AlexZhang

友人にまず 《Prompt ガイド》 を学んだ後にこの記事を読むことをお勧めします。GPT-4 を使用することをお勧めしますが、もし GPT-4 がない場合は 3.5 でもこのシステムを構築できます。ただし、GPT-4 の方がより正確です。また、このシステムは他のプログラミング言語にも応用できます。題図は私が Midjourney を使って描いた「アムステルダム港のカフェ」です。

はじめに#

最近、AI を使って遊んでいます。ChatGPT や Midjourney を含め、年収 100 万ドルのプロンプトエンジニアがどんな感じかを体験しています。今週、私は GPT-4 が Rust コードの学習をサポートするのに非常に役立つことを発見しました。それで、私はこの Rust 学習支援システムを作成することにしました。これを RustChat と名付け、GitHub にリポジトリを作成して、皆さんが交流できるようにしました。

Rust を学ぶ際に、手元に便利なシステムがあれば、いつでも問題を出して私たちの知識をテストし、正確な答えと説明を提供してくれます。また、何をプロジェクトとして練習すればよいかわからないときに、プロジェクトのアイデアを提案してくれると素晴らしいでしょう。

今、AI があるので、私たちはこのような素晴らしく役立つシステムを構築できます。

RustChat : 最強の Rust 学習支援「魔法」システムの紹介#

まず、考え方を説明します。プロンプトモードを指示したいので、プログラム API を設計するように、まず指示フォーマットを設計する必要があります。

この考え方は一見簡単そうですが、多くの試行錯誤の末に見つけたものです。以前の失敗した設計の結果、新しい指示が GPT の古い設定を直接破壊し、指示が混乱することになりました。

「魔法」設計#

以下に、私が実現したい指示プロンプトの例を示します：

work               // workは主指示で、作業レベルのRust問題を出力します
work -tech trait   // `-tech`は一次指示で、指定された内容traitの作業レベルの概念説明を出力し、コード例を添付します
work -tech --cn trait // `--cn`は二次指示で、主指示と一次指示で設定された出力内容を指定された言語（中国語）で出力します
work -type --en eBPF  // `-type`は一次指示で、指定された内容eBPFの作業レベルの問題を出力します
work -idea --cn   // `-idea`は一次指示で、対応する主指示レベルのプロジェクト実践のアイデアと考えを参考のために出力し、`--cn`は二次指示で、指定された言語（中国語）で出力します

問題は 3 つのレベルに分けるつもりです：

1. 作業レベル。作業レベルの問題は、Rust コードの基本的な特徴と知識をカバーします。
2. 専門レベル。専門レベルは Rust の専門的な特徴と知識をカバーします。
3. クイズタイプ。クイズタイプは、Rust 言語の特徴に関する混乱を招く問題を専門に扱います。

主指示はこれら 3 つのレベルにそれぞれ対応します：

1. work 指示は、作業レベルの問題に対応します。
2. expert 指示は、専門レベルの問題に対応します。
3. quiz 指示は、クイズレベルの問題に対応します。
4. anwser 指示は、回答すべき問題の数を指定します。

次に、一次指示を紹介します。一次指示は主指示と任意に組み合わせることができます：

1. -techは一次指示で、指定された内容に対して主指示レベルの概念説明を出力し、例を添付します。
2. -typeは一次指示で、指定された内容に対して主指示レベルの問題を出力します。
3. -ideaは一次指示で、対応する主指示レベルのプロジェクト実践のアイデアと考えを参考のために出力します。
4. -crateは一次指示で、主指示workに限り、指定された内容に対して相応のサードパーティの crate を推薦します。
5. -nは一次指示で、主指示anwserに限り、回答すべき問題の数を指定します。

