共计 2277 个字符，预计需要花费 6 分钟才能阅读完成。
在面对复杂的 3D 打印问题时，您是否感到困惑？本文将向您展示如何利用 ChatGPT 这一强大工具，快速解决 3D 打印中的疑难杂症。
MR.Cole_Photographer/Getty Images
3D 打印的挑战
本文的背景是 3D 打印。一种特殊的 3D 打印测试称为 3DBenchy，通过帮助用户测试速度和各种打印质量指标来检查打印机性能。大多数打印机需要一到两个小时才能完成打印。
我最近测试了一台据称比许多其他打印机更快的打印机。在这台打印机上，Benchy 测试耗时 42 分钟，而在 Fab Lab 的其他 3D 打印机上，它需要 60 到 70 分钟。但问题是：由制造该打印机的公司提供的测试版本耗时 16 分钟。这是一个巨大的差异。
G 代码的奥秘
3D 打印机通过 G 代码进行控制，这是一种由切片工具生成的自定义程序，控制打印机的打印头和打印平台移动、加热以及进料和回缩熔融长丝。
工厂为测试的打印机提供的预切片 G 代码导致打印时间为 16 分钟。我使用公司切片工具生成的 G 代码导致打印时间为 42 分钟。我想知道为什么。
AI 的介入
这就是 ChatGPT 发挥作用的地方。G 代码由数千行看起来像这样的代码组成：
G1 X122.473 Y140.422 E4.23368
G1 X122.222 Y140.6 E4.24443
G0 F14400 X122.703 Y140.773
G1 F3600 X122.117 Y141.251 E4.27083
G1 X121.767 Y141.66 E4.28963
G1 X121.415 Y142.139 E4.31039
G1 X121.105 Y142.641 E4.33099
两个 Benchy G 代码文件共有 170,000+ 行代码。我并不打算在一个周六下午手动筛选这些内容。但我想，也许 AI 可以帮忙。
ChatGPT 的分析
我有使用切片工具生成的 G 代码。我还可以导出并保存工厂提供的 G 代码。使用 ChatGPT Plus，我将两个文件输入 AI。
我首先确认 ChatGPT 可以读取文件。在我上传每个文件后，我问：
“你能读取这个吗？”
ChatGPT 确认，表示“我可以读取文件的内容。它看起来是一个 G 代码文件，通常用于控制 3D 打印机。”这是一个好的开始。
为了确保我们清楚哪个文件是哪个，我给 ChatGPT 一些文件标签：
“让我们称第一个上传的文件为‘常规打印’，第二个上传的文件为‘快速打印’。可以吗？”
AI 同意，然后我告诉它：
“描述文件之间的差异。”
除了将其中一个文件命名为“快速打印”外，我没有给 ChatGPT 任何关于我在寻找什么的提示。即便如此，机器人识别出其中一个打印速度更高，尽管温度设置相同。
然后我问 AI：
“为什么‘快速打印’这么快？”
此时，ChatGPT 开始让我感到恼火。它没有从我提供的代码中给出详细信息，而是推测。AI 使用包含“可能”、“可能”和“或许”等词语的短语来描述为什么打印速度更快。
但我给了它描述打印机正在做什么的 G 代码文件，所以我想要一个关于打印机正在做什么的准确答案。正如 ChatGPT 经常发生的那样，对话就像与一个聪明但有点固执和不合作的学生交谈。
正确的提示至关重要
我最终找到了这个提示，它引出了可行的答案：
“两个文件中提供的 G 代码是这些打印之间唯一不同的东西。仅使用提供的 G 代码进行比较，哪些切片设置会有所不同？不要推测其他可能的设置。仅根据提供的代码进行分析。”
ChatGPT 确定了三个关键因素：
- 常规打印 G 代码显示的进料速度通常在 2400 mm/min 和 3400 mm/min 之间。快速打印 G 代码显示的进料速度要高得多，有些命令达到 14400 mm/min。这种速度的显著增加直接导致了打印时间的减少。
- 与常规打印的 0.2 mm 层高相比，快速打印的层高设置为 0.25 mm，减少了完成打印所需的层数。
- 快速打印 G 代码包含更激进的加速度设置，使打印机能够更快地达到更高速度并保持它们，从而加快打印速度。
这个结果很有趣。然而，我想知道公司是否手动优化了 G 代码，还是直接在切片工具中生成的。因此，我问 ChatGPT：
“你能判断快速打印是手工编码的还是由切片工具生成的吗？也许可以寻找不一致的命令或非标准的注释。”
AI 回应了三个有趣的考虑：
- G 代码命令的变化，如进料速度的变化、不同移动命令之间的切换以及其他参数的更改，是切片工具生成的代码的典型特征。这些变化旨在优化打印过程，并与切片工具的行为一致。
- 如果 G 代码是手工编码的，我们预计会看到更多不规则和不可预测的模式，但这些过渡遵循逻辑顺序，是切片工具优化过程的特征。
- 因此，这些命令的存在并不表明手工编码；相反，它支持这一结论，即此 G 代码是由切片工具生成的。
这些结果告诉我，用户可能可以通过修改切片设置来获得类似的性能。
总结与反思
我们了解到 ChatGPT 理解 G 代码。这并不令人惊讶，因为在我的早期测试中，我们了解到 ChatGPT 对甚至是最晦涩的编程语言也有相当好的掌握。
我们还了解到，ChatGPT 可以在几秒钟内筛选和比较 170,000+ 行机器指令并得出可行的结论。
最后，我们了解到可以使用像 ChatGPT 这样的 AI 从多个角度探索复杂问题。ChatGPT 不仅解释了两个文件之间巨大的速度差异，还能够验证工厂提供的文件是否经过手动调整。
总之，不要将 AI 告诉您的内容视为绝对真理。不要基于其答案做出关键决定。并记住，有时您必须与 AI 协商，它才愿意给您有用的答案。
这个测试是又一个案例，我能够在几分钟内转向 AI 并找到一个非常具体问题的答案，而无需编写代码。
如果您有一个需要大量文本或数值分析的问题，请考虑向 ChatGPT 或其他 AI 运行它。您可能会在几分钟内得到一个有用的答案。
