AlexZhang

読者は、この記事を読む前に「プロンプトガイド」(https://www.promptingguide.ai/zh) をまず学ぶことをお勧めします。これにより、より良い理解が得られます。また、このシステムには GPT-4 を使用することをお勧めしますが、GPT-4 が利用できない場合は、GPT-3.5 を使用してこのシステムを作成することも可能ですが、GPT-4 の方がより正確です。さらに、このシステムは他のプログラミング言語にも適用できます。

最近、私は ChatGPT や Midjourney などの AI 技術を試しており、6 桁の給与を持つプロンプトエンジニアになる感覚を体験しようとしています。今週になって、GPT-4 が Rust コードの学習にどれほど役立つかを発見しました。そこで、私はこの Rust 学習システムを作成し、「RustChat」(https://github.com/ZhangHanDong/rustchat) という名前を付け、他の人が参加できるように GitHub にリポジトリを作成しました。

Rust を学ぶ際には、私たちの知識をテストするための質問を提供し、正確な回答と説明を与えるシステムがあると素晴らしいでしょう。また、どのプロジェクトに取り組んで練習すればよいかわからないときには、プロジェクトのアイデアを提案してくれることもできます。今や AI を使えば、そのような魔法のようで便利なシステムを作成できます。

RustChat の紹介：究極の Rust 学習「魔法」システム#

まず、アイデアについて話しましょう。コマンドプロンプトモードが必要なので、コマンド形式をプログラム API を設計するのと同じように設計する必要があります。

このアイデアはシンプルに見えますが、多くの実験の結果であることに注意する価値があります。以前の失敗した設計は、新しいコマンドが古い GPT 設定を壊し、混乱を引き起こしました。

「魔法」デザイン#

私が実装したいコマンドプロンプトの例をいくつか示します：

work               // "work"はメインコマンドで、作業レベルのRustの質問を表します
work -tech trait   // "-tech"はプライマリコマンドを表し、指定された「trait」コンテンツの作業レベルの概念説明を出力し、コード例を提供します
work -tech --cn trait // "--cn"はセカンダリコマンドを表し、メインコマンドとプライマリコマンドで指定されたコンテンツを中国語で出力します
work -type --en eBPF  // "-type"はプライマリコマンドを表し、指定されたコンテンツ「eBPF」の作業レベルの質問を出力します
work -idea --cn   // "-idea"はプライマリコマンドを表し、メインコマンドレベルに対応するプロジェクト実践のアイデアや考えを出力します。 "--cn"はセカンダリコマンドを表し、中国語でコンテンツを出力します

私は質問を 3 つのレベルに分ける予定です：

1. 作業レベル。作業レベルの質問は、Rust コードを書くための基本的で一般的な機能と知識をカバーします。
2. 専門レベル。専門レベルは、Rust の専門的な機能と知識をカバーします。
3. クイズタイプ。クイズタイプは、混乱しやすい Rust 言語の機能をテストするために特別に設計されています。

メインコマンドはこれらの 3 つのレベルにそれぞれ対応します：

1. 「work」コマンドは作業レベルの質問に対応します。
2. 「expert」コマンドは専門レベルの質問に対応します。
3. 「quiz」コマンドはクイズレベルの質問に対応します。
4. 「answer」コマンドは回答する質問の数を指定するために使用されます。

次に、プライマリコマンドを紹介しましょう。プライマリコマンドはメインコマンドと任意の方法で組み合わせることができます：

1. "-tech" はプライマリコマンドを表し、指定されたコンテンツに対してメインコマンドレベルの概念説明を出力し、例を提供します。
2. "-type" はプライマリコマンドを表し、指定されたコンテンツに対してメインコマンドレベルの質問を出力します。
3. "-idea" はプライマリコマンドを表し、メインコマンドレベルに対応するプロジェクト実践のアイデアや考えを出力します。
4. "-crate" はプライマリコマンドを表し、「work」コマンドにのみ適用され、指定されたコンテンツに対して対応するサードパーティの「crate」を推奨します。
5. "-n" はプライマリコマンドを表し、「answer」コマンドにのみ適用され、回答する質問の数を指定します。

