毋庸置疑,力更在 AI 的码解码帮助下,开发者的释器编码效率能够大大提升。
开发者们将从简单、体编重复的力更编码工作中解脱出来。但是码解码随之而来的诸多问题,往往让使用 AI 的释器开发者们头秃不已。
Chapyter 将 GPT-4 这样强大的体编代码生成模型合并到 Jupyter Notebook 编码环境中,开辟了人类 - AI 协作的力更新模式,在极大程度上解决了大部分编程助手会出现的码解码问题。
Chapyter 是释器一个 JupyterLab 扩展,将 GPT-4 无缝连接到你的体编编码环境,并且具有一个代码解释器,可以将自然语言描述翻译为 Python 代码并自动执行。并且 Chapyter 通过在你最熟悉的 IDE 中启用「自然语言编程」,提高你的工作效率,并使你能够探索更多未尝试过的新想法。
图片
项目链接:https://github.com/chapyter/chapyter
下图为 Chapyter 与部分现有的编码助手的差别。
可以发现,Chapyter 将编码助手的优势综合了起来。它可以帮助开发者完成各种复杂的编码任务、自动执行 AI 生成的代码,还能够让开发者进行原位调试、自定义 Prompt,甚至保护了开发者与代码的隐私性,避免数据被利用。
图片
Chapyter 的主要特点有:
1. 从自然语言生成代码并自动执行
只需在任务自然语言描述的单元格开头添加命令「%% chat」,代码就会生成,并且用时极短,只需要几秒钟。
别小瞧了 Chapyter 的这个优势。
自动补全一直是许多 AI 辅助编码工具的主流交互,在编码环境中提供 AI 支持,并且可以显著提高开发人员工作的生产力和满意度。然而,自动补全并不完美:穿插 AI 代码建议可能会分散注意力;生成的代码可能包含可能很难调试的隐藏错误;并且生成的代码通常只跨越几行,很难在上下文之外生成新的功能。
Chapyter 通过提供单元级代码生成和自动执行克服了这些问题。你只需键入要执行的操作的自然语言描述,Chapyter 将调用 GPT-X 模型来生成代码并为你执行。这与 Copilot 等系统中的代码补全非常不同:其旨在支持仅跨越几行代码并且与当前工作非常相关的微任务,例如,完成函数调用。而 Chapyter 旨在接管完整的任务,有时可能与现有代码不同。
默认情况下,生成的代码是隐藏的,因为 Chapyter 希望淡化 AI 生成的代码并专注于结果。并且,关于自动执行你也无需担心,因为 Chapyter 有一个安全模式来防止自动执行可能危险的代码。
2. 使用编码历史和执行输出来生成代码
Chapyter 还可以利用你的代码历史记录和执行输出来提供上下文感知建议。它还可以选择加载文件,以便为进一步处理和分析提供建议。
如下图所示,通过在代码生成中添加 --history 或 -h 标志,Chapyter 可以使用之前的执行历史和输出,为加载的 IRIS 数据集生成相应的可视化代码。
3. 原位调试、编辑代码
生成的代码可能并不完美,可能包含 bug 或错误。由于 Chapter 已完全集成到 Jupyter Notebook 中,因此无需离开 IDE,你就可以轻松地检查代码并修复任何错误或 bug (例如,在这种情况下安装缺少的依赖项)。
4.prompt 和 AI 配置透明化,并允许自定义
Chapyter 发布了库中使用的所有 prompt,并致力于让自定义所使用的 prompt 和设置更加便捷。
可查阅:https://github.com/chapyter/chapyter/blob/main/chapyter/programs.py
5. 使用 AI 时,隐私优先
Chapyter 是一个极小的 Python 包,可以在本地安装并与 JupyterLab 无缝使用。它使用 OpenAI API 调用 GPT-X 模型,默认情况下不会保留交互数据和代码进行训练。
因此与 Copilot 或 ChatGPT 缓存你的数据并用来训练和分析不同,Chapyter 所有发送到 OpenAI 的数据将不会被保存用于训练(可参阅 OpenAI API 数据使用策略)。
Chapyter 主要由两个部分组成:
下图展示了执行 Chapyter 单元格后前端和 ipython 内核的编排。
图片
(责任编辑:知识)
王子新材(002735.SZ)拟收购中电华瑞49%股权 2月25日起复牌
拼多多2019年Q1营收同比增长228%至45.45亿元,亏损大幅收窄
持续构建AIoT合作生态,旷视企业业务合作伙伴大会北京站顺利召开
梁文道在Apple播客“伴你收听” 钟爱文化沙龙、历史类 -