又一個明星項目誕生了！

GPT Pilot，一個AI開發(fā)者伴侶，可以從0開始構(gòu)建應(yīng)用程序，可以自己編寫代碼、配置開發(fā)環(huán)境、管理開發(fā)任務(wù)、調(diào)試代碼。

甚至，你可以隨時和它聊天提問，幫你解決開發(fā)難題。

圖片

項目地址：https://github.com/Pythagora-io/gpt-pilot

發(fā)布三個月，Github的熱度不斷增加，現(xiàn)在已經(jīng)有19k星。

圖片

代碼開發(fā)，95%交給AI

在項目主頁的介紹中，GPT Pilot的目的是研究在開發(fā)人員監(jiān)督實施的同時，GPT-4 可在多大程度上用于生成可完全正常運(yùn)行、可投入生產(chǎn)的應(yīng)用程序。

圖片

主要的想法是，人工智能可以為應(yīng)用程序編寫大部分代碼（可能是95%），但對于其余的5%，在我們獲得完整的AGI之前，現(xiàn)在和將來都需要開發(fā)人員。

圖片

那么它是具體如何工作的呢？開發(fā)者在一篇文章中具體介紹GPT Pilot工作流程。

GPT Pilot工作流程

首先，你需要輸入想要構(gòu)建的應(yīng)用程序的描述。

然后，GPT Pilot與GPT-4合作，明確應(yīng)用程序的要求，最后編寫代碼。它使用許多人工智能智能體，模仿開發(fā)機(jī)構(gòu)的工作流程。

圖片

- 在您描述完應(yīng)用程序后，「產(chǎn)品負(fù)責(zé)人」智能體會分解業(yè)務(wù)規(guī)格，并向你提問，以澄清任何不清楚的地方。

- 然后，「軟件架構(gòu)師」智能體分解技術(shù)要求，并列出將用于構(gòu)建應(yīng)用程序的技術(shù)。

- DevOps智能體根據(jù)體系結(jié)構(gòu)在機(jī)器上配置環(huán)境。

- 「技術(shù)團(tuán)隊首席」智能體將應(yīng)用程序開發(fā)流程分解為開發(fā)任務(wù)，每個任務(wù)需要具備：

最后，開發(fā)人員和Code Monkey智能體一個接一個地處理任務(wù)，開始編寫應(yīng)用程序。

開發(fā)人員將每個任務(wù)分解為較小的步驟，這些步驟是較低級別的技術(shù)要求，可能不需要人工審查或使用自動測試（如安裝一些程序包）。

圖片

GPT Pilot三大支柱

支柱1：開發(fā)人員需要參與應(yīng)用程序的創(chuàng)建過程

當(dāng)前，我們離可以連接到CLI，并自行創(chuàng)建任何應(yīng)用程序的LLM還很遙遠(yuǎn)。

因此，為了讓AI生成一個完全正常工作的應(yīng)用程序，我們需要允許它與負(fù)責(zé)監(jiān)督開發(fā)過程的開發(fā)人員密切合作，并在AI編寫大部分代碼的同時擔(dān)任技術(shù)團(tuán)隊負(fù)責(zé)人。

因此，開發(fā)人員需要能夠隨時更改代碼，而GPT Pilot需要繼續(xù)處理這些更改。

以下是開發(fā)人員可以干預(yù)開發(fā)過程的領(lǐng)域：

在每個開發(fā)任務(wù)完成后，開發(fā)人員應(yīng)該檢查它并確保它按預(yù)期工作。

在每次失敗的測試或命令運(yùn)行之后-開發(fā)人員可能更容易調(diào)試一些東西。

支柱2：應(yīng)用程序需要一步一步地進(jìn)行編碼

圖片

和人類一樣，AI編碼肯定會犯錯誤，所以為了讓它更容易地進(jìn)行調(diào)試，并讓開發(fā)人員了解生成的代碼中發(fā)生了什么，AI不應(yīng)該只是一次吐出整個代碼庫。

相反，應(yīng)用程序應(yīng)該像開發(fā)人員一樣一步一步地生成和調(diào)試。

如果GPT Pilot一步一步地創(chuàng)建一款應(yīng)用程序，人工智能和監(jiān)督它的開發(fā)人員都將能夠更容易地解決問題，整個開發(fā)過程也將更加順利。

支柱3：GPT Pilot需要具有可擴(kuò)展性

GPT Pilot必須能夠創(chuàng)建可投入生產(chǎn)的大型應(yīng)用程序，而不僅僅是小型應(yīng)用程序，在小型應(yīng)用程序中，整個代碼庫都可以融入LLM環(huán)境。

問題是，LLM 的所有學(xué)習(xí)都是在上下文中完成的。也許有一天，LLM可以針對每個具體項目進(jìn)行微調(diào)，但現(xiàn)在看來，這將是一個非常緩慢和冗余的過程。

GPT Pilot解決這個問題的方式是使用上下文回溯（context rewinding）、遞歸對話和TDD。

上下文回溯

上下文回溯背后的想法相對簡單，對于解決每個開發(fā)任務(wù)，給LLM發(fā)送的第一條消息的上下文大小必須相對相同。

例如，在實現(xiàn)開發(fā)任務(wù)#5時，大模型的第一條信息上下文大小必須與開發(fā)任務(wù)#50 時的第一條信息大致相同。

因此，在執(zhí)行每項任務(wù)時，對話都需要回溯到第一條信息。

從本質(zhì)上講，當(dāng)GPT Pilot創(chuàng)建代碼時，它會為編寫的每個代碼塊生成偽代碼，并為它需要創(chuàng)建的每個文件和文件夾創(chuàng)建描述。

圖片

遞歸對話

遞歸對話是與LLM的對話，如果GPT Pilot檢測到一個錯誤，它需要對其進(jìn)行調(diào)試，但假設(shè)在調(diào)試過程中發(fā)生了另一個錯誤。

然后，GPT Pilot需要停止調(diào)試第一個問題，修復(fù)第二個問題，然后重新開始修復(fù)第一個問題。

開發(fā)者認(rèn)為，這是一個關(guān)鍵的概念，需要努力讓人工智能構(gòu)建大型且可擴(kuò)展的應(yīng)用程序。它的工作原理是回溯上下文，并分別解釋遞歸中的每個錯誤。

一旦修復(fù)了最深層的錯誤，我們就在遞歸中向上移動，并繼續(xù)修復(fù)錯誤，直到整個遞歸完成。

TDD（測試驅(qū)動開發(fā))

GPT Pilot要擴(kuò)展代碼庫、改進(jìn)代碼庫、更改需求和添加新功能，它需要能夠在不破壞以前編寫的代碼的情況下創(chuàng)建新代碼。

沒有比使用TDD方法更好的方法了。

對于GPT Pilot編寫的所有代碼，它需要編寫檢查代碼是否按預(yù)期工作的測試，以便無論何時進(jìn)行新的更改，都可以運(yùn)行所有回歸測試，以檢查是否有任何故障。

參考資料：

https://github.com/Pythagora-io/gpt-pilot