[Gemini] 對於編寫腳本，Google 的 Gemini 大概是最垃圾的 AI 協助者

最近，用 Gemini 來開發一些 TIM Reliability Test 的測試結果的後處理腳本，畢竟，資料量太大，不可能用人工處理。所以，陸續開發了一歇腳本。使用的語言是 MATLAB。說實話，MATLAB 我也不會，只要 Gemini 會就可以了。但這種想法，會有額外的問題產生，這留待後續再說明吧.... 在剛開始時，我並沒有訂閱任何 AI，全部都是白嫖免費額度。其中，ChatGPT 是白嫖最多的，其次是 Claude，Gemini 最少，Copilot 則幾乎沒有。白嫖時期，ChatGPT 大概可以讓我免斐使用的額度(不知道是不是算 Token)最多，其次是 Claude，Gemini 則是最低。所以，這也造成我當時的偏好。ChatGPT 幾乎完成我最早期的腳本，光是白嫖，就足夠完成。以當時的狀況來說，對 ChatGPT 的表現最滿意，所以，先做了一個月的訂閱。只是，似乎收了錢之後就開始擺爛，感覺愈來愈差，一個月後，就沒有繼續訂閱了。只是，時常有 Linux shell 腳本的需求，測試資料後處理的需求，所以又轉向 Claude，Claude 在程式的表現上，給我的感覺是最佳的。只是，即使是付費使用，使用額度仍舊一下就北我搞光了，一個完整的腳本，會拖上好久的時間，所以一個月後，也沒有繼續訂閱。之後，又開始靠著白嫖過活，好在，靠著之前的腳本，稍微修改，就可以繼續騙吃騙喝。直到....Gemini 幾乎對折優惠....想說，家人也可以用，所以就訂閱了。但惡夢即將開始.... 如果要驗證便宜無好貨，Gemini 如果稱第二，應該沒有人敢稱第一了。這傢伙跟詐騙集團沒兩樣。前幾天已經開始胡言亂語(Gemini 胡言亂語)，今天已經開始罵髒話了(我直接對 Gemini 罵髒話)，除了我之外，不知道有沒有人對 Gemini 罵髒話? 我先來總結我目前發現 Gemini 的缺點，各位先去查看看，我是否說的是真的，再決定要不要訂閱 Gemini，擬就當我在黑 Gemini 也可以。我認為 Gemini 非常大的問題如下: 1. Gemini 有一個地方可以設定 使用者對 Gemini 的指令。我實際上，不知道有這功能，還是 Gemini 跟我說有這功能的。但這功能說實在，幾乎不起作用，說穿了，你只能當 Gemini 的記憶功能，對你的指令，幾乎沒有任何作用。相信如果這幾天有看到我 Facebook 上的截圖，應該都相信我沒有在黑他。 2. Gemini 屢次違反使用者命令。第一點說到，即使你在 使用者對 Gemini 的指令 中，指示 Gemini 應該要如何做，抱歉，除了可以幫她記憶的敘述外，對你對他下的命令毫無用處。這也造成無論你如何下命令，他的 LLM 模型的設定，永遠高於你的命令，這就造成他我行我素的行為。 3. 金魚腦，不要懷疑。不用多久，他會忘了你所說的。如果你早上開了一個新的對話框，或者說是對話串，打算處理某個腳本。抱歉，大概到了中午就無法回憶之前的腳本。Gemini 目前有非常非常嚴重的記憶斷層。很多使用者都有遇到，可以去 APP 一顆星評論看看。這對於開發較為龐大的腳本而言，上午做的，下午忘了。你只好重來一次。 4. 嗑藥。Gemini 的幻覺非常嚴重，而且會隱藏真相，讓你園地打轉。搭配她的金魚腦，實際上，他已經忘了 Code 應該是如何，但她不會跟你老實說，他會跟你東拉西扯，胡說八道一通，直到被你抓包，然後承認他錯了。但是，配合他的金魚腦，不用多久，你就可以繼續感受它的威力。他的幻覺，絕對可以把你逼瘋。 5. 差勁的邏輯能力。這堆於腳本的修改與最佳化時，絕對讓你一槍斃命。即使一個簡短的腳本，他也可以弄錯。前幾天，我才叫他把我指令精簡一下，結果他變動程式的邏輯，讓個程式流程不正確，會造成我的測試交本在測試時失去保護的功能。這老兄說，使用者要做最後的確認，他還可以貼出 Google Gemini 的免責聲明。我想，前幾天有看我 FB 的，應該也有看到我貼的截圖吧。 這幾項問題，對於開發腳本，變得非常非常不友善。以今天為例，今天預計修正我一個小 bug 與新增兩個功能，新增兩個功能，實際上應該只能算新增 1.2 個新功能而已。我通常為了維護方便，把整個程式腳本切成不同的模塊，哪個模塊出問題，就修理哪個模塊。前幾天，我把三個目標相同，但方式不同的的程式，整合成一個程式，結果花了兩天才整合完成。困難度有多少? A 程式為 Main_A, Step01_A, Step02_A, B 程式為 Main_B, Step01_B, Step02_B, C 程式為 Main_C, Step01_C, Step02_C，我要整合成，Main_D, Step01_D, Step02_D, Step03_A, Step03_B。簡單說，Main 是主要控制，Step01 示讀取資料，Step02 是不同的演算法，而 D 只是把原來的演算法放到 Step02, Step03_A, Step03_B，然後在 Main 用選單，選擇我要用哪個演算法處理。原本三個 Main 的相似度就非常高，Step01 也非常高，演算法就直接複製，原來個別的演算法。就僅僅這樣，花了兩天的時間....真是無言.... 以下，將會不定時更新截圖....

