GPT-Engineerは一夜にして人気になりました! 1 つのプロンプトでコードベース全体を生成し、GitHub のスター数が 19,000 に急上昇

GPT-Engineerは一夜にして人気になりました! 1 つのプロンプトでコードベース全体を生成し、GitHub のスター数が 19,000 に急上昇

AutoGPT に続いて、もう一つのスター プロジェクトが誕生しました。

GPT-Engineer は一夜にして人気となり、GitHub プロジェクトは 19,000 個のスターを獲得しました。

指示に基づいてコードを生成する AI ツールです。コードベース全体を直接構築するには、「口を動かす」だけです。

プロジェクトアドレス: https://github.com/AntonOsika/gpt-engineer

あなたのコーディングスタイルを学習することもできるので、わずか数分でコーディング プロジェクトを完了できます。

ネットユーザーたちは、我々はAGIに一歩近づいたと言っている。

プログラマーは再び排除されようとしています。

コードベースを作成するためのアドバイス

わずか 1 週間で、GPT-Engineer は GitHub 上で非常に人気となり、多くの開発者を魅了しました。

どれくらい魅力的ですか?

このプロジェクトの主著者であるアントン・オシカ氏は、6月11日に初めてGPT-Engineerをリリースし、このAIツールの最大の特徴を紹介しました。

- 1つのプロンプトでコードベースを生成

- 説明が必要な質問をする

- 技術仕様を生成する

- 必要なコードをすべて記述する

- 独自の推論手順、変更、実験を簡単に追加できます

- オープンソースプロジェクト

- 数分でコーディングを完了できます

将来、開発者はコードを 1 行も書く必要がなくなり、プロジェクトの作成が友人とチャットするのと同じくらい簡単になると想像してみてください。

これは単なるプロジェクトではなく、未来を垣間見るものです。

GPT-Engineer は、ソフトウェア作成の未来は人間と機械が相互にコミュニケーションする時代になることを示しています。

さらに、GitHubによると、GPT-Engineerの主なプロジェクトコンセプトが紹介されています。

- 使いやすく、ユーザーに価値を提供できること。

- 柔軟かつ簡単に新しい「AI ステップ」を追加できます。

- 高度なプロンプトをサポートし、ユーザーのフィードバックを記憶します。

- AIと人間を素早く切り替える機能。

- すべての計算は「再開可能」であり、ファイル システムに保存されます。

このプロジェクトのユニークな点は、開発者が要件をテキスト ファイルで提出し、GPT-Engineer がこれらの要件を無条件に受け入れるのではなく、プログラマーが不足している詳細を明確にできるように多くの詳細な質問をすることです。

全体のプロセスは、(1)要件精緻化促進フェーズと(2)ソフトウェア構築フェーズの2つのフェーズで実行されます。

最初のフェーズの手順は次のとおりです。

ソフトウェア要件を含むユーザー提供のテキスト ファイルは GPT-Engineer に送信され、明確化の質問を識別するための指示とともに、OpenAI の GPT への最初のメッセージに配置されます。

GPT-Engineer システムは、OpenAI GPT-4 からフィードバックを受け取り、明確にする必要があるものを理解し、ユーザーに明確にするよう促す質問に応答します。

GPT-Engineer は、すべての問題が OpenAI GPT-4 の満足のいくまで解決されるまでこのプロセスを繰り返します。

第 2 フェーズの手順は次のとおりです。

前の段階で洗練された要件は、OpenAI の GPT 命令 (つまり、システム プロンプト) と、GPT-Engineer が期待する別の出力命令セット (つまり、ユーザー プロンプト) と一緒にパッケージ化されます。

GPT-Engineer は OpenAI GPT-4 からの応答を受信し、次に…

GPT-Engineer は、ユーザーに指示を提供するソフトウェア プロジェクトのソース コード ファイルを作成します。

ヘビの実践

ここまでお話ししましたが、試してみてはいかがでしょうか?マルチプレイヤーのスネークウェブゲームを作成します。

いくつかの重要なヒントを入力するだけです:

MVC コンポーネントを備えた Python バックエンドを使用する場合、ビューは、生成したコードを HTML および JS で直接実行して、すべてのプレーヤーに状態をストリーミングする必要があります。

このゲーム コード生成では、GPT-Engineer はいくつかの詳細な質問に引き続き回答するように求めます。

ゲームのルールと仕組み: ヘビは具体的にどのように動き、成長し、他のプレイヤーとどのようにやり取りするのでしょうか? パワーアップや特別なゲームプレイ要素はありますか?

プレイヤーの接続性: ゲームに参加できるプレイヤーの数はどれくらいですか? ロビーやマッチメイキングはありますか?

ゲーム状態の更新: ゲーム状態はどのくらいの頻度で更新されますか? 状態はどのくらいの頻度でプレイヤーにストリーミングされますか? 遅延はどのくらいですか?

ユーザー インターフェース: ゲーム インターフェースはどのようになっていますか?特別なデザイン要件や好みはありますか?

ゲームコントロール: プレイヤーはどのようにしてヘビをコントロールするのでしょうか?他にコントロールや設定はありますか?

ゲームオーバー条件: ゲームはどのように終了しますか?評価システムやランキングリストはありますか?

コード構造: Python バックエンド、HTML、JavaScript コードの構成に関して、特別な要件はありますか?

