與ChatGPT結對編程怎么實現

今天小編給大家分享一下與ChatGPT結對編程怎么實現的相關知識點，內容詳細，邏輯清晰，相信大部分人都還太了解這方面的知識，所以分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后有所收獲，下面我們一起來了解一下吧。

如何編寫一個節點

編寫主干邏輯

我們以dsl_translator這個節點為例，一開始，我只是這么提問（并沒有，我只是演示一個錯誤示范）：

我想用nodeJS用下面的yaml描繪的數據結構得到一個新的數組:

base:
  steps: 10
  batch_size: 1
poly:
  - template_prompt:
      template: >
          a cat,
          ${ chara }
          ${ facial_expressions }
      meta:
        view_angle: 
          - side_view,
          - front_view,
        faal_expressions:
          - (smile:1.5),  
          - (smile:1.2),  
          - smile,

果然，ChatGPT也不慣著我，給出了我下面的代碼：

//......
const newArray = [];
data.poly.forEach(item => {
const obj = {
    template: item.template_prompt.template,
    meta: item.template_prompt.meta
};
newArray.push(obj);
});
console.log(newArray);

我仿佛聽到AI在說：“你就說是不是數組吧，你要數組，我給你數組，沒毛病~”

遇到這種問題，只能反思是自己沒說清楚，那么該怎么說清楚呢？

我們這個程序是服務于AI畫圖的，其實我們也可以從AI畫圖中借鑒不少經驗，比如說在AI畫圖中，有一個control net里的open pose技術，我可以畫個骨架，就像下面這樣：

我就可以用這個骨架圖去畫個穿靴子的貓，拿著個刺劍什么的。這個技術告訴我們什么呢？我們可以通過描述一個骨架來控制AI生成的內容。那么圖片可以，編程是不是也可以？

于是經過一段時間的摸索，最后我寫出了下面的描述：

我想用nodeJS用下面的yaml描繪的數據結構得到一個新的數組:

base:
  steps: 10
  batch_size: 1
poly:
  - template_prompt:
      template: >
          a cat,
          ${ chara }
          ${ facial_expressions }
      meta:
        chara: 
          - Abyssinian,
          - cat_in_boots,
        facial_expressions:
          - (smile:1.5),  
          - (smile:1.2),  
          - smile,

要求：

假設上面的yaml轉成json的轉換代碼我已經寫完了

我需要遍歷poly下的所有的頂層元素

遍歷過程中，要處理template_prompt元素的子元素：

從template中讀取作為模版。

讀取meta中的屬性，因為屬性可能每次都不一樣，是不確定的，所以不能硬編碼。

然后基于meta中的屬性，把template作為 string literal 解析，這個解析代碼我已經有了，假設名為render_string_template，可以不實現，留一個函數接口即可。

要遍歷組合meta中的屬性形成一個數組，比如chara 有兩個值，facial_expressions 有三個值，那么應該生成2*3也就是六組屬性放入這個數組中，這個數組和template會被傳入render_string_template函數，最后會獲得兩個prompt字符串

將生成的prompt字符串數組和template_prompt元素之外的其他元素合并成一個對象，要求在同一級別。prompt字符串數組有幾個元素，就會合并成幾個對象，并放入一個新數組中，我們稱之為ploys。

繼續遍歷，直到遍歷完所有頂層元素，所有元素都放入了polys中。polys是一個一維數組。

將ploys中的每一個元素與base中的屬性合成一個新的對象，base的屬性展開與prompt屬性同級，當ploys中的每一個元素的屬性名與base中的屬性名相同時，覆蓋base中的屬性。這些新對象組合出的數組就是我要的數組

可以看到，我在之前的prompt的后面加了很多的描述，其中的2-6就是用自然語言講了我期望這個函數實現整個過程的大概邏輯。這個手法就很像Open Pose。通過這個操作，我得到了我想要的代碼，畢竟這個邏輯不復雜。

邊界劃分

上面prompt的要求里除了表達了主干邏輯，其實也用了一些其他的技巧。比如“1. 假設上面的yaml轉成json的轉換代碼我已經寫完了”，“把template作為 string literal 解析，這個解析代碼我已經有了，假設名為render_string_template，可以不實現，留一個函數接口即可。”

