層次提供更多功能和優先存取。
推動軟體開發創新
這些大語言模型（如 ChatGPT、Gemini 和 Claude）在程式碼生成、外掛支援、即時網頁瀏覽和處理大量資訊方面展現出強大能力。儘管它們可能不如專業工具那麼強大，但它們仍然能夠顯著加速軟體開發流程。
功能掃描與未來趨勢分析
功能掃描
這些 LLM 提供了豐富的功能掃描工具：
- 程式碼生成：快速生成多種程式語言的程式碼。
- 外掛支援：支援多種外掛以擴充套件功能。
- 即時網頁瀏覽：能夠實時存取網頁資訊。
- 大量資訊處理：處理大量資料和長文字。
未來趨勢預測
隨著技術進步，LLM 的能力將會持續增強。預計未來會有更多 AI 功能被引入軟體開發流程中，這將進一步推動創新和效率提升。
課題與挑戰
儘管 LLM 在技術分析和開發中展現出強大能力，但仍然存在一些挑戰：
- 資料準確性：需要確保資料來源的準確性。
- 邏輯錯誤：需要仔細測試以避免邏輯錯誤。
- 安全性：需要確保資料安全並最小化偏見。
總結來說，LLM 在技術分析和開發中的應用前景廣闊，但也需要注意其侷限性和挑戰。
使用ChatGPT進行創意產品開發與市場調查
5 Whys分析
5 Whys分析是一種簡單且有效的問題解決方法，透過不斷追問「為什麼」來找出問題的根本原因。這種方法特別適合用來回顧過去的問題，並找出其背後的原因。例如，當一個軟體專案失敗時，可以透過連續問五個「為什麼」來找出失敗的根本原因。
惡意頭腦風暴
惡意頭腦風暴是一種創新技術，目的是故意想出一堆積糟糕的想法，然後透過討論這些糟糕的想法來激發出聰明的解決方案。這種方法可以打破思維定式，激發創新。
星形爆發法（Starbursting）
星形爆發法是一種以問問題為主的方法，而不是直接給出答案。透過使用星形圖表，提出「誰」、「什麼」、「何時」、「何地」、「為什麼」和「如何」等問題，來幫助我們更全面地理解問題。
假設你想使用星形爆發法來開發一個新的軟體產品，可以參考以下提示：
使用星形爆發法進行軟體產品創意
- 誰：思考這個軟體將會被誰使用。
- 什麼：瞭解這個軟體要解決的是什麼問題，它和現有產品有什麼不同。
- 何時：確定這個軟體最適合在什麼時候使用、發布以及進行更新或修復。
- 何地：確定這個軟體可以在哪些平台或裝置上使用。
- 為什麼：深入挖掘這個軟體為什麼是必須有的，使用者為什麼要選擇它而不選擇其他產品。
- 如何：思考這個軟體如何運作、如何開發和銷售以及如何提供使用者支援。
蘋果社群框架
graph TD
A[誰] --> B[軟體使用者]
B --> C[學生]
B --> D[專業人士]
A --> E[什麼]
E --> F[解決問題]
F --> G[健康管理]
F --> H[財務管理]
E --> I[市場需求]
A --> J[何時]
J --> K[發布時間]
J --> L[更新時間]
A --> M[何地]
M --> N[平台支援]
M --> O[裝置相容性]
A --> P[為什麼]
P --> Q[核心價值]
P --> R[競爭優勢]
A --> S[如何]
S --> T[運作方式]
S --> U[開發流程]
S --> V[使用者支援]
內容解密：
此圖示展示了星形爆發法的基本結構，透過六個主要問題（誰、什麼、何時、何地、為什麼、如何）來全面分析軟體產品的各個方面。每個問題都分支出多個子問題，幫助我們更深入地理解並確定軟體產品的核心價值和市場需求。
常見案例
以下是幾個具體的案例，幫助我們理解如何使用ChatGPT來生成創意：
健康追蹤應用
