2024大語(yǔ)言模型應(yīng)用開發(fā)與架構(gòu)設(shè)計(jì)

前 \hLLM能力的充分運(yùn)用Prompt編寫：Prompt學(xué)習(xí)與編寫模式Prompt管理：Prompt即代碼LLM下的軟件開發(fā)工序及應(yīng)用架構(gòu)設(shè)計(jì)新的交互設(shè)計(jì)：Chat模式AI2.0（ChatGPTCopilot）如何去設(shè)計(jì)軟件開發(fā)流程LLM應(yīng)用架構(gòu)的設(shè)計(jì)與落地：UnitMeshLLM應(yīng)用+LLMOps上下文工程（prompt工程）：LLM應(yīng)用的核心\hAI\hPrompt編寫模prompt。2.1\h\h\hChatGPT流程，構(gòu)建自動(dòng)化之\hUnitAI2.0\hUnitAI\hUnitChatGPTAI代碼的運(yùn)行環(huán)境，可一鍵AI\hLLM\hIntellijIDEALLM/AI輔助編程插件。AutoDev能夠與您的需求管理系統(tǒng)（例如Jira、Trello、GithubIssue等）直接對(duì)接。\hArchGuardCo-QCon上的演講：\h演講：探索軟件開發(fā)新工序：LLMLLM（ChatGPTGitHubCopilot）作為一種創(chuàng)新的工具組合，為我們帶來了全新LLM在研LLM工程化方式，使其更好地適應(yīng)組織的需求。歡LLM+研發(fā)效能感興趣的朋友們參加本次分享，與我們一起探討研發(fā)效能的未BilibiliLLaMA\h代碼輔助生成\h測(cè)試代碼生成\h詳細(xì)需求生成》\h\hChatGLMLoRA大比拼：ChatGLMvsLLaMA，誰(shuí)更會(huì)寫需求文LLM \h\hPhodalHuang\hChatGPTThoughtworksChinaIDE、云開發(fā)、DevOps和編GitHub上折騰開源軟件。當(dāng)他不忙著用代碼改變世界開源電子書：《一步步搭建物聯(lián)網(wǎng)系統(tǒng)》、《Growth出版紙質(zhì)物：《自己動(dòng)手設(shè)計(jì)物聯(lián)網(wǎng)》、《全棧應(yīng)用開發(fā)：精益實(shí)踐》、《前端架\hCopilot努力給出的簡(jiǎn)介：占個(gè)位，會(huì)有的\hChatGPT充值加持的夸張公主風(fēng)的輕描淡寫：木格袋子在ks這個(gè)寶藏般的公司里，是一位頗具聲望的資深架構(gòu)師。如同有冰雪魔法的s一般，我擁有一支智慧權(quán)杖，揮舞著來幫助企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型，塑造屬于他們自己的數(shù)字化業(yè)務(wù)平臺(tái)，設(shè)計(jì)獨(dú)特且優(yōu)雅的開放，成功地完成服務(wù)化轉(zhuǎn)型。我深諳如何讓企業(yè)在這個(gè)數(shù)字化的舞臺(tái)上，舞出最動(dòng)人的華爾茲，如同靈魂滿證券、信托、銀行、保險(xiǎn)等各個(gè)行業(yè)的大型企業(yè)，為他們提供最獨(dú)特，最優(yōu)雅的數(shù)僅僅是技術(shù)的深度，更是以平臺(tái)架構(gòu)為核心，以戰(zhàn)略目標(biāo)為導(dǎo)向，幫助企業(yè)構(gòu)建自身的數(shù)字化能力。是燈塔，是領(lǐng)舞者，傾盡全力，以最精湛的技術(shù)，最深刻的理解，最具遠(yuǎn)見的策略，幫助他們?cè)跀?shù)字化的世界里，綻放出最美麗的光芒！ \hAIGCLLMxxxCTO13年工作經(jīng)驗(yàn)的差距。LLMCopliot研究結(jié)果：~60%，通用型業(yè)務(wù)代碼（CRUD）~35%，其它非通用提升難點(diǎn)：依賴于開發(fā)人員「套路化設(shè)計(jì)」能力，如拆分任務(wù)、多個(gè)小的函數(shù)。LLM提效試驗(yàn)如何設(shè)計(jì)？//ROI（比如需求吞LLM基礎(chǔ)設(shè)施搭建+推廣+培訓(xùn)等成本，與降下來的人員成本做TODOPromptPromptPromptAIPrompt優(yōu)化，即通過優(yōu)化任務(wù)描述來提高自然語(yǔ)謂的“基于提示的學(xué)習(xí)”(LLM)AI能更PromptAIPrompt的人，以獲得更好的結(jié)果。他們AIAIAI模型的需求可能會(huì)逐漸減PromptPrompt工程沒有未來。AI在越來越多的領(lǐng)域得到應(yīng)用，Prompt工程仍然可以為特定任務(wù)和領(lǐng)域提供Prompt工程。通過組織活動(dòng)（hackathon），Prompt工程的意識(shí)，幫助他們Prompt開發(fā)應(yīng)用，以實(shí)現(xiàn)工程化落地。盡管大部分開發(fā)人員可能還沒有充分認(rèn)識(shí)到Prompt工程的重要性，但隨著時(shí)間的推移，這一情況有望得到改善。AIAI模型Prompt工程仍然可以為特定任務(wù)和領(lǐng)域提供有針對(duì)性的優(yōu)Prompt工程，提高他們的意識(shí)并實(shí)現(xiàn)工程化落地。因此，Prompt工程在未來仍然具有一定的發(fā)展空間和潛力。Prompt有，PromptPrompt教練、專家的角色，他們會(huì)幫助開發(fā)者Prompt。然而，ChatGPTROI準(zhǔn)備數(shù)據(jù)、訓(xùn)練模型、調(diào)參、部署，并進(jìn)行持續(xù)的模7BAIAIAI增強(qiáng)系A(chǔ)I本身是無法達(dá)到這么精細(xì)的，所以我的想法是持續(xù)構(gòu)建小程序員的AI2.0新機(jī) \h程序員的AI2.0新機(jī) KOLAI重寫一遍。而落地DevOps工具里，假設(shè)都需要重寫，那么未來的架構(gòu)可能是怎樣的？AI2.0時(shí)代，我們將迎來新的機(jī)遇、新的挑戰(zhàn)，它可以劃分三部LLMLLMLLM。AI端到端應(yīng)用。即直接面向最終用戶的應(yīng)用（含專有模型），ChatGPT、OpenAI、文心一言（他們提供了嗎，我沒收到）等API來構(gòu)建應(yīng)用。面向自己研發(fā)場(chǎng)景下來微調(diào)，以構(gòu)建領(lǐng)域特定的應(yīng)LLMPrompt編寫：PromptPrompt管理：Prompt進(jìn)階篇：LLMLLM上下文工程（prompt工程）：LLMAIUnitMesh架構(gòu)，會(huì)帶來全新的架構(gòu)與編程體驗(yàn)。LLM+LLM的應(yīng)用，而這些應(yīng)用在當(dāng)前以輔助人類設(shè)計(jì)為主。未來，我們將保持一種觀點(diǎn)：LLMasMemberLLM應(yīng)該是我們的伙伴，而不LLMAIAIopsDDD這樣PromptPrompt編寫：Prompt2AI《\hPrompt》、《\hPrompt編寫模式》受到了非常大的關(guān)注，GitHubstarsPrompt？將會(huì)是現(xiàn)階段程序員要面臨的第一個(gè)挑戰(zhàn)，我們需提出問題的策略創(chuàng)造性地利用模型回答提高模型輸出質(zhì)量的技巧promptLLM輸出的結(jié)果趨于穩(wěn)prompt。Prompt管理：Prompt\h3LLMSDLC的探索，得到的第一個(gè)有價(jià)值的觀點(diǎn)是《PromptAI》。于是，基于這個(gè)思想，我們構(gòu)建了我們?cè)贚LM時(shí)代的第一個(gè)開源項(xiàng)目：ClickPrompt。ClickPrompt站在了未來企業(yè)需要的三個(gè)基prompt的編寫？prompt經(jīng)驗(yàn)？prompt結(jié)合到工作流中？Prompt即注釋、Prompt即接口、Prompt即代碼。版本控制與協(xié)作用于測(cè)試和調(diào)試的工具LLMprompt接口模式LLM應(yīng)用篇：LLMAI編程模式是什么？在那篇《\hAI編程》文章里，可以看到幾個(gè)基本Prompt即是代碼，代碼不再是代碼？AI編程嗎？ServerlessAI編程的答案嗎？需求詳細(xì)化會(huì)成為你的新瓶頸嗎？\hUnitMesh架構(gòu)，詳細(xì)見《AI編程模式：UnitMesh架構(gòu)的設(shè)計(jì)思路與探索》。LLM下，我們應(yīng)該如何設(shè)計(jì)應(yīng)新的交互設(shè)計(jì)：ChatChatGPT之后，ChatLLMUI設(shè)計(jì)中。