مهندس GPT: نسل بعدی توسعه مبتنی بر هوش مصنوعی

مهندس GPT برای ایجاد نرم افزار بر اساس مشخصات شما در نظر گرفته شده است. به سادگی یک درخواست ارائه دهید، و مهندس GPT در صورت لزوم، قبل از ایجاد یک پایگاه کد کامل سفارشی شده برای سبک کدنویسی و عملکرد انتخابی شما، توضیحات لازم را درخواست خواهد کرد. این قابل انطباق، توسعه پذیر است و به شما امکان می دهد تا نماینده خود را برای درک اولویت های کدنویسی خود آموزش دهید.

در این مقاله، نحوه استفاده از نسل بعدی ابزارهای توسعه مبتنی بر هوش مصنوعی GPT Engineer را گام به گام به شما نشان خواهم داد. امیدوارم در پایان این مقاله آموزش کامل مهندس GPT را دریافت کنید.

تنظیم محیط

لطفاً مراحل زیر را برای آماده کردن محیط خود برای استفاده از GPT Engineer تکمیل کنید:

این مراحل را برای شبیه سازی مخزن GPT Engineer دنبال کنید:

• خط فرمان یا ترمینال را راه اندازی کنید.
• به دایرکتوری شبیه سازی مورد نظر مخزن بروید.
• برای کلون کردن مخزن، از دستور زیر استفاده کنید:

git clone 

برای دسترسی به دایرکتوری پروژه پس از شبیه سازی مخزن GPT Engineer، موارد زیر را انجام دهید:

• خط فرمان یا ترمینال را راه اندازی کنید.
• از دستور cd و به دنبال آن مسیر دایرکتوری مخزن کلون شده استفاده کنید. به عنوان مثال:

cd gpt-engineer

برای ایجاد یک محیط جدید Conda دستور زیر را اجرا کنید:

کاندا ایجاد --name gpt-eng python=3.11.3

محیط Conda را با استفاده از دستور زیر فعال کنید:

برای کاربران ویندوز،

فعال کردن gpt-eng

برای Linux/macOS:

منبع فعال gpt-eng

مطمئن شوید که در دایرکتوری پروژه هستید که حاوی فایل requires.txt است. برای رسیدن به فهرست پروژه، از دستور cd استفاده کنید.

برای نصب پیش نیازها، از دستور زیر استفاده کنید:

pip install -r requirements.txt

تنظیم کلید OpenAI API

هنگامی که کلید API را به دست آوردید، آن را به عنوان یک متغیر محیطی تنظیم کنید:

برای دریافت کلید OpenAI API، این دستورالعمل‌های گام به گام را دنبال کنید:

1. از وب‌سایت OpenAI (https://openai.com دیدن کنید و اگر قبلاً حسابی ندارید، یک حساب ایجاد کنید.
2. پس از ورود به سیستم، به صفحه نمای کلی حساب خود بروید. معمولاً می‌توانید پیوندی به آن را در منوی پیمایش بالا یا با کلیک کردن روی نمایه حساب خود پیدا کنید.
3. در صفحه نمای کلی حساب، بخش مربوط به OpenAI API را پیدا کنید. ممکن است به عنوان “API” یا “کلیدهای API” برچسب گذاری شود.
4. روی پیوند یا دکمه ای که شما را به نمای کلیدهای API می برد کلیک کنید. با این کار صفحه ای باز می شود که کلیدهای API شما را نشان می دهد.
5. در نمای کلیدهای API، به دنبال گزینه ای برای ایجاد یک کلید مخفی جدید باشید. ممکن است به عنوان “ایجاد کلید جدید” یا چیزی مشابه برچسب گذاری شود.

6. برای ایجاد یک کلید مخفی جدید روی دکمه کلیک کنید. این یک کلید API جدید برای شما ایجاد می کند.
7. در صورت تمایل، ممکن است از شما خواسته شود نامی برای کلید API ارائه دهید. یک نام توصیفی وارد کنید تا بتوانید بعداً هدف آن را شناسایی کنید.
8. هنگامی که کلید تولید شد، مطمئن شوید که آن را کپی کرده و ایمن ذخیره کنید. شما نمی توانید آن را دوباره از رابط وب بازیابی کنید، بنابراین حفظ سابقه آن برای استفاده در آینده بسیار مهم است.

به یاد داشته باشید که کلید API خود را به عنوان اطلاعات حساس در نظر بگیرید و آن را ایمن نگه دارید.

برای ویندوز (خط فرمان):

تنظیم OPENAI_API_KEY=

برای ویندوز (PowerShell):

$env:OPENAI_API_KEY=""

برای Linux/macOS:

صادر کردن OPENAI_API_KEY=

آماده استفاده:

شما اکنون با موفقیت محیط را برای استفاده از GPT Engineer پیکربندی کرده اید. می‌توانید با اجرای اسکریپت‌های مورد نیاز یا گنجاندن کد در برنامه‌های خود، استفاده از ابزار را شروع کنید.