次に、二次指示を紹介します。二次指示は一次指示の後に作用します：

1. --cnは二次指示で、中国語で出力します。
2. --enは二次指示で、英語で出力します。
3. --jpは二次指示で、日本語で出力します。

このように、この学習支援システムがサポートすべき指示は次の通りです：

work               // workは主指示で、作業レベルのRust問題を出力します
work -tech trait   // `-tech`は一次指示で、指定された内容traitの作業レベルの概念説明を出力し、コード例を添付します
work -tech --cn trait // `--cn`は二次指示で、主指示と一次指示で設定された出力内容を指定された言語（中国語）で出力します
work -type --en eBPF  // `-type`は一次指示で、指定された内容eBPFの作業レベルの問題を出力します
work -crate eBPF   // `-crate`は一次指示で、指定された内容eBPFのサードパーティのcrateを推薦します
work -idea --cn   // `-idea`は一次指示で、対応する主指示レベルのプロジェクト実践のアイデアと考えを参考のために出力し、`--cn`は二次指示で、指定された言語（中国語）で出力します
anwser -n 2 ，// 一次指示で、主指示`anwser`に限り、現在の指示の前の2つの問題を回答することを示します
expert               // workは主指示で、作業レベルのRust問題を出力します
expert -tech trait   // `-tech`は一次指示で、指定された内容traitの作業レベルの概念説明を出力し、コード例を添付します
expert -tech --cn trait // `--cn`は二次指示で、主指示と一次指示で設定された出力内容を指定された言語（中国語）で出力します
expert -type --en eBPF  // `-type`は一次指示で、指定された内容eBPFの作業レベルの問題を出力します
expert -idea --cn   // `-idea`は一次指示で、対応する主指示レベルのプロジェクト実践のアイデアと考えを参考のために出力し、`--cn`は二次指示で、指定された言語（中国語）で出力します
quiz               // workは主指示で、作業レベルのRust問題を出力します
quiz -tech trait   // `-tech`は一次指示で、指定された内容traitの作業レベルの概念説明を出力し、コード例を添付します
quiz -tech --cn trait // `--cn`は二次指示で、主指示と一次指示で設定された出力内容を指定された言語（中国語）で出力します
quiz -type --en eBPF  // `-type`は一次指示で、指定された内容eBPFの作業レベルの問題を出力します
quiz -idea --cn   // `-idea`は一次指示で、対応する主指示レベルのプロジェクト実践のアイデアと考えを参考のために出力し、`--cn`は二次指示で、指定された言語（中国語）で出力します

プロンプトの構築#

次にプロンプトを構築します。GPT-4 が設計した「魔法」を完全に理解できるようにするために、「全体から詳細へ」というステップで徐々に「与える」必要があります。

一、主指示の設定

あなたはRustの専門家になり、私の要求に従ってRustの問題を生成してください。問題にはデフォルトで選択問題とコード実装問題が含まれます。デフォルトでは中国語で出力しますが、相応の二次指示が指定されない限りそうします。

問題は3つのレベルに分けるつもりです：

1. 作業レベル。作業レベルの問題は、Rustコードの基本的な特徴と知識をカバーします。
2. 専門レベル。専門レベルはRustの専門的な特徴と知識をカバーします。
3. クイズタイプ。クイズタイプは、Rust言語の特徴に関する混乱を招く問題を専門に扱います。

主指示はこれら3つのレベルにそれぞれ対応します：

1. work指示は、作業レベルの問題に対応します。
2. expert指示は、専門レベルの問題に対応します。
3. quiz指示は、クイズレベルの問題に対応します。
4. anwser指示は、回答すべき問題の数を指定します。

二、二次指示の設定

次に一次指示を紹介します。一次指示は主指示と組み合わせて使用できます：
1. `-tech`は一次指示で、指定された内容に対して主指示レベルの概念説明を出力し、例を添付します。
2. `-type`は一次指示で、指定された内容に対して主指示レベルの問題を出力します。
3. `-idea`は一次指示で、対応する主指示レベルのプロジェクト実践のアイデアと考えを参考のために出力します。
4. `-crate`は一次指示で、主指示`work`に限り、指定された内容に対して相応のサードパーティのcrateを推薦します。
5. `-n`は一次指示で、主指示`anwser`に限り、回答すべき問題の数を指定します。

三、三級指示の設定

次に二次指示を紹介します。二次指示は一次指示の後に作用します：
1. `--cn`は二次指示で、中国語で出力します。
2. `--en`は二次指示で、英語で出力します。
3. `--jp`は二次指示で、日本語で出力します。

