亞瑟的升級過程

今天嘗試請GPT以Python處理三個檔案的資料比對與合併，但付費版GPT給出的代碼卻無法順利執行。於是我轉向Gemini，以相同的提問詞詢問，卻意外發現Gemini所提供的代碼相當精確且更具效率。以我自己目前對Python淺顯的理解，也能看出Gemini所提供的程式碼相對高階且較有優化，邏輯清晰、架構明確。後來我回頭請GPT針對這兩段代碼進行比較，GPT也同意Gemini的方案更具效率與優勢，這點讓我感覺到GPT在程式生成的能力上仍有一些進步空間，期待GPT未來能持續提升品質，更精確地滿足使用者的需求。 以下是詢問GPT兩者差異回覆的內容 功能/邏輯點 你提供的版本(gemini) 我的版本(GPT) 檔案讀取 使用 try-except 包裝，有錯誤處理 沒有包裝，若檔案不存在會直接錯誤 資料前處理 明確轉換 datetime ，並加註說明 有轉換，但說明較簡略 合併邏輯 A→B→C 三步驟清晰，欄位更有註解 相同邏輯，但直接寫死欄位選擇，較精簡 欄位名稱檢查 附有對欄位格式的說明與假設 假設用戶已知並匹配正確欄位 欄位過濾與排序 明確指定 output_columns ，有邏輯順序 相同，但未顯示中文註解 錯誤處理 包含 read 與 to_excel 的錯誤處理 無錯誤處理（預設成功） 彈性設計 有封裝為函式、支援參數設定 一次性執行程式，不適合模組化 Dummy 資料產生 有產生模擬資料供測試 無產生測試資料，需用戶上傳 以下代碼沒給予真實的路徑時仍然可以用代碼中的例子產出，相當不錯的方式 import pandas as pd def reconcile_procurement_data(file_a_path, file_b_path, file_c_path, output_excel_path):     """     Reconciles procurement, goods receipt, and un-storaged receipt data.     Args:         file_a_path (str): Path to th...

6月12日參加了「AI與Python協作課程」，透過這次實作課，我更深入了解Python實務上的運用方式。雖然課程時間有限，內容以實作為主，較少涉及基礎理論的講解，但幸好我之前自學過VBA及一些Python的基本概念，因此更能快速理解講師的操作示範。特別是講師展示如何搭配AI快速完成Python代碼，更讓我感覺到自己也有能力運用AI快速完成符合個人需求的程式。像這次使用AI撰寫Python爬蟲抓取股價資料，非常迅速就完成，而之前透過AI產生的VBA爬蟲程式卻未能順利運行，這也讓我對於Python在爬蟲方面的強大效能有了更深刻的印象。 回想幾年前初學Python時都是在本機安裝環境後使用，這次講師示範了Google Colaboratory，透過線上環境直接撰寫Python程式，不須額外安裝本機環境，省去不少麻煩。此外，講師介紹的Google Workspace Marketplace（類似手機上的應用程式商店），提供各式實用工具的整合功能，也拓展了我的視野。透過線上服務結合AI使用Python，讓我在非程式專業領域的工作，也能快速上手與運用。未來無論是在工作效率提升上，或是個人日常需求如爬蟲、檔案分類等任務，將變得更加便利與容易。 下面是我用ai給予的代碼run股價的畫面。 google colaboratory_web_python