مراحل اجرای مهندس GPT

لطفاً برای اجرای مراحل زیر را دنبال کنید:

دستورالعمل‌های ارائه شده توسط Engineer:G

یک پوشه خالی جدید بسازید:

یک پوشه جدید در مکانی که می خواهید بسازید. این کار را می توان به صورت دستی یا از طریق خط فرمان انجام داد. برای ایجاد یک پوشه جدید به نام “my-new-project” در فهرست فعلی، به عنوان مثال، تایپ کنید:

mkdir my-new-project

کپی فایل‌های نمونه (اختیاری):

برای شروع با یک ساختار پروژه نمونه، محتویات پوشه “example” را در پوشه تازه ایجاد شده خود کپی کنید. برای کپی کردن فایل ها و پوشه ها از دستور زیر استفاده کنید:

cp -r example/* my-new-project/

اعلام اصلی را پر کنید:

یک ویرایشگر متن را باز کنید و به فایل “main_prompt” در پوشه “my-new-project” خود بروید. محتوای فعلی را با دستور تولید کد مورد نظر خود جایگزین کنید. مطمئن شوید که درخواست شما به درستی عملکرد یا ساختار کد لازم را مشخص کرده است.

اسکریپت مهندس GPT را اجرا کنید:

به دایرکتوری ریشه GPT Engineer (پوشه حاوی “main.py”) بروید.

برای اجرای GPT Engineer و تولید کد بسته به دستور اصلی خود، دستور زیر را وارد کنید:

python main.py my-new-project

این دستور به مهندس GPT می‌گوید که دستور اصلی را در پوشه “my-new-project” پردازش کند و کد ایجاد کند.

فرمان اصلی را پردازش کنید

در اینجا برخی جزئیات برای روشن شدن وجود دارد:

خلاصه مناطقی که نیاز به توضیح دارند:

1. جزئیات در مورد بازی مار (قوانین، ویژگی ها، و غیره)

2. مشخصات مربوط به اجزای MVC (مدل، نمایش، کنترلر)

3. نحوه کنترل صفحه کلید در پایتون

4. سازماندهی و ساختار پرونده

سوال روشنگر:

لطفاً جزئیات بیشتری در مورد بازی مار، مانند قوانین، ویژگی‌ها و هر گونه الزامات اضافی ارائه دهید
(به صورت متنی پاسخ دهید، یا "q" را ادامه دهید)

قوانین بازی مار برای اجرا:

بازی Snake یک بازی معروف در سبک آرکید است که یک مهندس می تواند با پیروی از این قوانین بسازد:

گرید بازی:

بازی روی یک شبکه یا صفحه دو بعدی که به سلول‌هایی تقسیم شده است، اتفاق می‌افتد.
اندازه شبکه بسته به تنظیمات بازی می تواند از پیش تعریف شده یا قابل تنظیم باشد.
حرکت مار:

در شبکه، مار به عنوان یک سری از بخش ها یا بلوک های متصل نشان داده می شود.
مار با یک بخش شروع می شود و در یک جهت حرکت می کند.
بازیکن می تواند جهت را با استفاده از ورودی های صفحه کلید (به عنوان مثال، کلیدهای جهت دار) کنترل کند.
مار در جهتی که اکنون رو به رویش است، یک سلول در یک زمان پیش می رود.
اقلام غذایی شامل:

مواد غذایی به صورت تصادفی روی شبکه قرار می گیرند.
هدف از این بازی این است که مار مواد غذایی را ببلعد تا طولانی تر شود.
وقتی سر مار با یک ماده غذایی برخورد می کند، آن را مصرف می کند و طولانی تر می شود.
رشد مار:

مار با افزودن بخش جدیدی به بدن خود در هنگام مصرف غذا، طولانی تر می شود.
بخش تازه به دست آمده به دم مار متصل است.
تشخیص برخورد:

برای تعیین نتیجه بازی، بازی باید برخورد بین مار و آیتم های مختلف را تشخیص دهد.
Self-Collision: اگر سر مار با قسمتی از بدن خودش برخورد کند، بازی تمام می شود.
برخورد دیوار: اگر سر مار با مرزهای شبکه برخورد کند، بازی تمام شده است.
برخورد غذا: وقتی سر مار با یک ماده غذایی برخورد می کند، غذا را مصرف می کند، طولانی تر می شود و امتیاز آن بالا می رود.
بازی تمام شد:

هنگامی که بازی به دلیل برخورد با بدن یا دیواره‌های مار به پایان می‌رسد، یک حالت Game Over ایجاد می‌شود.
امتیاز نهایی نمایش داده می شود که تعداد مواد غذایی مصرف شده را نشان می دهد.
بازیکن این گزینه را دارد که دوباره بازی کند یا از بازی خارج شود.