目標群體：老年人 問題：老年人在監控慢性病和藥物時間表方面遇到困難。 提示：我想開發一個健康追蹤應用，針對老年人使用。應用該包含哪些功能來讓它更友好且能幫助老年人更有效地管理健康？
財務管理應用
目標群體：大學生 問題：大學生在管理財務方面遇到困難。 提示：我們的目標使用者是財務管理能力差的大學生。這樣的預算應用程式應該包括哪些功能，才能幫助他們跟蹤支出、儲蓄並輕鬆理解財務規劃？
語言學習應用
目標群體：忙碌的專業人士 問題：專業人士缺乏時間參加正規語言課程。 提示：我想開發一個語言學習應用程式，針對沒有時間參加正規課程的忙碌專業人士。你能建議一些功能嗎？這些功能應該能滿足他們緊湊的時間安排並提供快速且高效的語言學習。
市場調查與研究
在投入任何軟體專案之前，市場調查是必不可少的一步。它幫助我們瞭解市場需求、潛在客戶願意支付多少以及市場規模。以下是一些關鍵問題：
- 市場需求：這個工具真的有必要存在嗎？
- 客戶願意付費：客戶願意為此付費嗎？
- 市場規模：市場有多大？
市場調查例項
ChatGPT 市場調查案例
Wharton商學院的一些教授曾經在MBA創新課程中測試ChatGPT的創意能力。他們要求學生生成數十個產品或服務創意，然後用相同的方法讓ChatGPT生成創意。結果顯示，ChatGPT生成的創意略勝於學生。
市場調查失敗案例
以下是一些著名的失敗案例：
- Friendster（2002）：技術問題和可擴充套件性問題導致了其被Facebook取代。
- Microsoft Zune（2006）：無法與iPod競爭，且音樂市場動態變化迅速。
- Windows Vista（2007）：系統需求高、相容性差和安全提示過多導致失敗。
- Google Wave（2009）：介面複雜、目的不明確且使用者採納率低。
- Google+（2011）：錯誤頻繁、資料不準確且導航能力差。
ChatGPT 市場調查實踐
定義目標受眾
首先，我們需要確定目標受眾。例如，針對專案管理軟體，可以考慮以下提示：
提示：潛在目標受眾為哪些人群？
接著可以讓ChatGPT建立詳細的使用者角色描述。這些角色描述包含年齡、興趣、職業和生活方式等資訊，幫助我們更好地瞭解潛在客戶。
設計問卷調查
ChatGPT也可以協助設計問卷調查來收集具體資料。例如：
提示：請設計一份問卷，瞭解購買者在專案管理軟體中尋找的是什麼特點？問卷應包括關於關鍵功能、易用性偏好、特定行業需求和購買者希望解決的挑戰等方面的問題。此外，請包含關於成本、支援、可擴充套件性和整合能力等因素重要性評估的問題。
市場趨勢分析
瞭解市場趨勢對於新軟體專案的成功至關重要。透過深入研究市場需求和趨勢，我們可以取得內部資訊，瞭解使用者真正需要的是什麼。
總結來說，玄貓強烈建議在開始任何軟體專案之前，絕對不要忽視市場調查，並利用ChatGPT等工具進行深入分析與研究。透過精確定義目標受眾、詳細設計問卷、收集具體資料，並結合具體案例進行實際驗證，玄貓認為可以大大降低風險並提升成功率。
市場調查與競爭分析
市場調查是軟體開發過程中不可或缺的一環，它能夠提供關於市場趨勢、消費者行為以及競爭對手動向的深刻洞察。透過精確的市場調查，開發者能夠預測未來的機會，避免盲目決策，並制定出更具針對性的市場策略。
如何進行有效的市場調查
在進行市場調查時，玄貓建議可以利用一些具體的提示來獲得更全面的資訊。例如：
- 提示範例：
- 「研究網際網路以找出<特定軟體類別>在<某年>的最新趨勢。」
- 「研究網際網路以提供<某年>軟體產業中正在流行的新興技術概述。」
- 「研究網際網路以找出目前影響軟體市場的消費者行為趨勢，特別是在<目標人群或應用型別>。」
這些提示能夠幫助開發者更好地理解市場動態，從而制定出更符合市場需求的產品。
