与ChatGPT结对编程怎么实现

今天小编给大家分享一下与ChatGPT结对编程怎么实现的相关知识点，内容详细，逻辑清晰，相信大部分人都还太了解这方面的知识，所以分享这篇文章给大家参考一下，希望大家阅读完这篇文章后有所收获，下面我们一起来了解一下吧。

如何编写一个节点

编写主干逻辑

我们以dsl_translator这个节点为例，一开始，我只是这么提问（并没有，我只是演示一个错误示范）：

我想用nodeJS用下面的yaml描绘的数据结构得到一个新的数组:

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也不惯着我，给出了我下面的代码：

//......
const newArray = [];
data.poly.forEach(item => {
const obj = {
    template: item.template_prompt.template,
    meta: item.template_prompt.meta
};
newArray.push(obj);
});
console.log(newArray);

我仿佛听到AI在说：“你就说是不是数组吧，你要数组，我给你数组，没毛病~”

遇到这种问题，只能反思是自己没说清楚，那么该怎么说清楚呢？

我们这个程序是服务于AI画图的，其实我们也可以从AI画图中借鉴不少经验，比如说在AI画图中，有一个control net里的open pose技术，我可以画个骨架，就像下面这样：

我就可以用这个骨架图去画个穿靴子的猫，拿着个刺剑什么的。这个技术告诉我们什么呢？我们可以通过描述一个骨架来控制AI生成的内容。那么图片可以，编程是不是也可以？

于是经过一段时间的摸索，最后我写出了下面的描述：

我想用nodeJS用下面的yaml描绘的数据结构得到一个新的数组:

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：

假设上面的yaml转成json的转换代码我已经写完了

我需要遍历poly下的所有的顶层元素

遍历过程中，要处理template_prompt元素的子元素：

从template中读取作为模版。

读取meta中的属性，因为属性可能每次都不一样，是不确定的，所以不能硬编码。

然后基于meta中的属性，把template作为 string literal 解析，这个解析代码我已经有了，假设名为render_string_template，可以不实现，留一个函数接口即可。

要遍历组合meta中的属性形成一个数组，比如chara 有两个值，facial_expressions 有三个值，那么应该生成2*3也就是六组属性放入这个数组中，这个数组和template会被传入render_string_template函数，最后会获得两个prompt字符串

将生成的prompt字符串数组和template_prompt元素之外的其他元素合并成一个对象，要求在同一级别。prompt字符串数组有几个元素，就会合并成几个对象，并放入一个新数组中，我们称之为ploys。

继续遍历，直到遍历完所有顶层元素，所有元素都放入了polys中。polys是一个一维数组。

将ploys中的每一个元素与base中的属性合成一个新的对象，base的属性展开与prompt属性同级，当ploys中的每一个元素的属性名与base中的属性名相同时，覆盖base中的属性。这些新对象组合出的数组就是我要的数组

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就是用自然语言讲了我期望这个函数实现整个过程的大概逻辑。这个手法就很像Open Pose。通过这个操作，我得到了我想要的代码，毕竟这个逻辑不复杂。

边界划分

上面prompt的要求里除了表达了主干逻辑，其实也用了一些其他的技巧。比如“1. 假设上面的yaml转成json的转换代码我已经写完了”，“把template作为 string literal 解析，这个解析代码我已经有了，假设名为render_string_template，可以不实现，留一个函数接口即可。”

这个呢有点像control net里的seg技术，他就是把图片上的东西都分区域，就像下面这样：

然后再生成的就靠谱很多，甚至你还可以对其中特定部分进行针对性的描述。这个技术就很适合用来控制AI生成的注意力焦点。

那么在我们这个例子，上面提到的那些描述就起到了seg的作用。他可以让我们不用在一个prompt描述里编写所有的细节，这对于复杂的逻辑很有帮助。因为即便是一个小节点，其实逻辑也可能有点复杂的，就像这里面，我们可以把meta数据与tempalte合并的功能延迟实现，只描述与他的交互，使生成的程序先把参数扔给它。有的时候，我们想要使用特定的库，也可以用这个方式，比如我在另外一个场景下是这么实现的这个效果：

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

2. 用js-yaml库解析yaml。

通过这样的技巧，我们就可以把代码进行进一步的分解，让我们更容易描述清楚我们想要部分的业务逻辑，而且也可以给我们节省点算力，毕竟ChatGPT生成的时候如果太长也会中断，你让他继续的话，有时候也续不上。这个技巧就可以让他专注于你希望他专注的地方，从而提高表现力。

功能迭代

上面的写完之后呢，我发现一个问题，这个DSL还不是我想要的最终形态，对于同一套模板，我可能需要多种meta，因为有些属性的组合是没有意义的，我也不想浪费我宝贵的GPU。那么我们就不能太暴力的让它穷举所有的组合，我要针对同一个tempalte给他不同的属性组合，所以meta的值就必须是个列表，大概如下所示：

base:
  steps: 10
  batch_size: 1
poly:
  - template_prompt:
      template: >
          a cat,
          ${ chara }
          ${ facial_expressions }
      meta:
        - chara: #  这里改成了数组
            - Abyssinian,
            - cat_in_boots,
          facial_expressions:
            - (smile:1.5),  
            - (smile:1.2),  
            - smile,

于是现在我们就面临一个问题：改代码。而这个时候就体现出我们之前拆任务的价值了，因为各个模块都是隔离的，那就没有什么改代码，重新生成一份就好了，所以我改了改要求：

要求：

假设上面的yaml转成json的转换代码我已经写完了

我需要遍历poly下的所有的顶层元素

遍历过程中，要处理template_prompt元素的子元素：

从template中读取作为模版。

读取meta中的属性，因为属性可能每次都不一样，是不确定的，所以不能硬编码。

然后基于meta中的属性，把template作为 string literal 解析，这个解析代码我已经有了，假设名为render_string_template，可以不实现，留一个函数接口即可。

要遍历组合meta中的每一个属性组形成一个数组，

每一个属性组可能只需要看做一个对象，当且仅当每一个属性值都为单值

每一个属性组可能也需要展开，当且仅当任何一个属性值有多值，比如 chara 有两个值，facial_expressions 有三个值，那么应该生成2*3也就是六组属性放入这个数组中，这个数组和template会被传入render_string_template函数，最后会获得两个prompt字符串

将生成的prompt字符串数组和template_prompt元素之外的其他元素合并成一个对象，要求在同一级别。prompt字符串数组有几个元素，就会合并成几个对象，并放入一个新数组中，我们称之为ploys。

继续遍历，直到遍历完所有顶层元素，所有元素都放入了polys中。polys是一个一维数组。

将ploys中的每一个元素与base中的属性合成一个新的对象，base的属性展开与prompt属性同级，当ploys中的每一个元素的属性名与base中的属性名相同时，覆盖base中的属性。这些新对象组合出的数组就是我要的数组

改完要求，配上上面的DSL直接扔给了它，得到了我们想要的代码。

所以在今天这个时刻，有些重构工作突然变得没有那么大价值了，因为在划定好的边界里，重写比重构更快，尽管两次输出的代码并不一样，但是他们的功能是一样的。

以上就是“与ChatGPT结对编程怎么实现”这篇文章的所有内容，感谢各位的阅读！相信大家阅读完这篇文章都有很大的收获，小编每天都会为大家更新不同的知识，如果还想学习更多的知识，请关注亿速云行业资讯频道。