2023年11月20日 每日一猜答案：。 答案：ABC。
每日一猜答案分析：

本篇文件基本都是chatGPT生成，原想让GPT进行意图识别方面的验证，想着有几天没干活了，就变成了GPT下的软件工程探讨了，整体过程是提前打好想要内容的提纲，GPT根据提纲生成内容，中间进行部分提示调整。

1. 结构化编程范式（Structured Programming Paradigm）：20世纪60年代，结构化编程范式提出了一种更加模块化、可读性更强的编程方式。通过模块化、模块间的信息隐藏和模块间的协作，使得程序更加易于理解和维护。

2. 对象导向编程范式（Object-Oriented Programming Paradigm）：20世纪70年代，对象导向编程范式提出了一种基于对象的编程方式，将数据和行为打包成对象，通过封装、继承和多态等机制实现代码重用和代码的可维护性。

3. 面向组件编程范式（Component-Based Programming Paradigm）：20世纪90年代，面向组件编程范式提出了一种基于组件的编程方式，将代码打包成可重用的组件，通过组件的组合、配置和集成，实现代码的快速开发和代码的可重用性。

4. 面向服务编程范式（Ser【【微信】】ing Paradigm）：21世纪初，面向服务编程范式提出了一种基于服务的编程方式，将应用程序分解成独立的服务，通过服务的组合和协作，实现应用程序的构建和扩展。

5. 云原生编程范式（Cloud-Nati【【微信】】m）：21世纪，云原生编程范式提出了一种基于云原生应用架构、分布式系统和容器技术的编程方式，实现应用程序的高可用性、高可伸缩性和高性能。

GPT（Generati【【微信】】rmer）是一种基于深度学习的自然语言处理技术，它可以对大规模语料库进行学习，从而生成类人的自然语言文本。GPT的出现对软件工程的范式也有了一些影响，主要体现在以下几个方面：

1. 自然语言处理和代码生成：GPT的自然语言处理能力可以用于软件工程领域的代码生成和代码自动补全等任务，提高开发效率和代码质量。
2. 智能代码审查和修复：GPT可以通过学习大量的代码和相关数据，对软件工程领域的代码进行智能审查和修复，提高代码的可维护性和可靠性。
3. 自然语言理解和代码分析：GPT可以对自然语言进行理解和分析，将自然语言转化为代码或者代码描述，提高软件需求分析和设计的效率和质量。
4. 软件工程知识图谱：GPT可以通过学习大量的软件工程领域的知识，构建软件工程领域的知识图谱，实现知识的自动化获取和应用，提高软件工程领域的智能化和自动化水平。

1. 模型预训练：第三方预训练大模型已经通过大规模的语料库进行了预训练，可以获得较强的语言理解和生成能力。相比传统软件开发，调用第三方预训练大模型可以省去模型训练的时间和成本，从而加速应用开发过程。

2. 模型选择和配置：调用第三方预训练大模型需要选择合适的模型并进行配置。相比传统软件开发，调用第三方预训练大模型需要更加了解模型的性能和适用范围，从而选择适合应用场景的模型。

3. 数据需求：调用第三方预训练大模型需要提供足够的数据支持，从而让模型在实际应用场景中发挥较好的效果。相比传统软件开发，调用第三方预训练大模型需要更加注重数据的质量和数量，从而提高应用的精度和可靠性。