これらの質問に答えるだけで、GPT-Engineer はこの情報に基づいて目標を達成するために必要なファイル、クラス、メソッドのリストを表示します。

具体的な手順はすぐにわかりました。

ついに完璧なスネークゲームコードが完成しました。

ネットユーザーからの熱いコメント

ネットユーザーによると、生成されたコードの問題を修正するには、コード自体を書くよりも時間がかかることが多いため、「問題を明確にする」ことがGPT-Engineerを本当に際立たせているという。これは正しい方向への大きな一歩のように思えます。

学生時代にこんな武器があったらよかったのに。

一部のネットユーザーは、GPT-EngineerとGPT-4の違いについても混乱しています。

しかし、このプロジェクトの人気にもかかわらず、あるネットユーザーがGPT-Engineerをテストし、その経験を次のように語っています。

セットアップが難しい

実際にファイルを作成するわけではなく、コマンドラインから一度だけ実行できるだけです(つまり、デバッグはできません)。

ChatGPT4に匹敵

要するに、理想は満ち溢れているが、現実は乏しいのだ。

一部のネットユーザーもベンチマークの問題点を指摘した。

gpt-engineer はいくつかの簡単なプログラミング タスクを実行し、それらをベンチマークとして使用します。 currency_converter はすぐに開発できますが、pomodoro_timer を適切にコーディングすることはできません (まだ!)

インストール方法

安定バージョンまたは開発バージョンのいずれかを選択します。

安定版リリースの場合:

- gpt-engineer を pip でインストールします

開発バージョンの場合:

- gitクローン[email protected]:AntonOsika/gpt-engineer.git

-cd gptエンジニア

- インストールする

- ソース venv/bin/activate

設定

GPT4 アクセス権限を持つ API キーを使用して実行します。

- export OPENAI_API_KEY=[APIキー]

走る

空のフォルダを作成します。リポジトリ内にある場合は、以下を実行できます。

-cp -r プロジェクト/例/ プロジェクト/新しいプロジェクト

- 新しいフォルダ内のmain_promptファイルに記入します

- 実行: gpt-engineer projects/my-new-project

結果

- projects/my-new-project/workspace に生成されたファイルを確認します

制限

Reaffon のような追加の思考チェーンプロンプトを使用すると、信頼性が高まり、メインプロンプトで要求された機能を見逃すことがなくなります。

特徴

identity フォルダー内のファイルを編集することで、AI エージェントの「ID」を指定できます。

「identity」を編集し、main_prompt を改善することは、エージェントにプロジェクト間のことを覚えさせる方法です。

steps.py の各ステップでは、GPT4 との会話履歴がログ フォルダーに保存され、scripts/rerun_edited_message_logs.py を使用して再実行できます。

プロジェクトの主な著者

アントン・オシカ

Anton Osika は Depict.ai の最高技術責任者です。最先端の機械学習、コンピュータービジョン、自然言語処理を通じて商品を理解する機械学習レコメンデーションシステムを開発するスタートアップです。

わずか 4 時間前、彼は GPT-Engineer が 17,000 個のスターに急上昇し、減速の兆候は見られないというステータスを投稿しました。

<<:  AlphaDev がソートアルゴリズムを 70% 高速化! C言語ライブラリの作者がDeepMindの最新AIについて解説

>>: 

ブログ    
ブログ    

推薦する

...

エンタープライズITがAIを実際に適用できる場所

人工知能は、さまざまなエンタープライズ システム、特に分析や異常検出のユース ケースで実際に応用され...

...

役に立つ知識の無用性:AI技術は現代の錬金術か?

[[431348]]人工知能は新時代の錬金術となるのか?著名なAI研究者のアリ・ラヒミ氏らによると...

第2世代GANネットワークの台頭? DALL·E Miniのグラフィックが恐ろしく、外国人も大興奮!

現在、GoogleやOpenAIなどの大手企業が開発したテキストから画像へのモデルは、興味深いニュー...

2022年に注目すべき6つのAIトレンド

AIは急速に私たちの日常生活に入り込んできており、近い将来、AIと人間の境界線を見分けることが難しく...

OpenAI: LLMはテストを受けていることを感知し、合格するために情報を隠して人間を騙す | 対策も添付

AIはここまでの発展を経て意識を獲得したのでしょうか?数日前、チューリング賞受賞者のベンジオ氏が参加...

AIの最下層に突入! NUSのYou Yang氏のチームは拡散モデルを使用してニューラルネットワークパラメータを構築したとLeCun氏は称賛した。

拡散モデルは新たな大きな応用をもたらしました——ソラが動画を生成するのと同じように、ニューラルネット...

PyTorch を使用した Mixture of Experts (MoE) モデルの実装

Mixtral 8x7B の発売は、オープン AI の分野、特に Mixture-of-Expert...

...

中国の新世代人工知能の新たなハイライトは何ですか?

[[255971]] 「インターネット+」から「AI+」まで、人工知能技術は経済と社会の発展に大き...

今日のトーク: 人工知能、ロボット、そして中国のバレンタインデー

[[417375]]あと一日で中国のバレンタインデーになります。遠く離れたアルタイルと明るいベガは、...

トップ 10 の AI フレームワークとリポジトリのレビュー、その長所と短所の分析

[51CTO.com クイック翻訳] 人工知能は決して新しいものではありませんが、科学の分野では古く...

人間が理解できる音声を合成するために、機械はどのような「ディープラーニング」を行っているのでしょうか?

ディープラーニングは2006年に登場して以来、近年急速に発展し、学術研究と企業アプリケーションの両方...

米メディア予測:2021年の人工知能の4大トレンド

9月21日、米フォーブス隔週刊ウェブサイトは「2021年の人工知能の4大トレンド」と題するレポートを...