這個呢有點像control net里的seg技術，他就是把圖片上的東西都分區域，就像下面這樣：

然后再生成的就靠譜很多，甚至你還可以對其中特定部分進行針對性的描述。這個技術就很適合用來控制AI生成的注意力焦點。

那么在我們這個例子，上面提到的那些描述就起到了seg的作用。他可以讓我們不用在一個prompt描述里編寫所有的細節，這對于復雜的邏輯很有幫助。因為即便是一個小節點，其實邏輯也可能有點復雜的，就像這里面，我們可以把meta數據與tempalte合并的功能延遲實現，只描述與他的交互，使生成的程序先把參數扔給它。有的時候，我們想要使用特定的庫，也可以用這個方式，比如我在另外一個場景下是這么實現的這個效果：

1. 讀取文件的fs，要使用const fs = require('fs/promise')引入。

2. 用js-yaml庫解析yaml。

通過這樣的技巧，我們就可以把代碼進行進一步的分解，讓我們更容易描述清楚我們想要部分的業務邏輯，而且也可以給我們節省點算力，畢竟ChatGPT生成的時候如果太長也會中斷，你讓他繼續的話，有時候也續不上。這個技巧就可以讓他專注于你希望他專注的地方，從而提高表現力。

功能迭代

上面的寫完之后呢，我發現一個問題，這個DSL還不是我想要的最終形態，對于同一套模板，我可能需要多種meta，因為有些屬性的組合是沒有意義的，我也不想浪費我寶貴的GPU。那么我們就不能太暴力的讓它窮舉所有的組合，我要針對同一個tempalte給他不同的屬性組合，所以meta的值就必須是個列表，大概如下所示：

base:
  steps: 10
  batch_size: 1
poly:
  - template_prompt:
      template: >
          a cat,
          ${ chara }
          ${ facial_expressions }
      meta:
        - chara: #  這里改成了數組
            - Abyssinian,
            - cat_in_boots,
          facial_expressions:
            - (smile:1.5),  
            - (smile:1.2),  
            - smile,

于是現在我們就面臨一個問題：改代碼。而這個時候就體現出我們之前拆任務的價值了，因為各個模塊都是隔離的，那就沒有什么改代碼，重新生成一份就好了，所以我改了改要求：

要求：

假設上面的yaml轉成json的轉換代碼我已經寫完了

我需要遍歷poly下的所有的頂層元素

遍歷過程中，要處理template_prompt元素的子元素：

從template中讀取作為模版。

讀取meta中的屬性，因為屬性可能每次都不一樣，是不確定的，所以不能硬編碼。

然后基于meta中的屬性，把template作為 string literal 解析，這個解析代碼我已經有了，假設名為render_string_template，可以不實現，留一個函數接口即可。

要遍歷組合meta中的每一個屬性組形成一個數組，

每一個屬性組可能只需要看做一個對象，當且僅當每一個屬性值都為單值

每一個屬性組可能也需要展開，當且僅當任何一個屬性值有多值，比如 chara 有兩個值，facial_expressions 有三個值，那么應該生成2*3也就是六組屬性放入這個數組中，這個數組和template會被傳入render_string_template函數，最后會獲得兩個prompt字符串

將生成的prompt字符串數組和template_prompt元素之外的其他元素合并成一個對象，要求在同一級別。prompt字符串數組有幾個元素，就會合并成幾個對象，并放入一個新數組中，我們稱之為ploys。

繼續遍歷，直到遍歷完所有頂層元素，所有元素都放入了polys中。polys是一個一維數組。

將ploys中的每一個元素與base中的屬性合成一個新的對象，base的屬性展開與prompt屬性同級，當ploys中的每一個元素的屬性名與base中的屬性名相同時，覆蓋base中的屬性。這些新對象組合出的數組就是我要的數組

改完要求，配上上面的DSL直接扔給了它，得到了我們想要的代碼。

所以在今天這個時刻，有些重構工作突然變得沒有那么大價值了，因為在劃定好的邊界里，重寫比重構更快，盡管兩次輸出的代碼并不一樣，但是他們的功能是一樣的。

以上就是“與ChatGPT結對編程怎么實現”這篇文章的所有內容，感謝各位的閱讀！相信大家閱讀完這篇文章都有很大的收獲，小編每天都會為大家更新不同的知識，如果還想學習更多的知識，請關注億速云行業資訊頻道。