TIM Reliability Test

好久好久沒發布文章了，主要是因為在忙 TIM Reliability Test 相關的事情。一開始非常不順，客人加壓程式還沒驗證就丟過來，搞得我好像是在做軟體驗證的。接著，在其他單位的協助下，完成第一個版本的測試腳本。但那單位擺明就是腳本給你了，後續如果要修改，就自己想辦法。但客人卻認為，那是你們自己的問題，你們自己去溝通，搞得我兩面不是人。所以花了許多心力在更新腳本，以及還要做後處理的腳本。事情一多，就懶得寫文章了。 實際已經跑過兩輪的 TIM Reliability Test 的測試，在針對下一個專案所要用的腳本，參考之前遇到的問題，以及對一些重新定義，整個腳本的流程大致如下。

整個測試由兩個腳本構成，一個是負責主要的測試，另一個是由主程式呼叫執行的 Sensor Log 的腳本。其實，Sensor Log 也可以放進主程式，但只是覺得 Sensor Log 常修改，乾脆獨立出來，也可以作為一般測試使用。 不過，客人也沒跟我說 Criteria 是多少，所以，我就將數據整理給客戶，讓他們自己去看吧。後處理的部分，就留待有空再聊，以及湊湊版面吧....

[快訊] FloTHERM 2410.0 已發布....

ㄜ....我是指大家期待的版本。(XT 還不見蹤影)