次に、プライマリコマンドの後に使用できるセカンダリコマンドを紹介します：

1. "--cn" はセカンダリコマンドを表し、中国語でコンテンツを出力します。
2. "--en" はセカンダリコマンドを表し、英語でコンテンツを出力します。
3. "--jp" はセカンダリコマンドを表し、日本語でコンテンツを出力します。

したがって、この学習システムがサポートすべきコマンドは次のとおりです：

work               // "work"はメインコマンドで、作業レベルのRustの質問を表します
work -tech trait   // "-tech"はプライマリコマンドを表し、指定された「trait」コンテンツの作業レベルの概念説明を出力し、コード例を提供します
work -tech --cn trait // "--cn"はセカンダリコマンドを表し、メインコマンドとプライマリコマンドで指定されたコンテンツを中国語で出力します
work -type --en eBPF  // "-type"はプライマリコマンドを表し、指定されたコンテンツ「eBPF」の作業レベルの質問を出力します
work -crate eBPF   // "-crate"はプライマリコマンドを表し、指定されたコンテンツ「eBPF」に対してサードパーティの「crate」を推奨します
work -idea --cn   // "-idea"はプライマリコマンドを表し、メインコマンドレベルに対応するプロジェクト実践のアイデアや考えを出力します。 "--cn"はセカンダリコマンドを表し、中国語でコンテンツを出力します
answer -n 2 ,// "-n"はプライマリコマンドを表し、「answer」コマンドにのみ適用され、前のコマンドの2つの質問に答えます
expert               // "expert"はメインコマンドで、専門レベルのRustの質問を表します
expert -tech trait   // "-tech"はプライマリコマンドを表し、指定された「trait」コンテンツの専門レベルの概念説明を出力し、コード例を提供します
expert -tech --cn trait // "--cn"はセカンダリコマンドを表し、メインコマンドとプライマリコマンドで指定されたコンテンツを中国語で出力します
expert -type --en eBPF  // "-type"はプライマリコマンドを表し、指定されたコンテンツ「eBPF」の専門レベルの質問を出力します
expert -idea --cn   // "-idea"はプライマリコマンドを表し、メインコマンドレベルに対応するプロジェクト実践のアイデアや考えを出力します。 "--cn"はセカンダリコマンドを表し、中国語でコンテンツを出力します
quiz               // "quiz"はメインコマンドで、Rustのクイズ質問を表します
quiz -tech trait   // "-tech"はプライマリコマンドを表し、指定された「trait」コンテンツのクイズレベルの概念説明を出力し、コード例を提供します
quiz -tech --cn trait // "--cn"はセカンダリコマンドを表し、メインコマンドとプライマリコマンドで指定されたコンテンツを中国語で出力します
quiz -type --en eBPF  // "-type"はプライマリコマンドを表し、指定されたコンテンツ「eBPF」のクイズレベルの質問を出力します
quiz -idea --cn   // "-idea"はプライマリコマンドを表し、メインコマンドレベルに対応するプロジェクト実践のアイデアや考えを出力します。 "--cn"はセカンダリコマンドを表し、中国語でコンテンツを出力します

プロンプトの構築#

次に、プロンプトを構築します。GPT-4 がデザインの「魔法」を完全に理解できるように、「全体から詳細へ」のアプローチを採用して徐々に「フィード」する必要があります。

1. メインコマンドの設定

Rustの専門家として、私の要件に従ってRustの質問を生成する手助けが必要です。デフォルトでは、質問には選択肢の質問とコーディングの質問が含まれます。質問はデフォルトで中国語で出力され、対応するセカンダリコマンドが指定されない限り、質問の数を指定します。

質問は3つのレベルに分かれています：

1. 作業レベル。作業レベルの質問は、初心者や日常使用のためのRustコードの一般的な機能と知識をカバーします。
2. 専門レベル。専門レベルは、Rustの専門的な機能と知識をカバーします。
3. クイズタイプ。クイズタイプは、混乱しやすいRust言語の機能を特にテストします。

メインコマンドはこれらの3つのレベルにそれぞれ対応します：

1. "work"コマンドは作業レベルの質問に対応します。
2. "expert"コマンドは専門レベルの質問に対応します。
3. "quiz"コマンドはクイズレベルの質問に対応します。
4. "anwser"コマンドは回答する質問の数を指定するために使用されます。