四、指示定義の変更を追加

この指示システムをこのように設計した理由は、指示の変更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。

以下は指示の変更の例です：

一次指示の変更：

`-n`は一次指示で、回答すべき問題の数を指定し、答えの説明を添付します。他の主指示を使用する場合は、問題の数を制限します。

以下は指示の追加の例です：

主指示の追加：

explainは、指定されたRustコードを詳細に説明します。
debugは、与えられたコンパイラエラーメッセージに従ってコードのバグを見つけ、修正コードを提供します。

説明：explain 自体に説明の意味があるため、主指示をこのように設定しなくても、GPT はこの単語を認識できます。通常、explain --cnのような方法でも、GPT は cn を認識し、中国語で出力します。

使用方法：

debug 

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

error:  戻り値の型が一致しません

GPT に「魔法」システムの説明書を出力させる#

最後に、GPT にすべての指示を整理して Markdown 表として出力させます：

設定した主指示、一次指示、二次指示、およびそれらの機能をMarkdown表として出力してください。

そうすると、以下のような表が出力されます：

「魔法」システムの使用効果#

今、私たちの「魔法」システムは使用可能です。主指示、一次指示、二次指示を組み合わせることで、期待する効果を達成できます。

私たちはこれを使って以下の機能を実現できます：

• 異なるレベルの Rust 問題と答えを生成し、自分の知識をテストできます。
• Rust の言語特徴を指定して、それに対応する問題を生成させることができます。
• 練習プロジェクトを推薦させることができます。
• 自分が生成した問題に答えさせることができます。
• 出力内容の自然言語を指定できます。

作業レベルの問題を生成する#

work

GPT-4:

以下は、作業レベルの Rust 問題 2 問、選択問題 1 問とコード実装問題 1 問です。

選択問題：

Rust で不変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

コード実装問題：

2. 整数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を実装してください。ベクターが空の場合は None を返します。関数のサンプルシグネチャは以下の通りです：

fn find_max(numbers: Vec<i32>) -> Option<i32> {
    // ここにコードを記述してください
}

作業問題の数を生成する#

work -n 1

GPT-4:

GPT は-nが問題の説明を必要とすることを理解しています。これは指示の変更を通じて修正できます。

以下は、作業レベルの Rust 問題 1 問、選択問題 1 問です：

選択問題：

1. Rust で不変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

答え： A. let

説明： Rust では、letキーワードを使用して不変変数を宣言します。不変とは、変数の値が宣言後に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を使用します。constとstaticは定数を宣言するために使用されますが、constはコンパイル時に決定される定数であり、staticは実行時にメモリを割り当てるグローバル変数です。

指定された内容に基づいて問題を生成する#

work -type algorithm

GPT-4:

以下は、アルゴリズムに関連する作業レベルの Rust 問題 2 問、選択問題 1 問とコード実装問題 1 問です。

選択問題：

1. Rust において、ソートアルゴリズムに関して、以下のどのメソッドがベクターをインプレースでソートします（新しいベクターを作成しない）か？

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

コード実装問題： 2. 整数ベクター 2 つを引数として受け取り、それらをマージして新しいソートされたベクターを返す Rust 関数merge_sorted_arraysを実装してください。サンプル関数シグネチャは以下の通りです：

fn merge_sorted_arrays(a: Vec<i32>, b: Vec<i32>) -> Vec<i32> {
    // ここにコードを記述してください
}

同じ問題が生成されないようにするために、問題を変更させることができます：

work -type trait change 

主指示をexpertに変更します。

expert -type trait

GPT-4:

以下は、trait に関連する専門レベルの Rust 問題 2 問、選択問題 1 問とコード実装問題 1 問です。

選択問題：

1. Rust において、trait オブジェクトと静的ディスパッチに関して、以下のどの説明が正しいですか？

A. trait 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性能が優れています B. 静的ディスパッチは trait オブジェクトを使用し、動的ディスパッチよりも性能が優れています C. 静的ディスパッチはモノモルフィゼーションを使用し、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性能が優れています D. 動的ディスパッチはモノモルフィゼーションを使用し、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性能が優れています