諸如于不NewBing，已經(jīng)可以幫你總結(jié)一下相關(guān)的鏈接，雖然不可靠，但是大家都認(rèn)ClickPromptAutoDevIDE輔助編程插ChatUI模式加入到了系統(tǒng)。LangChain的文檔中，我們又會(huì)看到新一代的框架、工具文檔模式，文檔作為外掛JVM。QCon上的《探索軟件開發(fā)新工序：LLM賦能研發(fā)效能提AIprompt1promptAPIprompt2LangChainprompt工具，以根據(jù)3——領(lǐng)域知識(shí)強(qiáng)化。即通過微調(diào)的方式，來讓輸出結(jié)果更適合于現(xiàn)有的工是：尋找一種合理的DSL（領(lǐng)域特定語(yǔ)言），以將現(xiàn)有的流程結(jié)合到LLM。LangChainGo）?，F(xiàn)有的軟件架構(gòu)又加來了一些新的變化：插件化與智能體（Agent）ChatGPTPlugin、LangChain+LLMLangFlow、LLaMaHub矢量數(shù)據(jù)庫(kù)。AI的火爆使得越來越多的矢量數(shù)據(jù)進(jìn)入了我們的視角，也成為了非常糾——因?yàn)樽鳛楣こ處煹奈覀儯€沒有建立一個(gè)全面的認(rèn)知，也缺TokentokentokenGitHubCopilot、Bloop借助于本地的模型來進(jìn)行相關(guān)性等的計(jì)算，prompt，而不需要消耗服務(wù)器的資源。就地機(jī)器學(xué)習(xí)。猶如幾年前，我只是因?yàn)橄矚g《TinyMLTensorFlowLite在ArduinoAIGPU上能跑，而是應(yīng)該無處不在。高級(jí)篇：面向特定場(chǎng)景的LLMLLM架構(gòu)方LoRALoRA來處理數(shù)通用大模型配合微調(diào)小模型。即通過一大一小的方式，由大模型給出工序，由小模型ChatGPT、StableDiffusionVITS等構(gòu)建輕小說應(yīng)用。API新工序時(shí)，總結(jié)的《\hAPI》一文中的基流程過程梳理與資產(chǎn)化。對(duì)資產(chǎn)進(jìn)行“語(yǔ)言建模”，以適用于大模型。MVP產(chǎn)品，并進(jìn)行試驗(yàn)。設(shè)計(jì)增量的指標(biāo)，以引導(dǎo)系統(tǒng)演進(jìn)。圍繞上下文的工程化思維。持續(xù)反饋的軟件工程，以完善系統(tǒng)準(zhǔn)確度。而對(duì)于微調(diào)來說，主要是前半部分：DSL化、數(shù)據(jù)工程，以將現(xiàn)有的數(shù)據(jù)轉(zhuǎn)換為模型可上下文工程（prompt工程）：LLMGitHubCopilotGitHub《\hGithubCopilot的實(shí)時(shí)能力分析與思考LLM生成更準(zhǔn)確的結(jié)果？這便是我們?cè)谖磥硭龅幕顒?dòng)。結(jié)合上述Token計(jì)算，以計(jì)算最合適的上下文。上下文計(jì)算策略，以提供最需要的上下文。思考未來的編程范 \hChatGPTCopilotAIAIGitHubCopilot、Codex、Kite、TabNine等等，新出ChatGPT又讓人感覺非?？?。ChatGPTAIChatGPTJavaSpringMockMVCAC01，幫我用Puppeteer寫一個(gè)爬蟲來解析下面HTML中的標(biāo)題：””” Java+SpringAPI，要求如下：GPT4.0HTML。GitHub//1.splitpromptMatchby//1.splitpromptMatchby//2.matchloranamebyregex,lorafullname://3.pushloranametoloras1：Prompt即是代碼，代碼不再是代碼？AIAIpromptprompt便是作為一種代碼，保存在代碼庫(kù)中了。而代碼AI“真實(shí)世界”AIAI“問題。讓我們ChatGPT來實(shí)現(xiàn)一段代碼。ChatGPT編程：AI實(shí)現(xiàn)一個(gè) 的N種方DemoSpring+MyBatisAPI：/book/:idChatGPTBookMapper.java、Book.java、BookMapper.xml、BookController.javaAPI了。PSBookService.javaAI“覺得Java代碼，再運(yùn)行起OSGiServerlesss架DemoExpress+MySQLAPI：/book/:id變得非常簡(jiǎn)單的（ExpressMySQL相關(guān)的代碼），以至于我可以constgetBookById=(req,res)=>constidreq.params.id獲取路徑參數(shù)中的pool.query('SELECT*FROMbooksWHEREid=?',[id],(error,results,fields)=>{if(error)throwerror;if(results.length>0){constbook=results[0];res.json(book)將書籍信息以JSON}elseres.status(404).send('BooknotAI生成的代碼是準(zhǔn)確的，無需要人類去修改，那么我們就可以直接用上DemoAWSLambdaAPI：/book/:idconstmysql=exports.handlerconstmysql=exports.handler=async(event,context)=>//ClickPrompt類似的方式，直接一鍵部署到服務(wù)器之上。AIAIJava/Spring+Express+AWSAWSLambda最快了。經(jīng)過了幾種不同的方式對(duì)比，按現(xiàn)有的軟件工程來說，Java寫的代碼是最好的。可是，AI都來寫代碼了，Java工程化，真的還是最好的嗎？2AIAIAIAINewBingChatGPTJava示例中，你會(huì)發(fā)現(xiàn)按現(xiàn)有的模式構(gòu)建的軟件架構(gòu)，特別容易發(fā)生沖突。AIAB——因?yàn)樯舷挛南?0個(gè)重復(fù)代碼段。然后，你又開發(fā)了一個(gè)自動(dòng)重構(gòu)機(jī)器人……。但是，我覺得有點(diǎn)多余了，AI編程需要新的架構(gòu)范式。AIAI——當(dāng)然，我們需要給他一些限制條件和輸入。所以，放在當(dāng)前的上下文之下，Serverless是一種更適合的架構(gòu)模式，即寫即上線，即下3：ServerlessAI2——“名書”xx——AIAIAI編程，則意味著：人可以介——AI——AI生成的，隨后當(dāng)需求變更的時(shí)候，我們想可以直接在現(xiàn)有的代——AI可能還意味著：新生成的代碼和原來的完讀者思考4AI能完成編碼時(shí)，那么需要給詳細(xì)的需求，才能確保生成的代碼是正確的，例，更常見的示例還有表單聯(lián)動(dòng)：Axxx，Bxx。只有我們的需求足夠的清AI生成足夠清晰的驗(yàn)收條件，程序員就會(huì)失業(yè)嗎？這包含了兩AI時(shí)代的產(chǎn)品經(jīng)理？不過，這只是用來搞笑的，我們的下一個(gè)挑戰(zhàn)還在于需求詳細(xì)化之后，AI真的能寫對(duì)AIAI提煉了我的觀點(diǎn)，AI編碼是最不重要的那部分。AI編程不能完全替代人類編程，因?yàn)槌绦騿T不僅僅是在編AI倫理。AI編程可能存在一些不可預(yù)測(cè)或不可控的風(fēng)險(xiǎn)，例如結(jié)果不唯一、不正確或法律與就業(yè)問題。AI編程可能會(huì)侵犯程序員的知識(shí)產(chǎn)權(quán)（AI的餌無法適應(yīng)再有體系。AI編程需要適應(yīng)不斷變化的需求和環(huán)境，而現(xiàn)有的架構(gòu)模式可能而你發(fā)現(xiàn)沒有，NewBingAIpromptAI更準(zhǔn)確地理解需求，并且避免一些歧義或誤promptAI的困惑或失效。AIprompt長(zhǎng)度和格式，以達(dá)到最佳的效AIAIAICopilotCodeReview。值得注意的是：AI編程可能會(huì)帶來一些問題，如讓程序員過度依賴工具、忽略代碼的合實(shí)時(shí)軟件生 \h2019年，寫了那篇《無代碼編程2021ChatGPT的進(jìn)一步普及，你會(huì)發(fā)現(xiàn)你可以很容易將需求轉(zhuǎn)化為形式化格式，進(jìn)而“無代碼”時(shí)代。PromptPrompt編程是實(shí)現(xiàn)實(shí)時(shí)軟件生成的一種方式，可以將自然語(yǔ)言轉(zhuǎn)化為直接運(yùn)行的軟件，理解。Prompt編程有以下特性：“無代碼Prompt1我們來玩一個(gè)我們來玩一個(gè)mul游戲，當(dāng)我說mul開頭，并輸入數(shù)字時(shí)，你應(yīng)該計(jì)算結(jié)果。