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

>>: 

推薦する

AI動画の「ちらつき」問題が解決しました!動画スタイルを簡単に変更、北京大学卒業生の作品

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

ヘルスケアにおけるAI導入が難しい理由

私たちはほぼ毎日、人工知能と医療業界におけるその応用に関する最新の記事を読んでおり、医療機関などのク...

...

知遠の「盗作スキャンダル」最新報道:盗作2件、不正引用4件、関係者全員が自主辞任

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

YouTubeの推奨アルゴリズムは潜在的に有害な動画を優先すると言われている

Mozilla の調査により、YouTube の推奨アルゴリズムは、ヘイトスピーチ、政治的および科学...

カーネルCF: 推薦システムのための最適リコール戦略

著者 | 王昊レビュー | Chonglouレコメンデーションシステムは誕生以来、特にインターネット...

脳の治癒、人間と機械の共生、マスク氏は「脳コンピューターインターフェース」を擁護

[[316164]]天才イーロン・マスクについて語るとき、多くの人はまずテスラを思い浮かべるでしょう...

...

独自の大規模言語モデルを展開する 5 つの方法

これは歴史上最も急速に成長している新技術です。生成 AI は世界を変え、画像、ビデオ、オーディオ、テ...

機械学習プロジェクトにおけるデータの前処理とデータ ラングリング

要点一般的な機械学習/ディープラーニング プロジェクトでは、データ準備が分析パイプライン全体の 60...

...

AI 導入の謎を解明: クラウドとエッジ

現在、ディープラーニング テクノロジーを展開できる方法としては、デバイス上への直接展開、クラウド内へ...

Github で最も注目されている機械学習イノベーション プロジェクト 7 つ

最新の機械学習開発と最先端のコードを持つプラットフォームはどれでしょうか? そう、GitHub です...

普及モデルはどのようにして新しい世代の意思決定エージェントを構築するのでしょうか?自己回帰を超えて長いシーケンス計画軌道を生成する

部屋の中に立っていて、ドアに向かって歩こうとしていると想像してください。自己回帰を使用して、一歩ずつ...

5400億パラメータの大規模モデル進化ツリーが大幅に更新されました!最も詳細なプロンプトスキルを備えた85ページのLLM開発履歴

4月にリリースされるや否や開発者コミュニティで話題となった大規模言語モデルの概要が更新されました!こ...