以終為始

按照上一篇的架構(gòu)，我們整個(gè)程序最后寫(xiě)完的運(yùn)行視圖大概是下面這個(gè)樣子的：

可以看出我們的實(shí)際結(jié)果比我們上一篇文章考慮的還要復(fù)雜：

• 因?yàn)锳I生成的API不接受批量prompt處理，所以我們需要展開(kāi)負(fù)責(zé)表達(dá)簡(jiǎn)單排列組合的DSL-b生成一批DSL-b'，再由DSL-b'一對(duì)一轉(zhuǎn)成DSL-c
• 因?yàn)锳PI的限制，不是服務(wù)端生成文件讓我們?nèi)ハ螺d而，而是直接把base64給我們發(fā)回來(lái)，所以不得不自己存文件還得考慮太多了怎么分分文件夾
• 因?yàn)槲覀兊哪繕?biāo)是了解哪些關(guān)鍵字和其圖片好用，還得寫(xiě)點(diǎn)信息到png里，不然光看個(gè)圖片能看出什么來(lái)？(其實(shí)AI也寫(xiě)了一些進(jìn)去，但是畢竟是混編后的，不太好讀)。而由于nodejs技術(shù)欠缺，不得不還要調(diào)用python

但總的來(lái)說(shuō)，它還是上文那個(gè)架構(gòu)，只是每一層都只寫(xiě)了一個(gè)節(jié)點(diǎn)，畢竟個(gè)人用，也不需要那么多擴(kuò)展。而即便如此也是個(gè)挺復(fù)雜的結(jié)構(gòu)，這么復(fù)雜的結(jié)構(gòu)，自然不能一下生成出來(lái)，我們需要分塊實(shí)現(xiàn)，那么我們的每一塊要怎么實(shí)現(xiàn)呢？有什么套路呢？這將是我們接下來(lái)的內(nèi)容，內(nèi)容比較長(zhǎng)，這一篇我們先講生成代碼這一步的套路。

如何編寫(xiě)一個(gè)節(jié)點(diǎn)

編寫(xiě)主干邏輯

我們以dsl_translator這個(gè)節(jié)點(diǎn)為例，一開(kāi)始，我只是這么提問(wèn)（并沒(méi)有，我只是演示一個(gè)錯(cuò)誤示范）：

我想用nodeJS用下面的yaml描繪的數(shù)據(jù)結(jié)構(gòu)得到一個(gè)新的數(shù)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(tīng)到AI在說(shuō)：“你就說(shuō)是不是數(shù)組吧，你要數(shù)組，我給你數(shù)組，沒(méi)毛病~”

遇到這種問(wèn)題，只能反思是自己沒(méi)說(shuō)清楚，那么該怎么說(shuō)清楚呢？

我們這個(gè)程序是服務(wù)于AI畫(huà)圖的，其實(shí)我們也可以從AI畫(huà)圖中借鑒不少經(jīng)驗(yàn)，比如說(shuō)在AI畫(huà)圖中，有一個(gè)control net里的open pose技術(shù)，我可以畫(huà)個(gè)骨架，就像下面這樣：

我就可以用這個(gè)骨架圖去畫(huà)個(gè)穿靴子的貓，拿著個(gè)刺劍什么的。這個(gè)技術(shù)告訴我們什么呢？我們可以通過(guò)描述一個(gè)骨架來(lái)控制AI生成的內(nèi)容。那么圖片可以，編程是不是也可以？

于是經(jīng)過(guò)一段時(shí)間的摸索，最后我寫(xiě)出了下面的描述：

我想用nodeJS用下面的yaml描繪的數(shù)據(jù)結(jié)構(gòu)得到一個(gè)新的數(shù)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(shè)上面的yaml轉(zhuǎn)成json的轉(zhuǎn)換代碼我已經(jīng)寫(xiě)完了

我需要遍歷poly下的所有的頂層元素

遍歷過(guò)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?yàn)閷傩钥赡苊看味疾灰粯?，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(gè)解析代碼我已經(jīng)有了，假設(shè)名為render_string_template，可以不實(shí)現(xiàn)，留一個(gè)函數(shù)接口即可。

要遍歷組合meta中的屬性形成一個(gè)數(shù)組，比如chara 有兩個(gè)值，facial_expressions 有三個(gè)值，那么應(yīng)該生成2*3也就是六組屬性放入這個(gè)數(shù)組中，這個(gè)數(shù)組和template會(huì)被傳入render_string_template函數(shù)，最后會(huì)獲得兩個(gè)prompt字符串

將生成的prompt字符串?dāng)?shù)組和template_prompt元素之外的其他元素合并成一個(gè)對(duì)象，要求在同一級(jí)別。prompt字符串?dāng)?shù)組有幾個(gè)元素，就會(huì)合并成幾個(gè)對(duì)象，并放入一個(gè)新數(shù)組中，我們稱之為ploys。

