gpt-pilot - 可扩展开发工具的 PoC，该工具从头开始编写整个应用程序，同时开发人员监督实施
🧑 ✈️ GPT试点
GPT Pilot 是一个真正的 AI 开发人员，可以编写代码、调试代码、在需要帮助时与你交谈等。
你可以指定要构建的应用类型。然后，GPT Pilot 提出澄清问题，创建产品和技术要求，设置环境，并像在现实生活中一样逐步开始对应用程序进行编码，同时你监督开发过程。它要求你查看它完成的每项任务，或者在遇到困难时提供帮助。这样，GPT Pilot 就充当编码员，而你是审查代码并在需要时提供帮助的首席开发人员。
GPT Pilot 是 VS Code 扩展的核心技术，旨在提供第一个真正的 AI 开发人员伴侣。不仅仅是一个自动完成或公关消息的助手，而是一个真正的人工智能开发人员，可以编写完整的功能，调试它们，与你讨论问题，要求审查等。
📫 如果你想获得有关未来版本的更新或只是取得联系，你可以在此处添加你的电子邮件。📬
- 🔌 要求
- 🚦如何开始使用 gpt-pilot？
- 🧑 💻️ CLI 参数
- 🔎 例子
- 🏛 GPT Pilot 的主要支柱
- 🏗 GPT Pilot 如何工作？
- 🕴GPT Pilot 与 Smol 开发人员和 GPT 工程师有何不同？
- 🍻 贡献
- 🔗 联系我们
- 🌟 明星历史
GPT Pilot 旨在研究在开发人员监督实施的同时，可以利用多少 GPT-4 来生成完全正常工作的生产就绪应用程序。
主要思想是，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。
我在以下博客文章中分解了 GPT Pilot 背后的想法及其工作原理：
[第 1/3 部分]高级概念 + GPT Pilot 工作流程，直到编码部分
[第 3/3 部分]其他重要概念和未来计划（即将到来）
https://github.com/Pythagora-io/gpt-pilot/assets/10895136/0495631b-511e-451b-93d5-8a42acf22d3d
🔌 要求
- 蟒蛇 3.9+
-
PostgreSQL（可选，默认数据库为 SQLite）
- 出于多种原因，例如继续开发应用程序，需要数据库。如果必须在任何时候停止或应用程序崩溃，请返回特定步骤，以便你可以更改开发中的一些后续步骤，并更轻松地调试，将来我们将添加功能以更新项目（更改现有项目中的某些内容或向项目添加新功能等）。
🚦如何开始使用 gpt-pilot？
👉 如果你使用 VS Code 作为 IDE，最简单的开始方法是下载 GPT Pilot VS Code 扩展。👈
否则，你可以使用 CLI 工具。
安装 Python 和（可选）PostgreSQL 后，请执行以下步骤：
-
git clone https://github.com/Pythagora-io/gpt-pilot.git
（克隆存储库） cd gpt-pilot
-
python -m venv pilot-env
（创建虚拟环境） -
source pilot-env/bin/activate
（或在 Windows 上）（激活虚拟环境）pilot-env\Scripts\activate
-
pip install -r requirements.txt
（安装依赖项） cd pilot
-
mv .env.example .env
（或在 Windows 上）（创建 .env 文件）copy .env.example .env
- 将环境添加到文件：
.env
- LLM 提供程序 （OpenAI/Azure/Openrouter）
- 你的 API 密钥
- 数据库设置：SQLite/PostgreSQL（要从 SQLite 更改为 PostgreSQL，只需将
DATABASE_TYPE=postgres
) - （可选）为不应在工作区中由 GPT Pilot 跟踪的文件夹设置IGNORE_FOLDERS，这对于忽略编译器创建的文件夹（即
IGNORE_FOLDERS=folder1,folder2,folder3
)
-
python db_init.py
（初始化数据库） -
python main.py
（启动 GPT Pilot）
之后，你只需按照终端中的说明进行操作即可。
所有生成的代码都将存储在文件夹内的文件夹中，该文件夹以你在启动试点时输入的应用名称命名。
workspace
🐳 如何在docker中启动gpt-pilot？
-
git clone https://github.com/Pythagora-io/gpt-pilot.git
（克隆存储库） - 更新环境变量，这可以通过 完成。如果你想使用本地模型，请转到 https://localai.io/basics/getting_started/。
docker-compose.yml
docker compose config
- 默认情况下，GPT Pilot 将在你的计算机上读取和写入，你也可以在
~/gpt-pilot-workspace
docker-compose.yml
- 跑。这将为你构建一个 gpt-pilot 容器。
docker compose build
- 跑。
docker compose up
- 访问 web 终端
port 7681
-
python db_init.py
（初始化数据库） -
python main.py
（启动 GPT Pilot）
这将启动两个容器，一个是由 构建的新映像，另一个是 Postgres 数据库。新映像还安装了 ttyd，以便你可以轻松地与 gpt-pilot 进行交互。节点也安装在映像上，并且端口 3000 公开。
Dockerfile
🧑 💻️ CLI 参数
app_type
和name
如果未提供，ProductOwner 将要求提供以下值：
app_type用作对 LLM 的提示，说明将适用什么样的架构、语言选项和约定。如果没有提供，将要求它。
prompts.prompts.ask_for_app_type()
请参阅：“Web 应用程序”、“脚本”、“移动应用程序”、“Chrome 扩展程序”
const.common.APP_TYPES
app_id
和workspace
继续使用 app_id 处理现有应用
python main.py app_id=<ID_OF_THE_APP>或工作区路径：