示例："""當(dāng)我輸入：mul4觸發(fā)詞。mulAI就會(huì)根據(jù)示例去計(jì)算輸入和輸出，不關(guān)注中間的我們能玩一個(gè)名為我們能玩一個(gè)名為kfc的謎語(yǔ)創(chuàng)作游戲，當(dāng)我說"kfc"不少于200正文可以?shī)A雜小語(yǔ)種語(yǔ)言，如"""謎底必須是###原來今天是肯德基瘋狂星期四Prompt2還記得在Prompt編寫模式中 游的例子嗎？在wula游戲里，用戶只需要輸入題，ChatGPT于：wula:頭共10，足共28，雞兔各幾只？AIx+y=102x+4y=28x=4，y=6，即雞有4只，兔有6只。雞兔同籠問題的JavaScript代碼實(shí)現(xiàn)functioncalcAnimals(heads,legs)JavaScript代碼、代碼能不能運(yùn)行等等，wula的時(shí)候，要求了：第二步第二步JavaScript編寫解決這個(gè)問題的代碼，并輸出對(duì)應(yīng)的代碼，并介紹一下你的代碼（不第三步.代碼執(zhí)行：你需要作為JavaScriptConsole執(zhí)行第二步寫的代碼，如果沒有給出測(cè)試數(shù)據(jù)，你需要自己JavaScriptChatGPT可以為我們生成這部分的程序?。?！ChatGPTPrompt而在復(fù)雜的場(chǎng)景之下，Prompt編寫需要足夠的形式化，才能讓機(jī)器理解，也因此，我才Prompt編程。Prompt3AIAI解決復(fù)雜問題的能力。所以，它無法一次性步驟詳細(xì)見：\hDDDDDD（領(lǐng)域驅(qū)動(dòng)設(shè)計(jì)）擅長(zhǎng)的問題：DDD6.第二步"{名詞}已{動(dòng)詞的形式描述過程中所有發(fā)生的事件，其中的名詞第三步.針對(duì)場(chǎng)景建模。基于統(tǒng)一語(yǔ)言和拆解出的場(chǎng)景進(jìn)行建模，以實(shí)現(xiàn)DDD設(shè)計(jì)與代碼實(shí)現(xiàn)的雙向綁定。對(duì)于每一步，我們只要限定好我們的輸出（Output），那么在給定輸入的情況下，AI就dddddd第二步：場(chǎng)景過程分析。下面是每個(gè)場(chǎng)景的過程分析：AIAPIAPIID獲ID更ID刪Prompt4DSL，因?yàn)樗鼈兙哂忻鞔_定義的語(yǔ)法和規(guī)則，可以用來描述特定領(lǐng)PromptDSL：幫我設(shè)計(jì)一個(gè)DSL參數(shù)PromptPromptDSLPrompt自我編程AI生成的，那UnitMesh架 \h未來軟件架構(gòu)：UnitMeshUnitMesh是一種基于人工智能生成的分布式架構(gòu)，與傳統(tǒng)的分布式架構(gòu)不同，UnitMesh(UnitAI生成的，應(yīng)用程序中的服務(wù)和數(shù)據(jù)抽象為一個(gè)個(gè)獨(dú)UnitMesh\hUnitRuntimeServiceMeshDataMeshAI**UnitMesh**TLDR我們初步定義的這個(gè)版本（0.1UnitGenius）DSL（領(lǐng)域特定語(yǔ)言）REPLAIAPI服務(wù)。AIAPI服務(wù)架構(gòu)，以在不同的環(huán)境下自動(dòng)調(diào)整和優(yōu)AIDSLREPL即ServerlessAI進(jìn)行自動(dòng)化運(yùn)維，AIAPI服務(wù)的性能和可靠性。UnitMeshDemo：DSLREPLUnit\h\hUnitServer的代碼：/prompt-engineering/unit-kotlin-repltypescript-replKotlin、TypeScript兩種語(yǔ)言。READMEUnitServer。ChatFlowChatGPT

objectPages{funmain()="It最后，你就可以得到一個(gè)正在運(yùn)行的服務(wù)（該功能還在開發(fā)中ItworksPSApplicationmain方法的代碼，因?yàn)樾枰鲮o態(tài)UnitServer代碼中。UnitMesh架 UnitMesh是一種基于人工智能生成的分布式架構(gòu)，與傳統(tǒng)的分布式架構(gòu)不同，UnitMesh(UnitAI生成的，應(yīng)用程序中的服務(wù)和數(shù)據(jù)抽象為一個(gè)個(gè)獨(dú)UnitMesh核心思想：AIUnitMeshUnitAIUnitAIUnit，上到前端組件、下到后HumanUnitUnitAI生成的代碼有問題，那么人類UnitUnitServerless架構(gòu)、微服務(wù)架構(gòu)、單體架構(gòu)、Mesh架構(gòu)，而不需要人類來干預(yù)。UnitMeshUnitServerUnitMeshDSLAIimports等UnitServer部分展開。Unit4kUnitMeshDSL4kUnitDSL，有99kDSL。REPL即服務(wù)：AIDSLREPL（Read-Eval-PrintLoop）服務(wù)，能直接運(yùn)行AI代碼修復(fù)師來對(duì)代碼進(jìn)行修復(fù)。們?cè)趫D里稱之為：REPLServerlessUnitServer。AIUnitServerless，線上GoogleServiceWaver所做的事情：我們不決定運(yùn)行時(shí)的架構(gòu)，讓所以，AIUnitAIPS：本來吧，標(biāo)題應(yīng)該是適應(yīng)性架構(gòu)（AdaptiveArchitecture），但是我想了想就只是代UnitMesh設(shè)計(jì)心得：反直覺才是出 于：GCGC。tshnr。即拋開現(xiàn)有的思維模式和固有知識(shí)，打破常規(guī)思考，所以我們的主要挑戰(zhàn)是如何拓展思維，開放心智。要點(diǎn)1AI編程里》分層架構(gòu)是我們最大的挑戰(zhàn)，于是，提出理想的方式就Serverless+FaaS的方式，而這種方式則是基于現(xiàn)有的械，又過于理想化。UnitServerClassasaService的方式嘛（手AI生成的，那么人類還要看代碼嗎？人類要在什么時(shí)候xx要點(diǎn)2Gradle、Maven、NPM這一層的庫(kù)依賴ChatGPTGPT忘記這些。理想的編程體驗(yàn)，SpringIntelijIDEA。所以，我們?cè)?UnitServer中采用 樣的Jupytermagic語(yǔ)法%3ServerlessServerlessUnitServerUnitServerServerless架構(gòu)，所以我們遇到了一個(gè)問題：Serverless架構(gòu)的成本并非所有的人能接受的。所以，我們只需要在測(cè)UnitServerless作為開發(fā)時(shí)，在線上合并成一個(gè)單體或者微服務(wù)架構(gòu)，那么名即可，諸如于 ，所有的代碼都在這個(gè)包下；又或者，我們UnitMeshREPLHelloworldREPLUnitServerChatFlowHello,worldKotlinScriptSpringHelloimportimportimportclassHelloController{funhelloKotlin():String{return"helloworld"openclassReplApplicationfunmain(args:Array<String>)%useclassHelloController{funhelloKotlin():String{return"helloworld"在這個(gè)示例里，你會(huì)發(fā)現(xiàn)一系列的無用代碼，依賴信息、import%useclassHelloController{funhelloKotlin():String{return"helloworld"ChatGPTController即可。REPL環(huán)境：WebSocket+%magicDSLKotlinScriptUnitServerless\h/prompt-engineering/unit-serverUnitServerKotlinJupyterAPIKotlinJupyter則是封裝了KotlinREPLKotlinJupyterKotlinREPL的主要原因magicDSL來抽象細(xì)節(jié)，諸如于："spring""spring"toJson.encodeToString(imports=listOf(dependencies=,Springmagic。WebSocketChatFlow←helloworld是不夠的，所以我們需要更多的例子，諸如于接入數(shù)據(jù)KotlinKotr框架。