2. セカンダリコマンドの設定

次に、プライマリコマンドを紹介します。プライマリコマンドはメインコマンドと組み合わせて使用できます：
1. "-tech"はプライマリコマンドを表し、指定されたコンテンツに対してメインコマンドレベルの概念説明を出力し、例を提供します。
2. "-type"はプライマリコマンドを表し、指定されたコンテンツに対してメインコマンドレベルの質問を出力します。
3. "-idea"はプライマリコマンドを表し、メインコマンドレベルに対応するプロジェクト実践のアイデアや戦略を出力します。
4. "-crate"はプライマリコマンドを表し、指定されたコンテンツに対して対応するサードパーティのcrateを推奨します。
5. "-n"はプライマリコマンドを表し、回答する質問の数を指定し、回答の説明を提供します。他のメインコマンドを使用すると、生成される質問の数が制限されます。

3. 三次コマンドの設定

次に、プライマリコマンドの後に使用できるセカンダリコマンドを紹介します：
1. "--cn"はセカンダリコマンドを表し、中国語でコンテンツを出力します。
2. "--en"はセカンダリコマンドを表し、英語でコンテンツを出力します。
3. "--jp"はセカンダリコマンドを表し、日本語でコンテンツを出力します。

4. 修正コマンドの定義を追加

このコマンドシステムをこのように詳細に設計した理由は、コマンドの追加と修正をより便利にするためです。さもなければ、GPT-4 は混乱します。

修正コマンドの例：

プライマリコマンドの修正：

"-n"はプライマリコマンドを表し、回答する質問の数を指定し、回答の説明を提供します。他のメインコマンドを使用すると、生成される質問の数が制限されます。

指示を追加する例：

プライマリ指示を追加： explainは、指定されたRustコードの詳細な説明を提供することを意味します。 debugは、コードのバグを見つけ、与えられたコンパイラエラープロンプトに基づいて修正されたコードを提供することを意味します。

注：explainは説明自体の意味を持つため、このプライマリ指示が設定されていなくても、GPT はこの単語を認識できます。ほとんどの場合、GPT はcnを認識し、explain --cnを使用して中国語を出力することもできます。

使用例：

debug  

fn add(a: i32, b: i32) -> i32 {   
	(a + b) as i64 
}  

error:  Return type mismatch

GPT に「魔法」システムマニュアルを出力させる#

最後に、GPT にすべての指示をマークダウンテーブルに整理させます：

プライマリ、セカンダリ、三次の指示とその機能をマークダウンテーブルに整理してください。

以下のテーブルが出力されます：

「魔法」システムの使用#

私たちの「魔法」システムが稼働しているので、メイン指示、第一レベル指示、第二レベル指示を組み合わせることで期待される結果を達成できます。

これを使用して、次の機能を実現できます：

• 知識をテストするための異なるレベルの Rust の質問と回答を生成する
• Rust 言語の機能を指定して、対応する質問を生成する
• 実践プロジェクトを推奨させる
• 自分たちが生成した質問に答えさせる
• 出力コンテンツの自然言語を指定する

作業レベルの質問を生成する#

work

GPT-4:

ここに 2 つの作業レベルの Rust の質問があります。1 つは選択肢の質問、もう 1 つはコーディングの質問です。

選択肢の質問：

Rust では、イミュータブル変数を宣言するために使用されるキーワードはどれですか？ A. let B. mut C. const D. static

コーディングの質問： 2. 整数のベクターを引数として受け取り、ベクター内の最大値を返す Rust 関数find_maxを作成してください。ベクターが空の場合は None を返します。関数のシグネチャは次のようになります：

fn find_max(numbers: Vec<i32>) -> Option<i32> {
    // ここにコードを書いてください
}

指定された数の作業レベルの質問を生成する#

コピーコード

work -n 3

GPT-4:

GPT は-nが質問の説明を必要とすることを理解しており、指示定義によって変更できます。

ここに 3 つの作業レベルの Rust の質問があります。それぞれが選択肢の質問とコーディングの実装質問で構成されています：

質問 1：

Rust では、イミュータブル変数を宣言するために使用されるキーワードはどれですか？

A. let B. mut C. const D. static

回答：A. let

説明：Rust では、イミュータブル変数はletキーワードを使用して宣言されます。イミュータブルとは、宣言された後に変数の値を変更できないことを意味します。可変変数を宣言する必要がある場合は、let mutを使用できます。constおよびstaticキーワードは、定数を宣言するために使用されます。constはコンパイル時の定数であり、staticはランタイムでグローバルに割り当てられた変数です。