python main.py workspace=<PATH_TO_PROJECT_WORKSPACE>每个用户都可以为每个应用程序拥有自己的工作区路径。
user_id
和email
password
这些值将保存到数据库的 User 表中。
python main.py user_id=me_at_work如果未指定，则默认为 OS 用户名，但如果 OS 用户名与 GitHub 或工作用户名不同，则可以显式提供。此值用于在提供 arg 时加载配置。
user_id
App
workspace
如果未指定，则从文件存在时进行解析。
~/.gitconfig
参见 arguments.password / User.password 的目的是什么？
advanced
默认情况下，架构师支持某些技术，包括：
- 节点.JS
- MongoDB数据库
- PeeWee ORM
- Jest 和 PyUnit
- 启动
- Vanilla JavaScript
- Socket.io
如果你有自己的偏好，可以与架构师进行更深入的对话。
python main.py advanced=Truestep
从特定步骤继续处理现有应用（例如：
user_tasks)
python main.py app_id=<ID_OF_THE_APP> step=<STEP_FROM_CONST_COMMON>skip_until_dev_step
从特定开发步骤继续处理现有应用
python main.py app_id=<ID_OF_THE_APP> skip_until_dev_step=<DEV_STEP>这与开发过程中基本相同，但在开发过程中。如果你想玩 gpt-pilot，这可能是你经常使用的标志。
step
擦除之前完成的所有开发步骤，并从开发开始继续处理现有应用程序。
python main.py app_id=<ID_OF_THE_APP> skip_until_dev_step=0theme
python main.py theme=lightpython main.py theme=dark- 深色模式。
delete_unrelated_steps
update_files_before_start
🔎 例子
以下是 GPT Pilot 自行创建的几个示例应用程序：
📱 实时聊天应用程序
- 💬 提示：
A simple chat app with real-time communication
▶️ 应用创建过程的视频- 💻️ GitHub 存储库
📝 Markdown 编辑器
- 💬 提示：
Build a simple markdown editor using HTML, CSS, and JavaScript. Allow users to input markdown text and display the formatted output in real-time.
▶️ 应用创建过程的视频- 💻️ GitHub 存储库
⏱️ 计时器应用
- 💬 提示：
Create a simple timer app using HTML, CSS, and JavaScript that allows users to set a countdown timer and receive an alert when the time is up.
▶️ 应用创建过程的视频- 💻️ GitHub 存储库
🏗 GPT Pilot 如何工作？
以下是 GPT Pilot 创建应用的步骤：
- 输入应用名称和说明。
- 产品负责人代理会问几个问题，以便更好地理解需求。
- 产品负责人代理编写用户故事并询问你是否都正确（这有助于它稍后创建代码）。
- 架构师代理编写将用于应用程序的技术。
- DevOps代理检查计算机上是否安装了所有技术，如果没有，则安装它们。
- 技术主管代理编写开发人员必须实现的开发任务。这是一个重要的部分，因为对于每个步骤，技术主管都需要指定用户（实际开发人员）如何查看任务是否完成（例如，打开 localhost：3000 并执行某些操作）。
- 开发人员代理接受每项任务，并写下实现该任务需要执行的操作。描述采用人类可读的形式。
- 最后，Code Monkey 代理获取开发人员的描述和现有文件并实现更改。我们意识到这比立即将其交给开发人员来实施更改要好得多。
有关 GPT Pilot 雇用的代理人角色的更多详细信息，请查看 AGENTS.md
🕴GPT Pilot 与 Smol 开发人员和 GPT 工程师有何不同？
-
GPT Pilot 与开发人员合作创建一个完全可用的生产就绪应用程序——我认为 AI 不能（至少在不久的将来）在没有开发人员参与的情况下创建应用程序。因此，GPT Pilot 可以像开发人员在现实生活中一样逐步对应用程序进行编码。这样，它可以在整个开发过程中出现问题时对其进行调试。如果它卡住了，你（负责的开发人员）可以查看代码并解决问题。其他类似的工具可以一次为你提供整个代码库 - 这样，对于 AI 和开发人员来说，错误更难修复。
- 大规模工作 - GPT Pilot 并不意味着创建简单的应用程序，而是它可以在任何规模下工作。它具有过滤掉代码的机制，因此在每个 LLM 对话中，它不需要将整个代码库存储在上下文中，但它只向 LLM 显示它正在处理的当前任务的相关代码。应用程序完成后，你可以通过编写有关要添加的功能的说明来继续使用它。
🍻 贡献
如果你有兴趣为 GPT Pilot 做出贡献，我非常乐意让你加入并帮助你入门。请随时 ping zvonimir@pythagora.ai，我将帮助你入门。
🔬️ 研究
由于这是一个研究项目，因此在实践和理论层面上都需要研究许多领域。我们很高兴听到如何改进整个 GPT Pilot 概念。例如，如果我们以不同的方式构建功能需求，或者可能需要以不同的方式指定技术需求，也许效果会更好。
🖥 发展
除了研究之外，GPT Pilot 还需要调试才能在不同的场景中工作。例如，我们意识到生成的代码的质量对开发任务的大小非常敏感。当任务太宽时，代码有太多难以修复的错误，但当开发任务太窄时，GPT 似乎也很难将任务实现到现有代码中。
📊 遥测
为了改进 GPT Pilot，我们正在跟踪一些事件，你可以随时选择退出。你可以在这里阅读更多关于它的信息。
🔗 联系我们
🌟 作为一个开源工具，如果你给 GPT-pilot repo 🌟 加星标，它对我们来说意味着世界
💬 加入 Discord 服务器以取得联系。
🌟 明星历史
About