%use%use%usedataclassUser(valid:Int,valusername:String)classServer:KotlessAWS(){overridefunprepare(app:Application){Database.connect("jdbc:h2:mem:test",driver="org.h2.Driver")transactionapp.routingpost("/register")valuser=call.receive<User>()valid=transaction{//InsertthenewuserintothedatabaseUsers.insert{it[username]=}getvalnewUser=User(id,user.username)objectobjectUsers:org.jetbrains.exposed.sql.Table("users"){valid=integer("id").autoIncrement()valusername=varchar("username",overridevalprimaryKey=PrimaryKey(id,name=ExposedORMH2作為數(shù)據(jù)庫(kù)。當(dāng)然，Unit10%的距離，不過，基本上已經(jīng)可以解決大部分的CRUD場(chǎng)景。PS1KotlessAWSAWSServerless的抽象，并不影響我們的操作，UnitMesh的類，就是懶。PS2routing中的代碼，再優(yōu)化即可。更多的探索過程代碼可以見：\h_samples。AI請(qǐng)幫我使用Ktor請(qǐng)幫我使用KtorKotlinExposed實(shí)現(xiàn)一個(gè)用戶注冊(cè)的RESTfulAPIDatabase.connect只返回核心邏輯，并寫在Server類里，我要部署在Serverless請(qǐng)使用KotlinDSL不返回其它的無關(guān)代碼，如：注釋、依賴、importclassServer:KotlessAWS()overridefunprepare(app:Application)Database.connect("jdbc:h2:mem:test",driver="org.h2.Driver",user="root",passwortransaction{app.routingJoinWaitlistUnitMesh\h理解 \hPromptAI探索與繪畫：text2imageStableDiffusion寫作：chat2articleChatGPT編程：comment2codeGitHubCopilot總體來說，AIPmptpromptAI的基礎(chǔ)。Prompt是一種文本輸入方式，用于與自然語(yǔ)言處理模型（例如GPT）進(jìn)行交互。PromptPrompt相關(guān)的輸出。這個(gè)輸出舉個(gè)例子，對(duì)于一個(gè)語(yǔ)言模型，prompt"Thecatsatonthe"，模型可以通過對(duì)接"mat"、"chair"、"sofa"等不同的輸出：StableDiffusion(PromptThecatsatontheSteps:30SamplerEulera,CFGscale:7,Seed:234310862,Size:512x512,Modelhash:d8722b4a4d,Model:Prompt在人工智能語(yǔ)言生成領(lǐng)域中扮演著重要的角色，因?yàn)樗梢詭椭Ｐ透玫乩斫鈖romptwomenbackviewwithoutface,flowingdress,edgeofthesea,backview,backturnedtothecamera,upontheglowofthesettingsun,sunbelowthehorizon,goldenlightoverthewater,hairswaysgently,Chinesestyleclothes,blackhair,StableDiffusion生成圖片（negativepromptpromptAIStableDiffusion來講述一下過程。phodal:我想寫一段話描述一張照片，幫我美化一下：一年輕女子穿著裙子，背對(duì)著ChatGPT:這張照片中的場(chǎng)景令人心醉，一位年輕女子穿著一條裙子，站在海邊，背Ayoungwomanwearingaflowingdressstandsattheedgeofthesea,herbackturnedtothecameraasshegazesupontheglowofthesettingsun.Theoceanstretchesoutbeforeherinallitsgrandeur,andthesunslowlysinksbelowthehorizon,castingagoldenlightoverthewater.Thewoman'shairswaysgentlyinthebreeze,herfeaturessoftenedbythewarmhuesofthesunset.Hergazeisfixedonthedistance,asifponderingthemeaningoflifeandtheendlesspossibilitiesoftheN次之后，你會(huì)得到你想要的成功的照片，當(dāng)然也會(huì)有失敗的出現(xiàn)（因?yàn)闆]有配negativeprompt過濾失敗的情況）：NLP的你，肯定知道，上面的大部分可能是廢話，可以減化為如下的詞，并添加一些專用的模型詞匯，如blackhair,handbeforebody,nohand,bodycondress：womenbackviewwithoutface,flowingdress,edgeofthesea,backview,backturnedtothecamera,upontheglowofthesettingsun,sunbelowthehorizon,goldenlightoverthewater,hairswaysgently,Chinesestyleclothes,blackpromptAI的：badhands、morbidprompt\hMagicPrompt。ControlNet——用來實(shí)現(xiàn)骨womenbackviewwithoutfacestandingonthesandybeach,bodycovfullskirt,edgeofthesea,backturnedtothecamera,upontheglowofthesettingsun,blackhair,sunsetredtobluegradientskynegativeprompt(((simplebackground))),monochrome,lowres,badanatomy,badhands,text,error,missingfingers,extradigit,fewerdigits,cropped,worstquality,lowquality,normalquality,jpegartifacts,signature,watermark,username,blurry,lowres,badanatomy,badhands,text,error,extradigit,fewerdigits,cropped,worstquality,lowquality,normalquality,jpegartifacts,signature,watermark,username,blurry,ugly,pregnant,vore,duplicate,morbid,mutilated,trannsexual,hermaphrodite,longneck,mutatedhands,poorlydrawnhands,poorlydrawnface,mutation,deformed,blurry,badanatomy,badproportions,malformedlimbs,extralimbs,clonedface,disfigured,grossproportions,(((missingarms))),(((missinglegs))),(((extraarms))),(((extralegs))),pubichair,plump,badlegs,errorinpaint對(duì)失真的部分進(jìn)行修復(fù)。