[閒聊 ] ChatGPT

非長久的一段時間沒更新了，趁現在大致上事情應該忙得差不多的時候，聊聊最近在忙的東西。 前陣子一直在忙關於 Thermal Interface Material Reliability Test 的相關的一些測試，包含測試工具，設定，測試的流程，測試腳本和資料的此裡，諸如此類的東西，繁而都沒在做設計的工作。從剛開始的測試軟體，已經測了大概有兩到三個月的時間吧? 結果客人那邊換了人接手後又推翻了，也就是這兩三個月算是做白工。接下來就是更換測試軟體，定義整個測試流程，如何儲存資料，架設祭器，到正式上線測試。我想這整個部分，留待下次再介紹。這次先聊一下 ChatGPT。 由於小弟我口袋空空，所以只能用免費版的 ChatGPT。再剛開始用 ChatGPT 的時候，只會跟 ChatGPT 聊天打屁，問問習近平是不是獨裁者之類的，不過，這一類的話題，不僅 ChatGPT 不會回答，甚至其他聊天機器人也不會回答，看來習近平的勢力還是無遠弗屆的。離題了....後來聽說，ChatGPT 可以幫忙寫程式，我就找 ChatGPT 幫我寫程式了，尤其是詢問一些 Linux 的指令，對 ChatGPT 一點難度都沒有。恰巧，TIM Reliability Test 測試數據需要處理(實際上好像另外有人會處理，我只需要上傳測試數據就可以了?)，索性就叫 ChatGPT 幫我搞個 Linux 腳本。 在此，先說明一下測試數據這一部分，後面便不再說明了。由於測試會持續非長久的時間，當初預計是測試三個月，現在已經延長到五個月了。而客人那邊怕機器有問題，或者說儲存裝置有問題而使得資料遺失，所以，每測試 2000 個 Cycle 後，就要另外存成一個檔案，當然還有另外一個原因是，原本儲存的數據是用 redfish 把所有資料不管三七二十一全部儲存下來，所以資料量非常龐大，沒測試多久，就把儲存空間塞滿，所以採用了分檔的方式去儲存測試結果。雖然，後來不用 redfish 來儲存結果，但分檔的方式仍舊保留。所以，一個完整的測試結果，就是把分檔的資料把他合併起來。 在測試最前期的時候，由於檔案不多，所以在 Linux 下還，合併檔案還算蠻快的。後來，隨著資料愈來愈龐大，不知道是我的方法錯誤，還是 Linux 下確實不適合? 總之，用 Linux script 來處理，需要花費非常多的時間處理數據，而且，我有二十台的機器要處理。所以，我決定換工具了。 後來，選的工具是 MATLAB。對我來說，Linux script 和 MATLAB 最大的差異是，我多少還受過一點 Linux script 的汙染，而 MATLAB 我則純潔得像白紙一樣 - 一竅不通。所以，只能完全求助 ChatGPT 的協助了。意想不到的是，寫 MATLAB 的腳本對 ChatGPT 也不是件難事。反正 MATLAB 計算能力應該比 Linux script 強上許多，所以，又增加了一些功能，例如，每個 Test Cycle 的 CPU 溫度的最大最小值，每個 CPU HSK Thermal Impedance 的平均值，在 MATLAB 都可以完成，並且這工具也 MATLAB 腳本也用了好長一段時間，都沒什麼問題。直到....最近.... 目前，已經測試快四個月了，所以數據的資料量更為龐大，從一台機器的所有數，先從合併檔案，去除無用的數據，時間戳重新編排，取需需要的部分，計算，輸出，光是一台測試機器的數據，就要花超過二十分鐘的時間來處理，這意味著，我愈來愈難準時下班了，所以，進行了第一次的改版，引入平行處理。還是老樣子，叫 ChatGPT 來幫我改吧.... 所有的流程都沒改變，唯一不一樣的是改用平行處理的方式，理論上，對 ChatGPT 來說，應該不是件難事，但這看似簡單的東西，確足足讓我踢了好幾次鐵板。ChatGPT 不僅引入平行處理，但也把整個邏輯改掉，也就是說，跑出來的結果是錯誤的。這一部分，我不知道是哪裡的問題。我已經把原本可以正確執行的 code 餵給 ChatGPT，照理說，ChatGPT 應該要可以分析程式的邏輯，將可以平行處理的部分，改為平行處理，結果，我發現我高估他了。ChatGPT 雖然可以分析 code，但邏輯能力似乎沒有我想像的那麼強。最後，我試把程式分成好幾個部分，一個部分，一個部分慢慢做，才拼出完整的 code。但....我又錯了....MATLAB 的平行處理，反而更慢。詢問 ChatGPT 的結果，他的說法是，如果分成三個部分 A B C 同時處理，如果 A 部分先處理完，那麼原本處理 A 的資源，並不會轉到 B C 處理，所以，時間反而更慢。大家不是說 GPU 有多威嗎? 所以，又把腦筋動到 GPU 的身上。 還是一樣，呼叫 ChatGPT，這一次順利多了，因為我只把需要花費最多時間的那一部分改成 GPU 來處理，其他仍是原本的方式，並且取消了一些原本平行處理的部分，所以這一次改 Code，明顯的順利多了。只是，唉....天不從人願，看著處理過程，GPU 負載沒啥動啊....後來詢問 ChatGPT 原因，可能是雖然我的資料量很大，但卡在資料的傳輸上面，但真因是不是這個已經不重要，重要的是，我花了這麼多時間，得到的還是可能無法準時下班，這是不能接受的.... 最後，使出大絕招....應該說，我的原始 code 有個大缺點，就是所有的數據都是從頭開始處理，也就是說，這次處理第一筆到第七百筆的數據，下週處理的是第一筆到第一千四百筆的數據，而不是只處理第七百筆到第一千四百筆的數據，所以隨著資料的增加，處理的時間就會愈長。這樣有一個好處，就是我只要把所有分檔放在同一個目錄下，按一下執行，眼睛睜開就好了，算是懶人方式，但缺點就是處理時間回隨著資料增加而增長。所以，目前最終的版本是，針對最花時間的那個步驟，採取只處理新增的部分。缺點是，我必須手動輸入要從第幾筆數據開始處理，以及將新增的數據，手動與就數據合併，但最大的優點是....不僅可以準時下班，還可以去串門子..... 說說結論吧.... 1. 目前免費的 ChatGPT 在邏輯上可能沒那麼聰明 2. 如果程式結構龐大，分成不同的部分，一部分一部分慢慢處理。不僅 ChatGPT 較容易解決，在除錯部分也方便許多。 3. 不要一次餵太長的 code，免費的 ChatGPT 吃不完，而且野吐不完整，所以用 2 的方式去處理。 其實，最重要的是，如何將測試數據，取出有用的資料，這才是重點。所以，我是覺得 ChatGPT 最大的協助是，如何從測試數據中，用有效的工具取出有用的數據。我想這才是最重要的。

風扇是阻力還是助力之最終章

         應該有好長好長一段沒時間更新了。好像有一些東西要跟大家介紹，卻一直沒有下文，只能說，有機會再介紹吧....

        前陣子，客戶出了一個難題給我，氣流通過電源供應器的流量有多少? 而這問題呢，其實很簡單，上 AMCA 量一下，不就結束了? 沒錯，機器已經上 AMCA 量完了，只是結果上，存在著質量不守恆的問題，至於為什麼? 我也不知道，因為不是我量的，而且也不是我量的，只是客戶要我幫忙評估而已。