این قوانین به عنوان پایه ای برای توسعه بازی Snake عمل می کنند. مهندس می تواند از این اصول برای ساخت منطق بازی و اجرای عملکردهای مورد نیاز برای حرکت مار، تشخیص برخورد، تولید غذا، ردیابی امتیاز و بازی در موقعیت ها استفاده کند.

خروجی

>

همچنین می‌توانند شامل عناصری مانند مراحل، تغییرات سرعت، و رابط‌های گرافیکی برای بهبود تجربه بازی باشند.

ویژگی های مهندس GPT

• شناسایی: هویت عامل هوش مصنوعی را می‌توان با ویرایش فایل‌های موجود در پوشه هویت مشخص کرد. این به کاربران امکان می دهد تا عامل هوش مصنوعی را مطابق با نیازهای خود تنظیم کنند. برای مثال، کاربران می‌توانند نام، جنسیت و ویژگی‌های شخصیت عامل هوش مصنوعی را مشخص کنند.
• حافظه: عامل هوش مصنوعی می‌تواند با تغییر هویت و تکامل main_prompt موارد را بین پروژه‌ها به خاطر بسپارد. در نتیجه، عامل هوش مصنوعی می تواند در طول زمان یاد بگیرد و توسعه یابد.
• سابقه ارتباط: سابقه ارتباط با GPT4 برای هر مرحله در step.py در پوشه گزارش‌ها ذخیره می‌شود. این به کاربران امکان می‌دهد تا پیشرفت عامل هوش مصنوعی را نظارت کرده و مشکلات را عیب‌یابی کنند. از Scripts/rerun_edited_message_logs.py می‌توان برای انجام مجدد سابقه ارتباط استفاده کرد.

من فکر می‌کنم اینها همه ویژگی‌های کاربر عالی هستند. آنها به کاربران اجازه می دهند عامل هوش مصنوعی را سفارشی کنند، پیشرفت آن را ردیابی کنند و با رویکردهای مختلف آزمایش کنند. این عامل هوش مصنوعی را برای طیف وسیع تری از افراد مفیدتر و موثرتر می کند.

همچنین بخوانید: همچنین ممکن است راهنمای ما در راهنمای مهندسی اعلان اولیهپیدا کنید

تأثیر GPT-Engineer

معرفی GPT-Engineer با استفاده از قدرت مدل‌های GPT تأثیر فوق‌العاده‌ای در زمینه‌های مختلف داشته است. یکی از مهارت های برجسته آن، توانایی تولید کد در چند ثانیه با استفاده از تنها چند کلمه به عنوان ورودی است. این امر به طور قابل ملاحظه ای روند توسعه را تسریع کرده و زمان و تلاش لازم برای فعالیت های کدگذاری را کاهش داده است.

به‌علاوه، GPT-Engineer امکانات سفارشی‌سازی جامعی را ارائه می‌دهد که به مشتریان اجازه می‌دهد رفتار و حافظه عامل هوش مصنوعی را در چندین پروژه تغییر دهند. این را می توان با اصلاح یا افزودن فایل ها به پوشه هویت انجام داد، و به کاربران اجازه می دهد ویژگی ها و تخصص فردی عامل هوش مصنوعی را مشخص کنند.

علاوه بر این، فرآیند تولید کد GPT-Engineer قابل مشاهده و ردیابی است. هر مرحله از فرآیند تولید کد مستند شده و در پوشه گزارش‌ها ذخیره می‌شود. این قابلیت به کاربران اجازه می دهد تا به عقب برگردند و مراحل خاصی را مجدداً اجرا کنند و به اصلاح مکرر و اشکال زدایی کد تولید شده اجازه دهند. گردش کار کارآمد را تشویق می کند و ظرفیت تنظیم دقیق و بهبود خروجی را بر اساس الزامات لازم بهبود می بخشد.

به طور کلی، ظهور GPT-Engineer با استفاده از قابلیت‌های مدل‌های GPT، امکان کدنویسی سریع و کارآمد، سفارشی‌سازی پیشرفته و پالایش کد تکراری، انقلابی در تولید کد ایجاد کرده است. این پتانسیل بسیار زیادی برای کاهش فرآیندهای توسعه و تقویت نوآوری در مناطق مختلف دارد.

نتیجه گیری

در پایان، مهندس GPT نشان دهنده نسل بعدی ابزارهای توسعه مبتنی بر هوش مصنوعی است. با توانایی خود در تولید کل پایگاه های کد بر اساس دستورات و ماهیت انعطاف پذیر و سازگار آن، فرآیند تولید کد و سفارشی سازی را ساده می کند. مهندس GPT از درخواست های سطح بالا گرفته تا تعامل یکپارچه انسان و هوش مصنوعی، به توسعه دهندگان این امکان را می دهد تا پروژه های خود را به طور کارآمد بسازند و گسترش دهند و امکانات جدیدی را در حوزه توسعه نرم افزار مبتنی بر هوش مصنوعی باز کنند. لطفاً نظرات و انتقادات خود را در بخش نظرات زیر به اشتراک بگذارید.