質問 2：

整数のベクターを入力として受け取り、数値の平均を返す Rust 関数calculate_averageを作成してください。ベクターが空の場合は None を返します。関数のシグネチャは次のようにする必要があります：

rust コピーコード

fn calculate_average(numbers: Vec<i32>) -> Option<f32> { // ここにコードを書いてください }

質問 3：

Rust では、Stringと&strの違いは何ですか？

A. Stringは固定サイズの文字列であり、&strは可変サイズの文字列です。 B. Stringはイミュータブルな文字列であり、&strは可変な文字列です。 C. Stringはヒープに割り当てられた文字列であり、&strはスタックに割り当てられた文字列です。 D. Stringは所有された文字列であり、&strは借用された文字列です。

回答：D. Stringは所有された文字列であり、&strは借用された文字列です。

説明：Rust では、Stringはヒープに割り当てられた、成長可能で可変の Unicode 文字のシーケンスを表す型です。&strは文字列スライスへの参照であり、Unicode スカラー値のシーケンスを含むメモリブロックへの固定サイズのビューです。Stringは使用するメモリを所有しますが、&strは他のソースからメモリを借用します。

指定されたコンテンツに基づいて質問を生成する#

work -type algorithm

GPT-4:

ここにアルゴリズムに関連する 2 つの作業レベルの Rust の質問があります。1 つは選択肢の質問、もう 1 つはコーディングの質問です。

選択肢の質問：

1. Rust では、ソートアルゴリズムのためにベクターをインプレースでソート（つまり、新しいベクターを作成せずに）するために使用されるメソッドはどれですか？

A. sort B. sorted C. sort_by D. sort_unstable

コーディングの質問：

2. 整数の 2 つのソートされたベクターを引数として受け取り、それらを新しいソートされたベクターにマージする Rust 関数merge_sorted_arraysを作成してください。関数のシグネチャは次のようになります：

fn merge_sorted_arrays(a: Vec<i32>, b: Vec<i32>) -> Vec<i32> {
    // ここにコードを書いてください
}

GPT-4 が同じ質問を生成しないようにするには、次のコマンドを使用してトピックを変更できます：

work -type trait change

メインコマンドをexpertに変更する

expert -type trait

GPT-4:

ここにトレイトに関連する 2 つの作業レベルの Rust の質問があります。1 つは選択肢の質問、もう 1 つはコーディングの質問です。

選択肢の質問：

1. Rust において、トレイトオブジェクトと静的ディスパッチに関する正しい記述はどれですか？

A. トレイトオブジェクトは静的ディスパッチを実装し、動的ディスパッチよりもパフォーマンスが良い。 B. 静的ディスパッチはトレイトオブジェクトを使用し、動的ディスパッチよりもパフォーマンスが良い。 C. 静的ディスパッチはモノモーフィゼーションを使用してコンパイル時に具体的な型を決定し、動的ディスパッチよりもパフォーマンスが良い。 D. 動的ディスパッチはモノモーフィゼーションを使用してコンパイル時に具体的な型を決定し、静的ディスパッチよりもパフォーマンスが良い。

コーディングの質問：

2. drawというメソッドを持つトレイトDrawableを作成してください。そして、CircleとRectangle構造体に対してDrawableトレイトを実装します。最後に、CircleとRectangleを含むベクターを作成し、ベクターを反復処理してdrawメソッドを呼び出して描画します。サンプルコード構造は次のようになります：

trait Drawable {
    // ここにコードを書いてください
}

struct Circle {
    // ここにコードを書いてください
}

struct Rectangle {
    // ここにコードを書いてください
}

// CircleとRectangleに対してDrawableトレイトを実装するコードをここに書いてください

fn main() {
    // Drawableベクターを作成し、drawメソッドを呼び出して描画するコードをここに書いてください
}

「コーディング実装」タイプの質問のみを指定する：

work -n 1 -type ffi coding implementation

ここに FFI（Foreign Function Interface）に関連する作業レベルの Rust の質問があります。コーディング実装の質問と回答、説明を提供します。