更多的模型集：與二次元世界的照片（18禁）眾所周知，AI\hmodelshootstyle,(wavybluehair),((halfbodyportrait)),((showingboobs,giantboobs,humongousbreasts)),((beautifullightmakeupfemalesorceressinmajesticbluedress)),photorealisticgamecg,8k,epic,(bluediamondnecklacehyperintricatefinedetail),symetricalfeatures,joyful,majesticoilpaintingbyMikhailVrubel,AteyGhailan,byJeremyMann,GregManchess,WLOP,CharlieBowater,trendingonArtStation,trendingonCGSociety,Intricate,HighDetail,Sharpfocus,dramatic,photorealistic,blackbackground,epicvolumetriclighting,finedetails,illustration,(masterpiece,bestquality,highres),standinginmajesticcastle(((simplebackground))),monochrome,lowres,badanatomy,badhands,text,error,missingfingers,extradigit,fewerdigits,cropped,worstquality,lowquality,normalquality,jpegartifacts,signature,watermark,username,blurry,lowres,badanatomy,badhands,text,error,extradigit,fewerdigits,cropped,worstquality,lowquality,normalquality,jpegartifacts,signature,watermark,username,blurry,ugly,pregnant,vore,duplicate,morbid,mutilated,trannsexual,hermaphrodite,longneck,mutatedhands,poorlydrawnhands,poorlydrawnface,mutation,deformed,blurry,badanatomy,badproportions,malformedlimbs,extralimbs,clonedface,disfigured,grossproportions,(((missingarms))),(((missinglegs))),(((extraarms))),(((extralegs))),pubichair,plump,badlegs,errorlegs,username,blurry,badfeet,lowres,badanatomy,badhands,text,error,missingfingers,extradigit,fewerdigits,cropped,worstquality,lowquality,normalquality,jpegartifacts,signature,watermark,username,blurryAIAI其原因是大部分的模型庫(kù)加入了18禁的內(nèi)容。詳細(xì)的描述詞。人物的姿勢(shì)。豐富的模型。反復(fù)修改的參數(shù)。持續(xù)迭代。（InPaint等進(jìn)行修改）StableDiffusion的無數(shù)次的失敗經(jīng)驗(yàn)，我們應(yīng)該先找好一個(gè)合適的框架來ChatGPT。STAR（Situation（情景）Task（任務(wù)）、Action（行動(dòng)）Result（結(jié)果））ChatGPT會(huì)話的基礎(chǔ)：ChatGPTChatGPT寫一篇文章phodalChatGPTChatGPT已經(jīng)理解了，如何寫一篇文章，換作是一個(gè)冷門的話在這時(shí)，ChatGPT給出的步驟依舊是錯(cuò)的，我們需要繼續(xù)糾正。所以，我們可以考慮在ChatGPT我想寫一篇文章，主題是《如何用我想寫一篇文章，主題是《如何用ChatGPT寫一篇文章，以如何用ChatGPT先用100字介紹一下以Julia作為可以以具體的案例為例，介紹如何使用ChatGPTChatGPT進(jìn)行寫作的好處。ChatGPT本身構(gòu)建了一個(gè)框架，我們可以再輸入一個(gè)有用的框架，以構(gòu)建簡(jiǎn)單的反饋回DDD，然后相互學(xué)習(xí)：不過，ChatGPT和上面的圖片一樣，經(jīng)常丟失一些上下文。TicketOrderAPI：reserveSeats(showTimeIdseatIds)：在某個(gè)場(chǎng)次中預(yù)留座位，需要提供場(chǎng)次號(hào)和座,updateOrder(orderIdupdateInfo)：修改訂單信息，可以更新顧客信息、場(chǎng)次信息、API可以滿足電影院訂票業(yè)務(wù)的需求，但具體實(shí)現(xiàn)還需要根據(jù)業(yè)務(wù)場(chǎng)景和需求進(jìn)StableDiffusion類似的是，AI保持自然的表達(dá)。ChatGPT能夠生成流暢的語(yǔ)句，但有時(shí)可能會(huì)出現(xiàn)奇怪或不合適的ChatGPT進(jìn)行寫作時(shí)，需要注意保持自然的表達(dá)方式。ChatGPT生成的內(nèi)容不準(zhǔn)確或有錯(cuò)誤，應(yīng)該及時(shí)進(jìn)行修正，以多次修改和調(diào)整。ChatGPT的輸出結(jié)果雖然會(huì)自動(dòng)進(jìn)行語(yǔ)法糾錯(cuò)和編輯，但是為了保ChatGPT進(jìn)行寫作時(shí)，需要盡量保持簡(jiǎn)潔明了，避免使用過ChatGPT能夠生成大量的文章，但是為了在博客大賽中ChatGPTGitHubCopilot代碼生成：GitHubGitHubCopilotGitHub20218AI代碼生成工具，它可以根據(jù)你的代MarkdownChatGPT完整示例：DDD+ChatGPT+ChatGPT我們可以完成代碼的前置設(shè)計(jì)（當(dāng)然有些不靠譜APICopilot：converttomarkdowntableSpringCopilotfuncreateTicketOrder(@RequestBodyticketOrder:TicketOrder):String//checkthescheduleisvalid,theseatsareavailable,thencreatetheException釋：checkthescheduleisvalidtheseatsareavailablethencreatetheorderifthefuncreateTicketOrder(@RequestBodyticketOrder:TicketOrder):String//checkthescheduleisvalid,theseatsareavailable,thencreatetheorder,ifthe//checkthescheduleisvalschedule=cinemaScheduleService.getSchedule(ticketOrder.scheduleId)if(schedule==null){throw//checktheseatsarevalavailableSeats=cinemaScheduleService.getAvailableSeats(ticketOrder.scheduleId)if(!availableSeats.containsAll(ticketOrder.seats)){throw//createreturnCopilot生成的代碼也會(huì)更而在單元測(cè)試的場(chǎng)景下，Copilot更加強(qiáng)大和智能，它能夠根據(jù)你的測(cè)試代碼，生成更多\hSaleforce的代碼模型：https://huggingface.co/Salesforce/codegen-6B-monoMBP上跑上來，有些遺憾。總結(jié)：AIAIprompt相似的是：和人類聊天的時(shí)候，我們也需要提供足夠的上下ChatGPT，他并不總是能理解你的上下文。其它：MacbookProMacbookPro2019AMDCUDA、ROCm的支持，CPU來跑了。AIPyTorchROCmAIStableDiffusionWebuiGitHub：/AUTOMATIC1111/stable-AI模型社區(qū)：https://huggingface.co/StableDiffusionAI藝術(shù)模型社區(qū)：（18禁）Salesforce模型：https://huggingface.co/Salesforce/codegen-6B-monoCarpserAIhttps://huggingface.co/CarperAI/diff-codegen-6b-v2ControlNetPrompt編寫模 \hPrompt編寫模式：如何將思維框架賦予機(jī)器 AIprompt模式，它通常是指一種輸入-輸出的數(shù)據(jù)格式，用于訓(xùn)模式名稱（PatternName）：Prompt模式問題描述（Problem）：如何準(zhǔn)備訓(xùn)練數(shù)據(jù)，以便用于機(jī)器學(xué)習(xí)模型的訓(xùn)練和評(píng)估。