繼續(xù)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(gè)一維數(shù)組。

將ploys中的每一個(gè)元素與base中的屬性合成一個(gè)新的對(duì)象，base的屬性展開(kāi)與prompt屬性同級(jí)，當(dāng)ploys中的每一個(gè)元素的屬性名與base中的屬性名相同時(shí)，覆蓋base中的屬性。這些新對(duì)象組合出的數(shù)組就是我要的數(shù)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(yǔ)言講了我期望這個(gè)函數(shù)實(shí)現(xiàn)整個(gè)過(guò)程的大概邏輯。這個(gè)手法就很像Open Pose。通過(guò)這個(gè)操作，我得到了我想要的代碼，畢竟這個(gè)邏輯不復(fù)雜。

邊界劃分

上面prompt的要求里除了表達(dá)了主干邏輯，其實(shí)也用了一些其他的技巧。比如“1. 假設(shè)上面的yaml轉(zhuǎn)成json的轉(zhuǎn)換代碼我已經(jīng)寫(xiě)完了”，“把template作為 string literal 解析，這個(gè)解析代碼我已經(jīng)有了，假設(shè)名為render_string_template，可以不實(shí)現(xiàn)，留一個(gè)函數(shù)接口即可。”

這個(gè)呢有點(diǎn)像control net里的seg技術(shù)，他就是把圖片上的東西都分區(qū)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(duì)其中特定部分進(jìn)行針對(duì)性的描述。這個(gè)技術(shù)就很適合用來(lái)控制AI生成的注意力焦點(diǎn)。

那么在我們這個(gè)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(gè)prompt描述里編寫(xiě)所有的細(xì)節(jié)，這對(duì)于復(fù)雜的邏輯很有幫助。因?yàn)榧幢闶且粋€(gè)小節(jié)點(diǎn)，其實(shí)邏輯也可能有點(diǎn)復(fù)雜的，就像這里面，我們可以把meta數(shù)據(jù)與tempalte合并的功能延遲實(shí)現(xiàn)，只描述與他的交互，使生成的程序先把參數(shù)扔給它。有的時(shí)候，我們想要使用特定的庫(kù)，也可以用這個(gè)方式，比如我在另外一個(gè)場(chǎng)景下是這么實(shí)現(xiàn)的這個(gè)效果：

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

2. 用js-yaml庫(kù)解析yaml。

通過(guò)這樣的技巧，我們就可以把代碼進(jìn)行進(jìn)一步的分解，讓我們更容易描述清楚我們想要部分的業(yè)務(wù)邏輯，而且也可以給我們節(jié)省點(diǎn)算力，畢竟ChatGPT生成的時(shí)候如果太長(zhǎng)也會(huì)中斷，你讓他繼續(xù)的話，有時(shí)候也續(xù)不上。這個(gè)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(xiàn)力。

功能迭代

上面的寫(xiě)完之后呢，我發(fā)現(xiàn)一個(gè)問(wèn)題，這個(gè)DSL還不是我想要的最終形態(tài)，對(duì)于同一套模板，我可能需要多種meta，因?yàn)橛行傩缘慕M合是沒(méi)有意義的，我也不想浪費(fèi)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(duì)同一個(gè)tempalte給他不同的屬性組合，所以meta的值就必須是個(gè)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(shù)組
            - Abyssinian,
            - cat_in_boots,
          facial_expressions:
            - (smile:1.5),  
            - (smile:1.2),  
            - smile,  

于是現(xiàn)在我們就面臨一個(gè)問(wèn)題：改代碼。而這個(gè)時(shí)候就體現(xiàn)出我們之前拆任務(wù)的價(jià)值了，因?yàn)楦鱾€(gè)模塊都是隔離的，那就沒(méi)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(shè)上面的yaml轉(zhuǎn)成json的轉(zhuǎn)換代碼我已經(jīng)寫(xiě)完了

我需要遍歷poly下的所有的頂層元素

遍歷過(guò)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?yàn)閷傩钥赡苊看味疾灰粯?，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(gè)解析代碼我已經(jīng)有了，假設(shè)名為render_string_template，可以不實(shí)現(xiàn)，留一個(gè)函數(shù)接口即可。

要遍歷組合meta中的每一個(gè)屬性組形成一個(gè)數(shù)組，

每一個(gè)屬性組可能只需要看做一個(gè)對(duì)象，當(dāng)且僅當(dāng)每一個(gè)屬性值都為單值

每一個(gè)屬性組可能也需要展開(kāi)，當(dāng)且僅當(dāng)任何一個(gè)屬性值有多值，比如 chara 有兩個(gè)值，facial_expressions 有三個(gè)值，那么應(yīng)該生成2*3也就是六組屬性放入這個(gè)數(shù)組中，這個(gè)數(shù)組和template會(huì)被傳入render_string_template函數(shù)，最后會(huì)獲得兩個(gè)prompt字符串

