先做个广告：如需代注册ChatGPT或充值 GPT4.0会员（plus），请添加站长微信：gptchongzhi
在下面的文章中，用到反射来设计医保接口，因为国内的医保接口有一个特点，就是接口基本是统一的，接中传的数据是有一定规律的，这样方便对接后业务级的升级扩展，所以在对接医保接口时，就很容易用OOP来设计一个微框架来对应。
推荐使用GPT中文版,国内可直接访问：https://ai.gpt86.top
用反射开发医保接口
桂素伟，公众号：桂迹.NET架构小技巧（3）——反射，架构人员法宝I
当设计完微框架后，剩下的就是累活儿了，就是把几十个接口的输入和输出实体类，把微框架的要求定义出来，这种工作费时费力，还容易眼花。
chatGPT登场了，这也是chatGPT最擅长的领域了，做一些基本的，重复的工作。
还是用例子说明吧，下面是一个读卡接口的一部分，我们看看用chatGPT怎么实现。本例chatGPT生成是用visual chatGPT studio在visual studio 2022中生成的。
首先从医保接口文档中，把实体类复制出来，然后给出提示：
把上面数据生成C#实体类，名称是BaseInfo，并保留原来的名称，加上注释
//1 psn_no 人员编号 字符型 30 Y//2 psn_cert_type 人员证件类型 字符型 6 Y Y//3 certno 证件号码 字符型 50 Y//4 psn_name 人员姓名 字符型 50 Y//5 gend 性别 字符型 6 Y Y//6 naty 民族 字符型 3 Y//7 brdy 出生日期 日期型yyyy-MM-dd//8 age 年龄 数值型 4,1 Y//9 expContent 字段扩展 字符型 4000//把上面数据生成C#实体类，名称是BaseInfo，并保留原来的名称，加上注释
下面是就生成的代码：
////// BaseInfo///public class BaseInfo{////// 人员编号///public string psn_no { get; set; }////// 人员证件类型///public string psn_cert_type { get; set; }////// 证件号码///public string certno { get; set; }////// 人员姓名///public string psn_name { get; set; }////// 性别///public string gend { get; set; }////// 民族///public string naty { get; set; }////// 出生日期///public DateTime brdy { get; set; }////// 年龄///public decimal age { get; set; }////// 字段扩展///public string expContent { get; set; }}
下一步如果chatGPT的收费便宜了，可以把一个文档扔进去，让它自动生成全部实体类。不过现在还是需要把文档中的输入输出数据复制进来，生成对应的实体类。
还有一类工作比较繁琐，显示医保返回的数据到窗体上，表格相对好处理，单项数据就得定义控件一个一个处理了，这个工作也可以让chatGPT帮我个实现。
还是用人员接口为例，上面的BaseInfo就是读卡后返回的其中一项人员基本信息，我们可以先给chatGPT做个事例，在窗体上定义一个属性的显示样例：人员编号。
因为窗体的可视化操作，都会在自动生成对应的代码，我们只需要告诉chatGPT，按照人员编号属性的样子生成其他属性就行了。
首先要生成定义所有属性的Lable，提示如下：
参照psn_no_display_Lab和psn_no_Lab两个Labe，生成上面数据的Label定义
private Label psn_no_display_Lab;private Label psn_no_Lab;//1 psn_no 人员编号 字符型 30 Y//2 psn_cert_type 人员证件类型 字符型 6 Y Y//3 certno 证件号码 字符型 50 Y//4 psn_name 人员姓名 字符型 50 Y//5 gend 性别 字符型 6 Y Y//6 naty 民族 字符型 3 Y//7 brdy 出生日期 日期型yyyy-MM-dd//8 age 年龄 数值型 4,1 Y//9 expContent 字段扩展 字符型 4000//参照psn_no_display_Lab和psn_no_Lab两个Labe，生成上面数据的Label定义
篇幅所限，没有粘贴生成的代码，这里每个属性会生成两个Lable的定义。
接下来，把BaseInfo属性生成对应的Lable给实现了，然后提示：
参照psn_no_display_Lab和psn_no_Lab两个Label，生成BaseInfo实体类中各属性对应的Label，其中注释作为每个**_display_Lab的Text值，生成硬编码，不要使用反射
psn_no_display_Lab = new Label();psn_no_Lab = new Label();SuspendLayout();//// psn_no_display_Lab//psn_no_display_Lab.AutoSize = true;psn_no_display_Lab.Location = new Point(39, 48);psn_no_display_Lab.Name = "psn_no_display_Lab";psn_no_display_Lab.Size = new Size(68, 17);psn_no_display_Lab.TabIndex = 0;psn_no_display_Lab.Text = "人员编号：";//// psn_no_Lab//psn_no_Lab.AutoSize = true;psn_no_Lab.Location = new Point(114, 47);psn_no_Lab.Name = "psn_no_Lab";psn_no_Lab.Size = new Size(49, 17);psn_no_Lab.TabIndex = 1;psn_no_Lab.Text = "psn_no";//// Form1//AutoScaleDimensions = new SizeF(7F, 17F);AutoScaleMode = AutoScaleMode.Font;ClientSize = new Size(800, 450);Controls.Add(psn_no_Lab);Controls.Add(psn_no_display_Lab);Name = "Form1";Text = "Form1";Load += Form1_Load;ResumeLayout(false);PerformLayout();//1 psn_no 人员编号 字符型 30 Y//2 psn_cert_type 人员证件类型 字符型 6 Y Y//3 certno 证件号码 字符型 50 Y//4 psn_name 人员姓名 字符型 50 Y//5 gend 性别 字符型 6 Y Y//6 naty 民族 字符型 3 Y//7 brdy 出生日期 日期型yyyy-MM-dd//8 age 年龄 数值型 4,1 Y//9 expContent 字段扩展 字符型 4000//参照psn_no_display_Lab和psn_no_Lab两个Label，生成BaseInfo实体类中各属性对应的Label，其中注释作为每个**_display_Lab的Text值，生成硬编码，不要使用反射
篇幅有限，没有把生成的代码粘上来，当然结果要与人中编号的两个lable相同，这里可能不同时刻生成的代码会有偏差，这时就要调整提示语句，反复尝试，以达到自己想要的结果。这时，回到设计界面，就会看到各个属性的对应Lable已经存在，这时，只需要按自己的顺序和设计排版就可以了。
再有就是当读卡后，要把返回的数据反写到上面定义的控件中，这里，我是用GithubCopilot实现的，当把人员编号赋值后，其他属性就Tab，Enter就可以了，当然，也可以让visual chatGPT studio来生成，你可以试试哦！
var person = new BaseInfo(){psn_no = "psn_no",psn_cert_type = "psn_cert_type",certno = "certno",psn_name = "psn_name",gend = "gend",naty = "naty",brdy = DateTime.Now,age = 1,expContent = "expContent"};psn_no_Lab.Text = person.psn_no;//借助Github Copilot，实现赋值psn_cert_type_Lab.Text = person.psn_cert_type;certno_Lab.Text = person.certno;psn_name_Lab.Text = person.psn_name;gend_Lab.Text = person.gend;naty_Lab.Text = person.naty;brdy_Lab.Text = person.brdy.ToString();age_Lab.Text = person.age.ToString();expContent_Lab.Text = person.expContent;
其实使用chatGPT最费时间的是，它生成的代码功能问题不大，可能规范与你期望的不一样，这时就可给样例，完善提示，增加引导，来达到自己想要的了。