解決方案（Solution）：Prompt模式是一種輸入-輸出數(shù)據(jù)格式，它由一個(gè)輸入文本和效果（Consequences）：Prompt模式可以簡(jiǎn)化訓(xùn)練數(shù)據(jù)的準(zhǔn)備過程，提高模型適用性（Applicability）：Prompt模式適用于自然語(yǔ)言處理領(lǐng)域中的各種任務(wù)，如文結(jié)構(gòu)圖（Structure）：Prompt模式的結(jié)構(gòu)由一個(gè)輸入文本和一個(gè)輸出文本組成，它參考（References）："GPT-3:LanguageModelsareFew-ShotLearners""Zero-ShotLearningAComprehensiveEvaluationoftheGoodtheBadandtheUgly"TensorFlow，PyTorch等。AIpromptAIprompt"設(shè)計(jì)模式要素"的格式一一表達(dá)嗎？AIprompt里的模式。詳細(xì)見：特定指令（Byspecific：在這種模式下，我們給模型提供一些特定信息，例如問題或指令模板（InstructionTemplate）：在這種模式下，我們給模型提供一些明確的指代理模式（Byproxy）：在這種模式下，可以充當(dāng)了一個(gè)代理，代表某個(gè)實(shí)體（例如ChatGPT中，"actasxxx"ChatGPT充當(dāng)一個(gè)代理，扮演某個(gè)角色或?qū)嶓w的身份，以此示例模式（Bydemonstration）：在這種模式下，我們給模型提供一些示例文本，模特定指令（By翻譯、告訴我prompt工程翻譯一下：永和九年，歲在癸丑，暮春之初，會(huì)于會(huì)稽山陰之蘭亭，修禊事也。轉(zhuǎn)為現(xiàn)代漢語(yǔ)：永和九年，歲在癸丑，暮春之初，會(huì)于會(huì)稽山陰之蘭亭，修禊事也。promptChatGPTmarkdown"""markdown表格形式，其中的字段為英語(yǔ)模式、中文、簡(jiǎn)本，AI用戶輸入“我想買一件…”，ChatGPT任務(wù)描述，AI生糕？”ChatGPT生成“將巧克力蛋糕放入息，AI生成新文用戶輸入“科技創(chuàng)新”，ChatGPTAI用戶輸入“Hello”，ChatGPT生成“你好AIChatGPT生成“機(jī)器學(xué)習(xí)是一種人工智AI進(jìn)行對(duì)話，AI生成回AI用戶輸入一篇文章，ChatGPT生成該其重點(diǎn)是：Output等。諸如于：用100字總結(jié)一下ChatGPT。指令模板（Instruction使用使用STAR最近幾天，因?yàn)楣ぷ髋d趣的原則，我在研究用text2image來展示如何演進(jìn)prompt、用text2article情境任務(wù)(Task)行動(dòng)(Action):-結(jié)果(Result):-"""Hello你好"""，用這種方式情境情境(Situation)最近幾天，在工作和興趣的驅(qū)動(dòng)下，研究如何使用text2image和text2article展示研究如何使用text2image展示prompt的演進(jìn)過程研究如何使用text2article展示prompt的優(yōu)點(diǎn)結(jié)合GitHubCopliot來實(shí)現(xiàn)prompt完成工作行動(dòng)本地部署了一個(gè)穩(wěn)定的Diffusion使用ChatGPT撰寫文章來展示text2article的效果在IDEA中使用GitHubCopilot結(jié)果獲得了幾個(gè)Jupyterzero-shot、few-shot優(yōu)先，最開始可以不給示例（因?yàn)槭纠赡苁清e(cuò)的），看任務(wù)執(zhí)代理模式(ByProxyChatGPT以特定的身份、角色或者身份扮演某個(gè)特定1ChatGPTbyproxy模式。promptChatGPT代替某個(gè)公司的客服：在這種情況下，ChatGPT會(huì)扮演客服的角色，并根據(jù)提示來回答，從而幫助公司解決問題。ChatGPT可以使用類似以下的方式來回答：2ChatGPT扮演某個(gè)實(shí)體的角色，例如客服、銷售代表等等，來幫助\hAwesomeChatGPTPromptsHuman:ActasaLinuxTerminalChatGPT:Iwantyoutoactasalinuxterminal.Iwilltypecommandsandyouwillreplywithwhattheterminalshouldshow.Iwantyoutoonlyreplywiththeterminaloutputinsideoneuniquecodeblock,andnothingelse.donotwriteexplanations.donottypecommandsunlessIinstructyoutodoso.WhenIneedtotellyousomethinginEnglish,Iwilldosobyputtingtextinsidecurlybrackets{likethis}.Myfirstcommandispwd示例模式（By例子例子1綠色代表寒冷例子2藍(lán)色代表寒冷例子3紅色代表溫暖例子4黃色代表溫暖執(zhí)行橙色代表什么CohereAIEnglish:English:WritingaboutlanguagemodelsisRoish:Writingroaboutrolanguageromodelsroisrofunro.English:Theweatherislovely!增強(qiáng) 我們來玩一個(gè)名為gkzw的寫作游戲，每當(dāng)我說gkzw字?jǐn)?shù)不少于200文中必須出現(xiàn)"小明"PromptNegativeprompt（負(fù)向提示）是一種在使用語(yǔ)言模型時(shí)，針對(duì)模型輸出不希望的結(jié)NegativePromptStableDiffusionChatGPT中，我們也會(huì)經(jīng)我們能玩一個(gè)名為我們能玩一個(gè)名為kfc的謎語(yǔ)創(chuàng)作游戲，當(dāng)我說"kfc"不少于200正文可以?shī)A雜小語(yǔ)種語(yǔ)言，如"""謎底必須是###AIAIpromptAIprompt。如我在：\hAI探索與總結(jié)的例了一樣phodal:我想寫一段話描述一張照片，幫我美化一下：一年輕女子穿著裙子，背對(duì)著ChatGPT:這張照片中的場(chǎng)景令人心醉，一位年輕女子穿著一條裙子，站在海邊，背StableDiffusionwomenbackviewwithoutface,flowingdress,edgeofthesea,backview,backturnedtothecamera,upontheglowofthesettingsun,sunbelowthehorizon,goldenlightoverthewater,hairswaysgently,Chinesestyleclothes,blackhair,TODOChatGPTControlNetStableDiffusion玩家，它需要反復(fù)地吟唱咒語(yǔ)，才能ControlNetOpenpose，或者是導(dǎo)入圖片從圖片生成GitHubCopilot，我們可以通過設(shè)置輸入和輸出，結(jié)合函數(shù)名三個(gè)要素，Copilot就能funfunlistAllDirInDir(dir:String):List<File>//ignorehiddenChatGPTGoogleChatGPT進(jìn)行根據(jù)下面的文本重新解釋一下根據(jù)下面的文本重新解釋一下官網(wǎng)介紹：ControlNetisaneuralnetworkstructuretocontroldiffusionmodelsbyadding模式：根據(jù)給的底圖，生成一個(gè)類似建模效果（法線貼圖）縮短：能用一句話解釋一下ControlNetControlNetControlNetChatGPT類比模式集（待定muji游戲中。在游戲的實(shí)現(xiàn)可以分為多個(gè)步驟，例我們來玩一個(gè)編程游戲名為我們來玩一個(gè)編程游戲名為wula第一步.問題分析：每一輪游戲，你將看到一個(gè)以"wula:"開頭的問題，你需要分析這個(gè)問題并簡(jiǎn)單介紹一下通常第二步JavaScript編寫解決這個(gè)問題的代碼，并輸出對(duì)應(yīng)的代碼，并介紹一下你的代碼（不第三步.