將生成的prompt字符串?dāng)?shù)組和template_prompt元素之外的其他元素合并成一個(gè)對(duì)象，要求在同一級(jí)別。prompt字符串?dāng)?shù)組有幾個(gè)元素，就會(huì)合并成幾個(gè)對(duì)象，并放入一個(gè)新數(shù)組中，我們稱之為ploys。

繼續(xù)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(gè)一維數(shù)組。

將ploys中的每一個(gè)元素與base中的屬性合成一個(gè)新的對(duì)象，base的屬性展開(kāi)與prompt屬性同級(jí)，當(dāng)ploys中的每一個(gè)元素的屬性名與base中的屬性名相同時(shí)，覆蓋base中的屬性。這些新對(duì)象組合出的數(shù)組就是我要的數(shù)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(gè)時(shí)刻，有些重構(gòu)工作突然變得沒(méi)有那么大價(jià)值了，因?yàn)樵趧澏ê玫倪吔缋?，重?xiě)比重構(gòu)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。

總結(jié)一下

我們首先概述了整個(gè)程序的最終運(yùn)行視圖，以及在實(shí)現(xiàn)過(guò)程中遇到的挑戰(zhàn)。然后我們以dsl_translator節(jié)點(diǎn)為例，講解了一些與ChatGPT結(jié)對(duì)編程的一些套路：

首先是編寫(xiě)主干邏輯，通過(guò)描述我們期望函數(shù)實(shí)現(xiàn)的邏輯，類似于Open Pose中的骨架圖，以控制AI生成的內(nèi)容。我發(fā)現(xiàn)很多人讓ChatGPT工作的時(shí)候總想給一句話需求，軟件還是很復(fù)雜的，必要的話，我們還是要把主干邏輯寫(xiě)出來(lái)。程序員有多討厭一句話需求，我想我不用多說(shuō)了，到咱們自己提需求的時(shí)候，可不能忘本。

接著我們介紹了通過(guò)類似于Control Net中的seg技術(shù)，我們將代碼進(jìn)行更細(xì)致的分解，這樣的技巧可以使AI專注于我們希望專注的地方，同時(shí)讓我們自己也更容易描述我們想要的業(yè)務(wù)邏輯，既節(jié)省算力，也能提升AI的表現(xiàn)。畢竟GPT-4還沒(méi)有廣泛使用，3000字還是個(gè)門(mén)檻。其實(shí)即便是廣泛使用了，我們不要忘了，AI這個(gè)東西生成總是不太穩(wěn)定的，如果你切得足夠小，成功率總是要高得多，而且你可以靠反復(fù)生成來(lái)達(dá)成某種自動(dòng)化，這個(gè)呢，我們下一篇文章討論。

接著我們面對(duì)了一個(gè)需要改代碼以加入新功能的場(chǎng)景，因?yàn)槲覀冎耙呀?jīng)進(jìn)行了設(shè)計(jì)，既然已經(jīng)拆分好了模塊，重新生成一份代碼來(lái)實(shí)現(xiàn)新的功能，比改代碼更快。第一次使用這個(gè)技巧的時(shí)候，我想起了流量地球里550C接入的時(shí)候，發(fā)出的提示音：正在生成底層操作系統(tǒng)。是的，對(duì)于AI來(lái)說(shuō)，重寫(xiě)比重構(gòu)更快。這個(gè)點(diǎn)極大地動(dòng)搖了軟件工程中好多具體實(shí)踐的根基，從這一刻起，面面俱到的文檔勝過(guò)了可以工作的代碼。具體到行為上的變化就是，我現(xiàn)在寫(xiě)代碼都會(huì)有意識(shí)的保存自己對(duì)AI提問(wèn)的prompt，并且我會(huì)在每個(gè)節(jié)點(diǎn)的根路徑上記錄下完善的技術(shù)文檔。

到此為止，我們把與ChatGPT結(jié)對(duì)寫(xiě)代碼中，怎么第一次把代碼寫(xiě)出來(lái)這一步的主要技巧給講的差不多了。但其實(shí)這還遠(yuǎn)遠(yuǎn)不夠，正如沒(méi)有ChatGPT的時(shí)代我們就知道的，第一次把代碼寫(xiě)出來(lái)所占軟件開(kāi)發(fā)的成本少得可憐，軟件開(kāi)發(fā)成本的絕大部分都是在后續(xù)迭代中花掉的。那么對(duì)于一個(gè)節(jié)點(diǎn)也是一樣的，盡管我們展示了一種重寫(xiě)優(yōu)于重構(gòu)的新思路，但這一篇也僅僅講了個(gè)思路，AI生成的不穩(wěn)定性依然是懸在我們心頭上的一把刀，所以我們接下來(lái)會(huì)講講更多的工程實(shí)踐來(lái)確保我們持續(xù)寫(xiě)出可信的代碼。

以上就是與ChatGPT結(jié)對(duì)編寫(xiě)實(shí)現(xiàn)代碼詳解的詳細(xì)內(nèi)容，更多關(guān)于ChatGPT編寫(xiě)代碼的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論