4. API调用和集成：调用第三方预训练大模型需要通过API进行调用和集成。相比传统软件开发，调用第三方预训练大模型需要更加熟悉API的使用和集成方式，从而保证应用的稳定性和可扩展性。

1. 需求分析：首先，根据项目需求，使用自然语言输入和GPT生成的回答，进行需求分析和需求确认。GPT可以将自然语言描述的需求转化为代码描述，从而提高需求分析的效率和准确性。
2. 设计阶段：在设计阶段，可以使用GPT生成的代码片段，辅助进行软件架构设计、模块设计和接口设计等。GPT可以根据已有代码的结构和规范，生成符合规范的代码片段，提高代码的可维护性和可读性。
3. 编码阶段：在编码阶段，可以使用GPT生成的代码片段，辅助进行代码编写和代码自动补全。GPT可以根据已有代码的上下文和语法，生成符合规范的代码片段，提高代码的质量和效率。
4. 测试阶段：在测试阶段，可以使用GPT生成的测试用例和测试报告，辅助进行测试计划和测试执行。GPT可以根据已有代码的逻辑和规则，生成符合规范的测试用例和测试报告，提高测试的准确性和效率。
5. 部署阶段：在部署阶段，可以使用GPT生成的部署脚本和配置文件，辅助进行部署和配置。GPT可以根据已有代码的依赖和环境，生成符合规范的部署脚本和配置文件，提高部署的可靠性和效率。

1. 产品经理：产品经理需要针对项目需求，使用自然语言输入和GPT生成的回答，进行需求分析和需求确认。产品经理需要了解GPT的应用场景和局限性，根据GPT生成的回答进行需求的进一步澄清和确认。
2. 系统架构师：系统架构师需要根据项目需求，使用GPT生成的代码片段，辅助进行软件架构设计、模块设计和接口设计等。系统架构师需要了解GPT生成的代码片段的准确性和安全性，根据实际情况进行修改和调整。
3. 软件工程师：软件工程师需要在编码阶段，使用GPT生成的代码片段，辅助进行代码编写和代码自动补全。软件工程师需要了解GPT生成的代码片段的规范性和可读性，根据实际情况进行修改和调整。
4. 测试工程师：测试工程师需要在测试阶段，使用GPT生成的测试用例和测试报告，辅助进行测试计划和测试执行。测试工程师需要了解GPT生成的测试用例和测试报告的准确性和可靠性，根据实际情况进行修改和调整。
5. 运维工程师：运维工程师需要在部署阶段，使用GPT生成的部署脚本和配置文件，辅助进行部署和配置。运维工程师需要了解GPT生成的部署脚本和配置文件的可靠性和安全性，根据实际情况进行修改和调整。

1. 自然语言处理能力：GPT是基于自然语言处理技术的，因此，对于GPT指令开发人员来说，具备较强的自然语言处理能力是必要的。他们需要能够理解自然语言输入，并能够将其转化为GPT能够理解的格式。
2. 编程能力：GPT指令开发涉及到代码的开发和调试，因此，对于GPT指令开发人员来说，具备较强的编程能力是必要的。他们需要能够使用编程语言进行代码的开发和调试。
3. 领域知识：GPT指令开发通常需要针对特定的领域进行开发，因此，对于GPT指令开发人员来说，具备相关领域的知识是必要的。他们需要了解特定领域的术语和规则，以便能够正确地生成相应的代码或文本。
4. 算法和模型的理解能力：GPT是基于深度学习技术的模型，因此，对于GPT指令开发人员来说，具备基本的算法和模型的理解能力是必要的。他们需要了解GPT模型的基本原理和工作方式，以便能够更好地应用GPT模型进行指令开发。
5. 团队合作能力：GPT指令开发通常需要多个人员进行协作，因此，对于GPT指令开发人员来说，具备良好的团队合作能力是必要的。他们需要能够与其他开发人员、产品经理、测试人员等进行有效的沟通和协作，以便能够更好地完成指令开发任务。

结论：确实提取的很准确，当然实际使用中需要做到数据格式化等等，其实可以训练系统做格式化输出。由于示例给的单原告被告，文本规则也简单，GPT生成后还自动提示可以提供更复杂的实体提取代码，执行后包含了多个原告、被告和诉讼请求，以及不规则的文本格式。