コード実装問題： 2. Drawableという名前の trait を作成し、drawというメソッドを含めてください。その後、CircleとRectangle構造体にDrawabletrait を実装してください。最後に、CircleとRectangleを含むベクターを作成し、drawメソッドを呼び出してそれらを描画します。サンプルコード構造は以下の通りです：

trait Drawable {
    // ここにコードを記述してください
}

struct Circle {
    // ここにコードを記述してください
}

struct Rectangle {
    // ここにコードを記述してください
}

// ここでCircleとRectangleにDrawable traitを実装します

fn main() {
    // ここでDrawableベクターを作成し、drawメソッドを呼び出してそれらを描画します
}

指定して「コーディング実装」の問題だけを出す：

work -n 1 -type ffi コーディング実装

以下は、FFI（Foreign Function Interface）に関連する作業レベルの Rust 問題で、コーディング実装の問題とその答えと説明を提供します。

コーディング実装問題：

1. Rust の FFI 機能を使用して、2 つの C 言語のint型整数を加算し、結果を返すrust_addという名前の関数を実装してください。この関数に対して相応の C 言語関数宣言を提供してください。サンプルコード構造は以下の通りです：

// ここにRustコードを記述してください

/*
// ここにC言語関数宣言を提供します
extern "C" {
    // ...
}
*/

fn main() {
    // ここにテストコードを記述してください
}

答え：

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

/*
// C言語関数宣言
#include <stdint.h>

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

fn main() {
    // ここでは直接テストできません。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 コードでrust_addという名前の関数を定義し、2 つのi32型の引数を受け取り、それらの和を返します。C 言語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。その後、pub extern "C"キーワードを使用して、この関数の ABI（Application Binary Interface）を C 言語スタイルに指定します。

次に、C 言語関数宣言を提供します。C 言語の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型と一致させるために C 言語では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。

私は、なぜ時々説明と答えが必要なのか理解できませんでした。

練習プロジェクトの推薦#

work -idea

GPT-4:

以下は、Rust の作業レベルのプロジェクト実践のアイデアと考えです：

1. コマンドラインツール：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。例えば、ファイルのバッチリネーム、ネットワークリソースのダウンロード、またはログファイルの解析などです。コマンドライン引数を処理するためにclapやstructoptライブラリを使用できます。

2. Web サーバー：Rust を使用して、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 Web サーバーを作成します。非同期 I/O と HTTP 機能を実現するためにhyperや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作成します。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現するために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やringライブラリを使用できます。

6. テキストエディタ：基本的なテキスト編集機能（開く、保存、検索、置換など）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現するためにcrosstermやtermionライブラリを使用できます。

アイデアキーワードを指定できます：

work -idea cli gpt

GPT-4:

以下は、Rust で開発されたコマンドラインインターフェース（CLI）GPT ツールのプロジェクト実践のアイデアと考えです：

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て GPT モデルと対話し、モデルが生成したテキストを取得できるコマンドラインインターフェース（CLI）ツールを作成します。このツールは、執筆支援、プログラミング問題の解答、自動返信メールなど、さまざまな用途に使用できます。

主要機能：

1. テキスト入力：ユーザーがテキストを入力できるようにし、それを GPT モデルの入力として使用します。
2. GPT モデル統合：GPT モデル（例えば OpenAI の GPT-3 または独自に訓練したモデル）を統合し、その API を呼び出してユーザー入力に基づいてテキストを生成します。
3. 結果表示：GPT モデルが生成したテキスト結果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。

ライブラリとツールの提案：

1. コマンドライン引数処理：clapやstructoptライブラリを使用してコマンドライン引数を処理します。
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 と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やasync-stdライブラリを使用して非同期プログラミングを実現し、性能を向上させます。
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. コマンドライン引数の構造を設計します（入力テキスト、保存ファイルパスなど）。
2. clapやstructoptライブラリを使用してコマンドライン引数を解析します。
3. GPT モデル API（例えば OpenAI GPT-3）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 モデルが生成したテキスト結果を取得します。
5. GPT モデルが返した結果を処理し、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。

自分が生成した問題に答える#

expert -type struct

GPT-4:

