又一个明星项目诞生了！
GPT Pilot，一个AI开发者伴侣，可以从0开始构建应用程序，可以自己编写代码、配置开发环境、管理开发任务、调试代码。
甚至，你可以随时和它聊天提问，帮你解决开发难题。
图片
项目地址：https://github.com/Pythagora-io/gpt-pilot
发布三个月，Github的热度不断增加，现在已经有19k星。
图片
代码开发，95%交给AI
在项目主页的介绍中，GPT Pilot的目的是研究在开发人员监督实施的同时，GPT-4 可在多大程度上用于生成可完全正常运行、可投入生产的应用程序。
图片
主要的想法是，人工智能可以为应用程序编写大部分代码（可能是95%），但对于其余的5%，在我们获得完整的AGI之前，现在和将来都需要开发人员。
图片
那么它是具体如何工作的呢？开发者在一篇文章中具体介绍GPT Pilot工作流程。
GPT Pilot工作流程
首先，你需要输入想要构建的应用程序的描述。
然后，GPT Pilot与GPT-4合作，明确应用程序的要求，最后编写代码。它使用许多人工智能智能体，模仿开发机构的工作流程。
图片
- 在您描述完应用程序后，「产品负责人」智能体会分解业务规格，并向你提问，以澄清任何不清楚的地方。
- 然后，「软件架构师」智能体分解技术要求，并列出将用于构建应用程序的技术。
- DevOps智能体根据体系结构在机器上配置环境。
- 「技术团队首席」智能体将应用程序开发流程分解为开发任务，每个任务需要具备：
最后，开发人员和Code Monkey智能体一个接一个地处理任务，开始编写应用程序。
开发人员将每个任务分解为较小的步骤，这些步骤是较低级别的技术要求，可能不需要人工审查或使用自动测试（如安装一些程序包）。
图片
GPT Pilot三大支柱
支柱1：开发人员需要参与应用程序的创建过程
当前，我们离可以连接到CLI，并自行创建任何应用程序的LLM还很遥远。
因此，为了让AI生成一个完全正常工作的应用程序，我们需要允许它与负责监督开发过程的开发人员密切合作，并在AI编写大部分代码的同时担任技术团队负责人。
因此，开发人员需要能够随时更改代码，而GPT Pilot需要继续处理这些更改。
以下是开发人员可以干预开发过程的领域：
在每个开发任务完成后，开发人员应该检查它并确保它按预期工作。
在每次失败的测试或命令运行之后-开发人员可能更容易调试一些东西。
支柱2：应用程序需要一步一步地进行编码
图片
和人类一样，AI编码肯定会犯错误，所以为了让它更容易地进行调试，并让开发人员了解生成的代码中发生了什么，AI不应该只是一次吐出整个代码库。
相反，应用程序应该像开发人员一样一步一步地生成和调试。
如果GPT Pilot一步一步地创建一款应用程序，人工智能和监督它的开发人员都将能够更容易地解决问题，整个开发过程也将更加顺利。
支柱3：GPT Pilot需要具有可扩展性
GPT Pilot必须能够创建可投入生产的大型应用程序，而不仅仅是小型应用程序，在小型应用程序中，整个代码库都可以融入LLM环境。
问题是，LLM 的所有学习都是在上下文中完成的。也许有一天，LLM可以针对每个具体项目进行微调，但现在看来，这将是一个非常缓慢和冗余的过程。
GPT Pilot解决这个问题的方式是使用上下文回溯（context rewinding）、递归对话和TDD。
上下文回溯
上下文回溯背后的想法相对简单，对于解决每个开发任务，给LLM发送的第一条消息的上下文大小必须相对相同。
例如，在实现开发任务#5时，大模型的第一条信息上下文大小必须与开发任务#50 时的第一条信息大致相同。
因此，在执行每项任务时，对话都需要回溯到第一条信息。
从本质上讲，当GPT Pilot创建代码时，它会为编写的每个代码块生成伪代码，并为它需要创建的每个文件和文件夹创建描述。
图片
递归对话
递归对话是与LLM的对话，如果GPT Pilot检测到一个错误，它需要对其进行调试，但假设在调试过程中发生了另一个错误。
然后，GPT Pilot需要停止调试第一个问题，修复第二个问题，然后重新开始修复第一个问题。
开发者认为，这是一个关键的概念，需要努力让人工智能构建大型且可扩展的应用程序。它的工作原理是回溯上下文，并分别解释递归中的每个错误。
一旦修复了最深层的错误，我们就在递归中向上移动，并继续修复错误，直到整个递归完成。
TDD（测试驱动开发)
GPT Pilot要扩展代码库、改进代码库、更改需求和添加新功能，它需要能够在不破坏以前编写的代码的情况下创建新代码。
没有比使用TDD方法更好的方法了。
对于GPT Pilot编写的所有代码，它需要编写检查代码是否按预期工作的测试，以便无论何时进行新的更改，都可以运行所有回归测试，以检查是否有任何故障。
参考资料：
https://github.com/Pythagora-io/gpt-pilot