从篇幅中可以看出重点还是需要做到知识图谱的生成，然后根据知识图谱进行推理，整个方面层面没有问题，没有原则性错误，就是在离婚方面的实体分类单薄了一些。

目前chatGPT类已经有了很多的应用，在使用效果上还是不错的，做了简单总结：

1. 去伪存真：如果你自己无法验证的内容，不要找LLM，被带进沟里就不好了。
2. 提示技巧：撰写提示是一个高级工作，也是整理思路的过程。
3. 引用+生产力：学会生成资料的引用，将极大的提升生产力。
4. 敬畏技术：接收新事物，学习新知识，对知识心怀敬畏，无知不可怕别无畏。

说明：百度文心一言暂时没达到这个水平，所以用了chatGPT。

ChatGPT流量入口稀缺龙头流量入口是下一阶段的关注重点，如手机、智能音箱等终

$炬芯科技(SH688049)$  ChatGPT流量入口稀缺龙头

流量入口是下一阶段的关注重点，如手机、智能音箱等终端搭载的AI语音助手，有望形成“人与机器交流”的超级应用（对标移动互联网时代的“人与人交流”超级应用微信）。

机构研报摘录

（1）深度合作科大讯飞、汉王科技、百度、阿里等国内AI大厂，炬芯是全球中高端蓝牙音箱 SoC 芯片核心供应商， 全球市占率仅次于高通排第二，主打中高端，毛利率显著高于低端竞品博通集成、中科蓝讯等。 客户涵盖全球声学品牌商，进入华为、小米、天猫精灵、科大讯飞、小度等核心终端，TWS 耳机 SoC进入百度、传音、荣耀、realme、JBL等终端耳机供应链。如科大讯飞和汉王的智能笔均采用了炬芯科技的ATS2837 SOC芯片。

（2）炬芯科技为国内智能语音交互SOC的龙头，ChatGPT将彻底颠覆传统触控交互模式

在AI时代更多终端设备正往基于语音交互的智能化发展，包括智能家居、办公、教育等设备正快速语音交互化，针对特定场景的专用型智能语音交互芯片将成为主流产品，如小孩的教育娱乐，年轻人放松解闷，老人的情感呵护及护理等。

根据预测全球智能语音市场持续增长，2020年已经达到 191.7 亿美元。 2021年炬芯智能语音交互 SoC销量超千万颗，2023年预计在2000万颗以上， 国产替代空间巨大，持续拓宽“ChatGPT+AIOT”的多模态融合模式。

（3）领先于市场提出多模态AI芯片，深度布局ChatGPT领域

炬芯科技2021年初抢先发布多模态SOC芯片AT3609D，全面致力于“让人工智能/机器更有感情，多模态芯片注重“文字、语音、动作、环境”等多方面协同，将“语音、机器视觉、感知能力”三态融合，让chatGPT的载体更有情感和温度。

炬芯AT3609D支持全场景唤醒打断、AI伴读、GUI反馈，集成Cortex- A5 CPU和CE【【微信】】，拥有足够算力，超低功耗，能与chatGPT完美结合，将在ChatGPT智能音箱中发挥巨大作用；同时该款芯片也可用于AI玩具、聊天机器人和陪伴机器人等；

（4）炬芯科技背靠瑞昱，技术实力雄厚

炬芯科技管理层和瑞昱关系紧密，在IC设计技术和制造上全面合作，瑞昱为炬芯科技保驾护航，将在国内ChatGPT爆发的初期快速抢占市场，高端蓝牙音箱SOC切换AI更具优势；

（5）炬芯科技正处于戴维斯双击的完美击球点，炬芯科技股价破发并横盘一年时间，市值仅40亿不到，2022年受疫情和半导体周期影响，全年业绩5200万（往年推测合理业绩在1亿左右），2023年疫情消散和需求复苏，全球半导体周期上行。

预计业绩有望达2亿水平，对应20倍PE，展望24年，随着chatGPT带动智能语音交互需求的爆发，业绩有望爆发增长，炬芯有望成为10X PE的chatGPT板块的公司，合理的估值在50倍，目标市值200亿，对应5倍的空间，短期看翻倍空间。