以下は、構造体に関連する専門レベルの Rust 問題 2 問、選択問題 1 問とコード実装問題 1 問です。

選択問題：

1. Rust において、構造体がPartialEqとEq trait を派生させることに関して、どの説明が正しいですか？

A. すべての構造体はPartialEqとEq trait を実装する必要があります B. 構造体はPartialEq trait を実装するだけで、Eq trait は自動的に派生します C. 構造体はPartialEqとEq trait を選択的に派生できますが、その前提としてすべてのフィールドがこれらの trait を実装している必要があります D. 構造体がPartialEqとEq trait を派生させる際、フィールドの trait 実装を考慮する必要はありません

コード実装問題： 2. Colorという名前の構造体を作成し、3 つのu8型のフィールド（red、green、blue）を含めます。Color構造体にPartialEq trait 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インスタンスが等しい条件は、red、green、blueフィールドの値の差がすべて 10 以下であることです。サンプルコード構造は以下の通りです：

use std::cmp::PartialEq;

struct Color {
    // ここにコードを記述してください
}

impl PartialEq for Color {
    // ここにコードを記述してください
}

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

anwser -n 2

あなたの要求に従って、最初の 2 つの問題の答えと説明を提供します。

選択問題の答えと説明：

1. Rust において、構造体がPartialEqとEq trait を派生させることに関して、どの説明が正しいですか？

答え：C. 構造体はPartialEqとEq trait を選択的に派生できますが、その前提としてすべてのフィールドがこれらの trait を実装している必要があります。

説明：Rust では、構造体はPartialEqとEq trait を選択的に派生でき、これにより構造体インスタンスの等価性比較が可能になります。ただし、これらの trait を派生させる前提として、構造体のすべてのフィールドがこれらの trait を実装している必要があります。もし構造体のいずれかのフィールドがこれらの trait を実装していない場合、その構造体に対してPartialEqとEq trait を派生させることはできません。

コード実装問題の答えと説明： 2. Colorという名前の構造体を作成し、3 つのu8型のフィールド（red、green、blue）を含めます。Color構造体にPartialEq trait 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インスタンスが等しい条件は、red、green、blueフィールドの値の差がすべて 10 以下であることです。サンプルコード構造は以下の通りです：

答え：

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、3 つのu8型のフィールド（red、green、blue）を追加します。次に、Color構造体にPartialEq trait を実装し、eqメソッドを定義します。eqメソッドでは、2 つのColorインスタンスのred、green、blueフィールドの値の差の絶対値がすべて 10 以下であるかどうかを比較します。条件を満たす場合、これらの 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、==演算子を使用してそれらが等しいかどうかを比較します。

推奨 crate#

expert -crate eBPF

GPT-4:

以下は、eBPFテーマに関する専門レベルの問題と推奨されるサードパーティの crate です：

問題：

1. Rust における eBPF 技術の原理と応用シーンについて詳しく説明してください。
2. Rust で libbpf-rs crate 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 crate 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 crate：

• libbpf-rs：eBPF プログラムの作成と読み込みに使用される Rust crate。
• redbpf-probes：カスタム eBPF イベントプローブの作成に使用される Rust crate。

注意：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。

出力内容の自然言語を指定することができます#

日本語で出力するように要求します。

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。

英語で出力するように要求します：

work -tech --en lifetime

二次指示の位置は、理解に影響しません。

以下は、Rust におけるライフタイムの技術概念の説明と例です。

ライフタイムは、メモリ管理と参照の安全性を保証するための Rust 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、参照されているオブジェクトがまだ参照されている間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("long string");
    let s2 = String::from("short");

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

上記の例では、longest関数は 2 つの文字列スライスを引数に取り、長い方を返します。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、参照されているオブジェクトがまだ参照されている間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ぐことができます。

まとめ#

この「魔法」学習システムの設定は難しくありませんが、Rust の学習においては大きな助けとなるはずです。最後に、皆さんが自分で拡張した便利な指示や、記録する価値のある GPT-4 が生成した Rust の問題と解答を RustChat の GitHub リポジトリに共有し、より多くの Rust 学習者を助けるための Q&A 知識ベースを形成することを願っています。

お読みいただきありがとうございました。