コーディングの質問：

1. Rust の FFI（Foreign Function Interface）機能を使用して、C 言語で 2 つのint型整数を加算し、結果を返す関数rust_addを作成してください。この関数の対応する C 関数宣言を提供してください。サンプルコード構造は次のようになります：

// Rustコードを書く

/*
// C関数宣言をここに提供
extern "C" {
    // ...
}
*/

fn main() {
    // テストコードを書く
}

回答：

// Rustコード
#[no_mangle]
pub extern "C" fn rust_add(a: i32, b: i32) -> i32 {
    a + b
}

/*
// C関数宣言
#include <stdint.h>

extern int32_t rust_add(int32_t a, int32_t b);
*/

fn main() {
    // ここで直接テストすることはできません。C言語環境でコンパイルして呼び出す必要があります。
}

説明：まず、rust_addという名前の関数を Rust コードで定義し、2 つのi32型パラメータを受け取り、その合計を返します。C コードがこの関数を呼び出せるようにするために、#[no_mangle]属性を使用してコンパイラが関数名を変更しないようにします。次に、pub extern "C"キーワードを使用して、この関数の ABI（Application Binary Interface）を C スタイルとして指定します。

次に、C 関数宣言を提供します。C のint型はプラットフォームやコンパイラによってサイズが異なる場合があるため、Rust のi32型に一致させるために C でint32_t型を使用します。これにはstdint.hヘッダーファイルを含める必要があります。

main関数では、この FFI 関数を直接テストすることはできません。Rust を動的ライブラリまたは静的ライブラリとしてコンパイルし、C 言語プログラムにリンクして、rust_add関数を呼び出してテストする必要があります。

なぜ時々回答と説明の両方を提供するのかはわかりません。

実践プロジェクトの推奨#

work -idea

GPT-4:

ここに作業レベルの Rust プロジェクトのアイデアと提案があります：

1. コマンドラインツール：ファイルのバッチリネーム、ウェブリソースのダウンロード、ログファイルの解析など、日常のタスクを処理するためのコマンドラインツールを作成します。コマンドラインパラメータを処理するためにclapまたはstructoptライブラリを使用できます。

2. ウェブサーバー：HTTP リクエストを処理し、静的または動的コンテンツを提供するシンプルなマルチスレッドウェブサーバーを書く。非同期 I/O と HTTP 機能を実装するためにhyperおよびtokioライブラリを使用できます。

3. ウェブクローラー：指定されたウェブサイトからコンテンツを取得し、必要な情報を解析するウェブクローラーを書く。ネットワークリクエストを処理するためにreqwestライブラリを使用し、HTML ドキュメントを解析するためにselect.rsライブラリを使用できます。

4. チャットサーバーとクライアント：複数のユーザーが TCP 接続を介してリアルタイムで通信できるチャットサーバーとクライアントを作成します。非同期 I/O とマルチスレッド機能を実装するためにtokioライブラリを使用できます。

5. ファイル暗号化ツール：ユーザーのプライバシーデータを保護するためのシンプルなファイル暗号化および復号化ツールを実装します。暗号化アルゴリズムを実装するためにrust-cryptoまたはringライブラリを使用できます。

6. テキストエディタ：開く、保存する、検索する、置換するなどの基本的なテキスト編集機能をサポートするシンプルなテキストエディタを開発します。クロスプラットフォームのターミナルインターフェースを実装するためにcrosstermまたはtermionライブラリを使用できます。

「アイデア」というキーワードを指定できます：

work -idea cli gpt

GPT-4:

ここに Rust を使用したコマンドラインインターフェース（CLI）のための GPT ツールプロジェクトのアイデアと提案があります：

プロジェクト名：GPT-CLI

プロジェクト概要：ユーザーがテキストを入力し、モデルによって生成されたテキストを取得できる CLI ツールを作成します。このツールは、ライティングアシスタンス、プログラミングの問題解決、自動メール返信など、さまざまな目的に使用できます。

主な機能：

1. テキスト入力：ユーザーが GPT モデルの入力として使用するテキストを入力できるようにします。
2. GPT モデル統合：GPT モデル（OpenAI の GPT-3 や自己訓練モデルなど）を統合し、ユーザー入力に基づいてテキストを生成するためにその API を呼び出します。
3. 結果表示：GPT モデルによって生成されたテキストをユーザーに表示します。
4. 保存機能：ユーザーが生成されたテキスト結果を指定されたファイルに保存できるようにします。