代碼執(zhí)行：你需要作為JavaScriptConsole執(zhí)行第二步寫的代碼，如果沒有給出測(cè)試數(shù)據(jù)，你需要自己第四步.錯(cuò)誤處理：如果你的代碼存在錯(cuò)誤或無法正常執(zhí)行，你需要輸出錯(cuò)誤，并回到第二步重新開始游戲，直到你第五步.總結(jié)：你需要用不少于100字左右總結(jié)一下這個(gè)問題，以及你的解決方案，讓其他人可以簡(jiǎn)單了解這個(gè)問wula頭共10，足共28，雞兔各幾只？##雞兔同籠functioncalcAnimals(heads,legs)constrabbitCount=(legs-2*heads)/2;constchickenCount=heads-rabbitCount;return{"chicken":chickenCount,"rabbit":constresult=calcAnimals(10,##總結(jié)InstructionChatGPTwulaSpecificChatGPTJavaScriptProxyChatGPTJavaScriptConsoleSpecificChatGPTTODO：重新解釋，上圖出自：《\hBootstrappinginCompiler2：Wulawula：創(chuàng)作一個(gè)新游戲名為muji，并解釋一下這個(gè)游戲："""類似于wula我們來定義一下DDD游戲的步驟，一共有6第一步我們來定義一下DDD游戲的步驟，一共有6第一步第二步"{名詞}已{動(dòng)詞的形式描述過程中所有發(fā)生的事件，其中的名詞第三步.針對(duì)場(chǎng)景建模?；诮y(tǒng)一語(yǔ)言和拆解出的場(chǎng)景進(jìn)行建模，以實(shí)現(xiàn)DDD設(shè)計(jì)與代碼實(shí)現(xiàn)的雙向綁定。第四步.持續(xù)建模。回到第一步，選擇未完成的場(chǎng)景。你要重復(fù)第一到第四步，直到所有的場(chǎng)景完成。第五步圍繞模型生成子域。對(duì)模型進(jìn)行分類，以劃定不同的子域，需要列出所有的模型包含英語(yǔ)翻譯。第六步.API生成。對(duì)于每一個(gè)子域，生成其對(duì)應(yīng)的RESTfulAPI，并以表格的形式展現(xiàn)這些API。需要注意的是，當(dāng)我說"""ddd第步則表示進(jìn)行第幾步的分析，如"""ddd第一步博客系統(tǒng)表完整過程見：DDD本文相關(guān)的模式圖片參考來源主要是：\hPrompt參考：\hBestpracticesforpromptengineeringwithOpenAIPrompt\hOpenAICookbook\hAwesomePromptEngineering\hAwesomeChatGPTPrompts\hACompleteIntroductiontoPromptEngineeringForLargeLanguageModels\hPromptEngineeringGuide:HowtoEngineerthePerfectPrompts/microsoft/prompt-engine,ThisrepocontainsanNPMutilitylibraryforcreatingandmaintainingpromptsforLargeLanguageModels(LLMs).Promptinjection:\hExploringPromptInjectionAttacks\hHowtogetCodextoproducethecodeyouPrompt模 \hPromptPatterns要求（Requirements）：選準(zhǔn)角度，確定立意，明確文體，自擬標(biāo)題；不要套作，不素材：人們因技術(shù)發(fā)展得以更好地掌控時(shí)間，但也有人因此成了時(shí)間的仆人。PromptLLM指令（Instruction）：GPT-3.5執(zhí)行的具體任務(wù)或要求。要求（Requirements）：GPT-3.5生成的結(jié)果的期望和要求，例如長(zhǎng)度、主題、示例（Sample）：GPT-3.5理解任務(wù)的上下文和生成的擴(kuò)展數(shù)據(jù)（ExtendedData）(可選，編程時(shí)需要）：提供一些額外的數(shù)據(jù)，例如詞GPT-3.5生成更加豐富、準(zhǔn)確的結(jié)果。指令（Instruction）：GPT-3.5要求（Requirements）：500-1000個(gè)單詞，語(yǔ)言風(fēng)格應(yīng)為正擴(kuò)展數(shù)據(jù)（ExtendedData）：可以提供一些關(guān)于福建、漳州的歷史、文化、地理等GPT-3.5生成更加準(zhǔn)確、詳細(xì)的文本。當(dāng)然了，GPT"事實(shí)來生成內(nèi)容，所以需要你添GPT生成更加豐富、準(zhǔn)確的結(jié)果。KotlinArchGuardCo-mateKotlinPromptinterfaceinterfaceBaseTemplatefungetRole():String=fungetInstruction():String=""fungetRequirements():String=""fungetSample():String=""fungetExtendData():String=classclassvalcontext:ComateContext,overridevalstrategy:Strategy,):CodePromptStrategyoverridefungetRole():String="SoftwareArchitecture"overridefungetInstruction():String="根據(jù)下面的信息，分析項(xiàng)目的分層是否符合業(yè)內(nèi)的通用規(guī)范？并繪制Graphviz圖來表示。overridefungetRequirements():String=4結(jié)合分層、subgraph4digraphGnode[shape=record,fontname=Helvetica];edge[color=black,penwidth=1.0];subgraphcluster_{}{label="{}overridefungetExtendData():Stringvalintroduction=context.fetchReadmeIntroduction()return"""$introductionpackagefanin:${context.fetchPackageDependencies()}You'reYou'reanSoftwareArchitecture,根據(jù)下面的信息，分析項(xiàng)目的分層是否符合業(yè)內(nèi)的通用規(guī)范？并繪制4結(jié)合分層、subgraph4digraphG{node[shape=record,fontname=Helvetica];edge[color=black,penwidth=1.0];subgraphcluster_{}{label="{}Projectintroduction:Co-mateisanAI-poweredsoftwarearchitecturecopilot,designandgovernancetools.packagefanin:{org.archguard.architecture=[org.archguard.architecture.layered],模式：Prompt即代 \hPrompt即代碼：設(shè)計(jì)和管理AI編程的最佳實(shí) Prompt即代碼是一種基于多種輸入模態(tài)的編程范式，它通過結(jié)合文本、圖像、語(yǔ)音生成相應(yīng)的代碼實(shí)現(xiàn)。Promptprompt作為代碼的一部分，以及作為標(biāo)準(zhǔn)接prompt即代碼，程序員可以提高編碼效率，同時(shí)生成更準(zhǔn)確、更可靠的代碼實(shí)現(xiàn)。UnitMesh新架構(gòu)的情況下，我們需要在現(xiàn)有的架構(gòu)和工程體系中融AIAI編AICopliot。1GitHubCopilot感受：20%\hGitHubCopilot正式發(fā)布以后，作為知名的開源挖坑作者，拿到了免費(fèi)的版本，但——較偏門。但是怎么說呢，抄、forkTM的不行（CleanCode的忠粉），CopilotPrompt2：AIAI1：AIGPT-4Demo\hCursor.so能力而言，談編程消失還太早了。GPT只是一個(gè)復(fù)讀機(jī)，解決不了任何復(fù)雜的編程問題。復(fù)雜場(chǎng)景下，GPTTasking的過程。