潛在可服務市場（TAM）
潛在可服務市場（Total Addressable Market, TAM）是估計如果所有可能的使用者都使用你的產品，你能夠賺取到的最大金額。這個數字有助於開發者瞭解市場潛力、產品定位以及成長策略。
- 上向估演算法：利用行業資料和市場研究來估算整體市場規模，然後縮小範圍至你所瞄準的細分市場。
- 下向估演算法：計算可能購買你產品的人數或企業數量，預測他們實際購買的轉換率，並估算每位客戶能帶來多少收入。
例項解析
假設有一家名為「SilverConnect Health」的醫療科技初創公司，專注於遠端醫療服務，主要目標是美國城市中的老年人群：
- 提示範例：「SilverConnect Health 是一家專注於遠端醫療服務的健康科技初創公司，目標市場為美國城市中的老年人口。請提供這個遠端醫療服務市場目前的規模及未來五到十年的預期成長率。」
這樣的提示能夠幫助開發者瞭解該細分市場的規模及其成長潛力。
競爭分析
競爭分析是瞭解市場現狀以及競爭對手動向的一個重要步驟。透過競爭分析，開發者能夠找出市場中的空白點，學習競爭對手的成功經驗和失敗教訓，並制定出更具針對性的行銷策略。
提示範例
- 「列出<你軟體型別>在<特定行業或市場>中的主要競爭對手。」
- 「將<你軟體>與其前三名競爭對手的功能進行比較。」
- 「列出<你軟體>競爭對手在市場中的定價模式。」
這些提示能夠幫助開發者更全面地瞭解競爭環境，從而制定出更有效的競爭策略。
SWOT 分析
SWOT 分析（優勢、劣勢、機會、威脅）是一個全面評估自身和競爭對手狀況的工具。透過 SWOT 分析，開發者能夠找出自身的優勢和劣勢，抓住機會並避免威脅。
提示範例
- 「列出<競爭對手名稱>軟體的優勢和劣勢。」
- 「總結<競爭對手軟體名稱>使用者滿意度和痛點。」
這些提示能夠幫助開發者更好地瞭解自身和競爭對手的狀況，從而制定出更有效的策略。
透過程式設計產品需求檔案（PRD）與軟體需求規格書（SRS）提升專案效率
單一來源真理
在軟體開發過程中，專案需求檔案擔任指引，確保所有相關人員，包括開發團隊和客戶，都能理解所需的功能。這樣可以降低混淆或偏差的機會。
助力規劃
這些檔案能幫助你評估工作時間和成本，這對於規劃工時和預算至關重要。
提升溝通
特別是在大型團隊或跨地區協作的情況下，這些檔案能提供清晰的溝通通路。
飲降風險
早期發現潛在問題，這樣可以避免延遲並控制成本。
然而，軟體需求確定並非易事。軟體開發本身就複雜，再加上多地區、多時間區的團隊協作，各個群組的想法和需求不一致。此外，隨著市場變化和技術進步，客戶對軟體的要求也會不斷變動。因此，確保需求檔案具有可行性並且能夠驗證其實作是個挑戰。
錯誤範例與教訓
當需求檔案不準確時，可能會導致嚴重的後果。以下是幾個著名的失敗案例：
丹佛國際機場自動行李系統（1995）
由於需求過於複雜且目標過於遠大，導致專案延遲16個月且成本飆升。最終，機場決定放棄整個系統。
FBI虛擬案件檔案系統（2000–2005）
FBI對需求的瞭解模糊不清，導致系統無法正常運作。最終，FBI投入超過1.7億美元後放棄該專案。
HealthCare.gov啟動（2013）
聯邦政府未能明確需求並且測試不足，導致啟動時無法處理流量並出現故障。最終，需要大量人力和金錢才能修復並正常執行。
在軟體開發中，有多種不同型別的需求檔案，每種檔案都有其獨特的目的。功能性需求描述軟體應該執行的任務或功能；而非功能性需求則描述軟體的運作方式，例如效能、安全性和使用者友好度等方面。
接下來，我們將探討如何使用生成式AI來協助撰寫產品需求檔案（PRD）與軟體需求規格書（SRS）。