推奨ライブラリとツール：

1. コマンドラインパラメータ処理：clapまたはstructoptライブラリを使用してコマンドラインパラメータを処理します。
2. HTTP リクエストライブラリ：reqwestライブラリを使用して GPT モデル API へのネットワークリクエストを処理します。
3. 非同期プログラミング：tokioまたはasync-stdライブラリを使用して、パフォーマンスを向上させるために非同期プログラミングを実装します。
4. 環境変数管理：dotenvライブラリを使用して、API キーなどの機密情報を管理します。

開発ステップ：

1. 入力テキストと保存ファイルパスなどのコマンドラインパラメータ構造を設計します。
2. clapまたはstructoptライブラリを使用してコマンドラインパラメータを解析します。
3. OpenAI の GPT-3 などの GPT モデル API を統合し、API キーとリクエストパラメータを設定します。
4. reqwestライブラリを使用して HTTP リクエストを送信し、GPT モデルによって生成されたテキストを取得します。
5. GPT モデルから返された結果を処理し、ユーザーに表示します。
6. 生成されたテキストをファイルに保存する機能を実装します。
7. プログラムをテストし、最適化します。

生成された質問に答える#

expert -type struct

GPT-4:

ここに構造体に関連する 2 つの専門レベルの Rust の問題があります。1 つは選択肢の質問、もう 1 つはコード実装です。

選択肢の質問：

1. Rust における構造体のPartialEqおよびEqトレイトを導出する際、正しい記述はどれですか？

A. すべての構造体はPartialEqおよびEqトレイトを実装する必要があります。 B. 構造体はPartialEqトレイトのみを実装する必要があり、Eqトレイトは自動的に導出されます。 C. 構造体はPartialEqおよびEqトレイトを選択的に導出できますが、すべてのフィールドがこれらのトレイトを実装している必要があります。 D. 構造体のPartialEqおよびEqトレイトを導出する際、フィールドのトレイト実装を考慮する必要はありません。

コード実装の質問：

2. red、green、blueの 3 つのu8フィールドを持つColorという名前の構造体を作成してください。Color構造体のPartialEqトレイトを実装し、2 つのColorインスタンスが等しいかどうかを比較します。2 つのColorインスタンスは、red、green、blueフィールドの値の差が 10 以下である場合に等しいと見なされます。サンプルコード構造は次のようになります：

use std::cmp::PartialEq;

struct Color {
    // ここにコードを書いてください
}

impl PartialEq for Color {
    // ここにコードを書いてください
}

fn main() {
    // ここに2つのColorインスタンスを作成し、等しいかどうかを比較します
}

answer -n 2

あなたのリクエストに基づいて、最初の 2 つの質問の回答と説明を提供します。

選択肢の回答と説明：

1. Rust における構造体のPartialEqおよびEqトレイトを導出する際、正しい記述はどれですか？

回答：C. 構造体はPartialEqおよびEqトレイトを選択的に導出できますが、すべてのフィールドがこれらのトレイトを実装している必要があります。

説明：Rust では、構造体は構造体インスタンスの等価性比較のためにPartialEqおよびEqトレイトを選択的に導出できます。ただし、構造体に対してこれらのトレイトを導出するための前提条件は、すべてのフィールドがすでにこれらのトレイトを実装していることです。構造体のいずれかのフィールドがこれらのトレイトを実装していない場合、その構造体に対してPartialEqおよびEqトレイトを導出することはできません。

コード実装の回答と説明：

2. red、green、blueの 3 つのu8フィールドを持つColorという名前の構造体を作成してください。Color構造体のPartialEqトレイトを実装し、2 つのColorインスタンスが等しいかどうかを比較します。2 つのColorインスタンスは、red、green、blueフィールドの値の差が 10 以下である場合に等しいと見なされます。サンプルコード構造は次のようになります：