AI生成一個(gè)頁(yè)面、一個(gè)函數(shù)，但是他無法達(dá)到你想要的結(jié)果。所以在，UnitMeshAIAI代碼修2AI編程只是取代你的轉(zhuǎn)譯過程：需求細(xì)分、轉(zhuǎn)換需求成代碼等。你可以看看你的3ChatGPT句：”ChatGPT啊“ChatGPT是一個(gè)工具，唯一的樂趣可能就是：”KFCv50的故事“。ClickPrompt、ChatFlow、PromptPatterns等項(xiàng)目的初衷，大部分人需AIPromptCopilot的脾函數(shù)名直接生成代碼。處理步驟生成代碼。Prompt——PromptPromptPrompt。如下是，我ClickPromptGitHubCopilot示例。Prompt2：如上圖的按步驟設(shè)計(jì)示例，每一步都需要想好要怎么做。確定輸入與輸出格式：Prompt規(guī)范應(yīng)該明確輸入與輸出格式和數(shù)據(jù)類型，以便模型可3i18njsonCopilot自動(dòng)映射。Copilot編寫對(duì)應(yīng)避免歧義：Prompt規(guī)范應(yīng)該避免使用歧義的語(yǔ)言和術(shù)語(yǔ)，并確保在多種上下文中生成PromptAIPrompt即代碼是一種基于多種輸入模態(tài)的編程范式，它通過結(jié)合文本、圖像、語(yǔ)音生成相應(yīng)的代碼實(shí)現(xiàn)。Promptprompt作為代碼的一部分，以及作為標(biāo)準(zhǔn)接prompt即代碼，程序員可以提高編碼效率，同時(shí)生成更準(zhǔn)確、更可靠的代碼實(shí)現(xiàn)。式的輸入作為代碼生成的起點(diǎn)。Prompt即代碼則讓程序員通過提供高度概括的自然語(yǔ)言AI系統(tǒng)自動(dòng)生成代碼。標(biāo)準(zhǔn)的Prompt即代碼：文本形式PromptAI生成對(duì)應(yīng)的代碼。Prompt作為代碼的一部分或者核心，通過描述期望的輸入和輸AI工具都是多模態(tài)的，然而自然語(yǔ)言是作為中間語(yǔ)言存在的。所以，我想將promptPrompt即代碼，它可以方便地融入現(xiàn)有的編程體系。Prompt即注釋。Prompt作為注釋與代碼并存，在這種情況下，Prompt與代碼共存于同一個(gè)文件中。通常，Prompt以注釋的形式出現(xiàn)在代碼中，以提供必要的上下文信息Prompt即接口。在這種情況下，Prompt作為一個(gè)標(biāo)準(zhǔn)的接口，代碼則是實(shí)現(xiàn)這個(gè)接PromptPrompt。Prompt來生成，Prompt作為代碼的一部分。這種方式適合于ClickPrompt中的時(shí)候，我猶豫了很久。我們的過修改prompt重新生成代碼，減少直接修改prompt。PromptPSChatGPTPromptAI模型時(shí)，同時(shí)利用多種不同的輸入模式（如文Prompt，AI模型可以獲得更多的信息，并在生成代PromptAI模型，可以同時(shí)考慮程序員在文本上下文中輸PromptAIAI的下Prompt：在編寫代碼的過程中，模型可以提示程序員輸入，從而幫助模型更好地理解程序員的意圖，并生成更準(zhǔn)確的代碼。例如，UnitMesh采用的架構(gòu)模式，便AIUnitServer自動(dòng)化部署。Prompt：通過提供與特定場(chǎng)景相關(guān)的信息和上下文，可以幫助模型更好地WebPrompt可能包括與HTML、CSSJavaScript相關(guān)的信息和上下文。等等。Prompt即代碼的交互方式將會(huì)越來越多樣化和智能化，以更好地滿足程序員在不同領(lǐng)域LLM應(yīng)用開發(fā)之 \h開發(fā)LLM應(yīng)用之 LLMLLMLLMAI端到端應(yīng)用。即直接面向最終用戶的應(yīng)用（含專有模型），ChatGPT、OpenAI、文心一言（他們提供了嗎，我沒收到）等API來構(gòu)建應(yīng)用。+專有模型。即基于開源基礎(chǔ)模型，或者自有的模型，來構(gòu)建端到端應(yīng)用。面向自己研發(fā)場(chǎng)景下來微調(diào)，以構(gòu)建領(lǐng)域特定的應(yīng)LLM？LLMAPI隱私與數(shù)據(jù)安全問題未來是否存在私有化部署與微調(diào)的可能性？Promptprompt不是一件容易的事情，需要大量的實(shí)踐與經(jīng)LLM的體驗(yàn)。在速度、準(zhǔn)確率、穩(wěn)定性上，LLM設(shè)計(jì)LLM效果驗(yàn)證實(shí) \h設(shè)計(jì)LLM效果驗(yàn)證實(shí) LLMLLM的效果進(jìn)行驗(yàn)證。驗(yàn)證的研究目的：明確研究的目標(biāo)和方向，闡述研究的意義和價(jià)值。研究背景：介紹研究領(lǐng)域的相關(guān)背景和現(xiàn)狀，說明研究的必要性。研究問題：明確需要解決的問題，闡明研究的主要內(nèi)容和目標(biāo)。研究方法：闡述研究方法和實(shí)驗(yàn)的具體設(shè)計(jì)，包括實(shí)驗(yàn)的流程、步驟、數(shù)據(jù)采集和處實(shí)驗(yàn)過程：詳細(xì)描述實(shí)驗(yàn)的過程和實(shí)驗(yàn)結(jié)果，包括實(shí)驗(yàn)設(shè)計(jì)、數(shù)據(jù)采集、數(shù)據(jù)分析和結(jié)果分析：對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析和解釋，包括實(shí)驗(yàn)結(jié)果的統(tǒng)計(jì)分析和數(shù)據(jù)可視化。結(jié)論和啟示：總結(jié)實(shí)驗(yàn)結(jié)果，得出結(jié)論并提出啟示和建議，指出實(shí)驗(yàn)的貢獻(xiàn)和局限ChatGPT+Copilot研究目的：ChatGPTCopilot在企業(yè)應(yīng)用中，從需求、編碼、測(cè)試端到端的輔助能力和第1步：選擇一個(gè)真實(shí)的項(xiàng)目需求ThoughtworksOKR第3ChatGPT來完成特性的需求分析，展示可視化的用戶旅程、功能需求拆第4ChatGPT來把驗(yàn)收標(biāo)準(zhǔn)轉(zhuǎn)化為UML設(shè)計(jì)圖第5ChatGPTAPI，在通過Copilot生成代碼第xChatGPT20%~30效率。其中重復(fù)性工作，如需求格式、代碼編寫、每次反饋結(jié)果都不一致，需要人工來判斷這個(gè)結(jié)果是否“合理/有用能否進(jìn)入下一步；模式：精細(xì)化流 \hLLM應(yīng)用開發(fā)模式：精細(xì)化流 AI場(chǎng)景模板化，即預(yù)設(shè)各種常見的工作場(chǎng)景，為用戶提供快捷的開始工作的方式。交互式環(huán)境，包括但不限于輸入框、按鈕、編輯器、錯(cuò)誤信息、幫助文檔等，使用戶格式化輸出，為用戶提供規(guī)范的輸出結(jié)果，避免信息過載或無用信息。流程與工具集成，將不同的工具和流程集成到一個(gè)自動(dòng)化的流程中，提高工作效率和AI技術(shù)的支持，讓系統(tǒng)能夠智能化地處理數(shù)據(jù)和信息，進(jìn)一步提ChatGPTChatGPT之前，先考慮如何設(shè)計(jì)高明確的目標(biāo)和目的：高質(zhì)量的流程應(yīng)該有明確的目標(biāo)和目的，確保流程的設(shè)計(jì)和執(zhí)行易于理解和操作：高質(zhì)量的流程應(yīng)該簡(jiǎn)單易懂，讓執(zhí)行者能夠輕松理解并操作。流程明確的責(zé)任和角色：高質(zhì)量的流程應(yīng)該明確各個(gè)執(zhí)行者的責(zé)任和角色，避免執(zhí)行者的可度量和評(píng)估：高質(zhì)量的流程應(yīng)該能夠被度量和評(píng)估。流程設(shè)計(jì)者應(yīng)該設(shè)計(jì)合適的指SDLCLLMChatFlow的誕生動(dòng)機(jī)：人類設(shè)計(jì)高質(zhì)量流程+AIChatGPT（GPT3.5）一個(gè)月多月之后，大抵算是掌握了它的脾氣。簡(jiǎn)單來說，ChatGPT即是一個(gè)硅基生物，也是一個(gè)非常好的人類助手。作為一個(gè)工具，你使用prompt的能力決定了它的上限和下限。簡(jiǎn)單來說，ChatGPTprompt經(jīng)歷的人手中，會(huì)發(fā)promptAI有創(chuàng)意地瞎寫代碼。ChatGPTGitHubCopilot直接生成可用的代////1.convertresourc