回答：

use std::cmp::PartialEq;

struct Color {
    red: u8,
    green: u8,
    blue: u8,
}

impl PartialEq for Color {
    fn eq(&self, other: &Self) -> bool {
        (self.red as i32 - other.red as i32).abs() <= 10 &&
        (self.green as i32 - other.green as i32).abs() <= 10 &&
        (self.blue as i32 - other.blue as i32).abs() <= 10
    }
}

fn main() {
    let color1 = Color { red: 255, green: 128, blue: 64 };
    let color2 = Color { red: 250, green: 130, blue: 70 };

    println!("Color1 equals Color2: {}", color1 == color2);
}

説明：

まず、Color構造体を定義し、u8型の 3 つのフィールドred、green、blueを追加しました。次に、Color構造体のPartialEqトレイトを実装し、eqメソッドを定義しました。eqメソッドでは、2 つのColorインスタンスのred、green、blueフィールドの絶対差が 10 以下であるかどうかを比較しました。この条件が満たされる場合、2 つのColorインスタンスは等しいと見なされます。最後に、main関数で 2 つのColorインスタンスを作成し、==演算子を使用して等しいかどうかを比較しました。

推奨クレート#

expert -crate eBPF

GPT-4:

わかりました。ここにeBPFトピックに関連する高度なレベルの質問と推奨されるサードパーティのクレートがあります：

質問：

1. Rust における eBPF 技術の原理と適用シナリオについて詳しく説明してください。
2. Rust でlibbpf-rsクレートを使用して効率的な eBPF プログラムを書く方法は？
3. Rust でredbpf-probesクレートを使用してカスタム eBPF イベントプローブを実装する方法は？

推奨されるサードパーティのクレート：

• libbpf-rs：eBPF プログラムを書くために使用される Rust クレート。
• redbpf-probes：カスタム eBPF イベントプローブを書くために使用される Rust クレート。

注：eBPF 技術は、それをサポートするカーネルで実行する必要があります。システムが eBPF をサポートしていない場合、このタスクを完了できない可能性があります。

日本語で出力を要求する：#

work -tech lifetime --jp

GPT-4:

以下は、ライフタイムに関連する技術概念の説明と例を日本語で提供します。

ライフタイムとは、Rust でメモリ管理や参照の安全性を担保するための概念です。ライフタイムは、コンパイル時に参照の有効性を検証し、参照されるオブジェクトが参照されている期間中に破棄されないことを保証します。

例:

fn longest<'a>(s1: &'a str, s2: &'a str) -> &'a str {
    if s1.len() > s2.len() {
        s1
    } else {
        s2
    }
}

fn main() {
    let s1 = String::from("長い文字列");
    let s2 = String::from("短い");

    let result = longest(&s1, &s2);
    println!("最も長い文字列は: {}", result);
}

上記の例では、longest関数は 2 つの文字列のスライスを引数に取り、最も長いものを返します。ライフタイムパラメータ'aは、入力参照と戻り値の参照が同じライフタイムを持つことを示しています。

longest関数は、参照されるオブジェクトが参照されている期間中に破棄されないことを保証するために、ライフタイムを使用しています。これにより、ダングリングポインタや他のメモリ安全性に関連する問題を防止できます。

英語で出力を要求する：

work -tech --en lifetime

セカンダリ指示の位置は、その理解に影響を与えません。

以下は、Rust におけるライフタイムの技術概念の説明と例を英語で提供します。

Lifetimes are a concept in Rust for managing memory and ensuring reference safety. Lifetimes are used to verify the validity of references at compile-time, ensuring that the object being referenced is not destroyed while it is still being referenced.

Example:

fn longest<'a>(s1: &'a str, s2: &'a str) -> &'a str {
    if s1.len() > s2.len() {
        s1
    } else {
        s2
    }
}

fn main() {
    let s1 = String::from("long string");
    let s2 = String::from("short");

    let result = longest(&s1, &s2);
    println!("The longest string is: {}", result);
}

In the example above, the longest function takes two string slices as arguments and returns the longer one. The lifetime parameter 'a indicates that the input references and the returned reference have the same lifetime.

The longest function uses lifetimes to ensure that the object being referenced is not destroyed while it is still being referenced, preventing dangling pointers and other memory safety-related issues.

まとめ#

この「魔法」の学習システムを設定することは難しくありませんが、日常の Rust 学習に大いに役立つはずです。最後に、皆さんが開発した便利なコマンドや、記録する価値のある GPT-4 によって生成された Rust の質問と回答を RustChat GitHub リポジトリに共有できることを願っています。これにより、Rust の学習者を助ける Q&A 知識ベースが形成されることを期待しています。

お読みいただきありがとうございました。