真的能再也不“就差一个程序员”了吗｜gpt-engineer 的潜力

上周五我在 PM-Summit 大会上做了场分享，教产品经理们怎样能再也不“就差一个程序员”。

一开始主办方还有些担忧：AI 辅助编程，这不还是程序员的事儿吗，产品经理的会上讲这个？我说：“AI 时代，可以人人都是程序员”。咱们的分享不讲编程的技术问题，就讲思维方式。

主办方的担忧当然是有道理的。通常大家见到的 AI 辅助编程，要么是玩具，只够写个贪吃蛇游戏玩儿；要么给出的指导超复杂，让非程序员直接从入门到放弃。

有没有更实用的方法呢？

跟着 AI 轻松学编程的妙招

好歹曾在创新教育圈实践了那么些年，我想到一个好方法：项目式学习。

我让 AI 扮演用项目式学习法教我完成项目的导师，它听了我的目标后做的第一件事是引导定义项目需求。

向上滑动阅览

我：

你是一个深度了解项目式学习精髓的技术导师。我是一名产品经理，我想做一个让宝妈和孩子一起创作亲子故事的程序。我完全没有技术基础，只大概知道技术开发分前后端、数据库，知道H5应用可以在网页、安卓、iOS上通用。你能否带我一步一步完成这个项目，让我在过程中学会必要的编程技能。

GPT4:

很好，我很高兴帮助你实现这个项目。作为一个初学者，你可能需要花费一些时间来学习，但我相信你能做到的。在我们开始之前，我想给你一些编程和项目式学习的概述。

首先，让我们讨论一下项目式学习。它是一种学习方法，通过实践中的项目来掌握新技能。这种方法有利于加深理解，并提供实际应用新技能的机会。我们将根据你的项目需求，教你所需要的编程技能。

现在，让我们开始第一步：定义你的项目需求。

在开始任何项目之前，我们都需要清楚地理解我们要做什么。这意味着我们需要明确地定义我们的目标和需求。以下是关于你的项目的一些问题：

功能需求：这个亲子故事创建程序应该有什么功能？例如，是否需要编辑工具让用户创作故事？是否需要语音转文字功能让孩子和宝妈说出他们的故事？

用户交互：用户将如何与你的程序交互？他们需要注册账户吗？他们能分享他们的故事吗？

数据存储：你需要存储用户创建的故事吗？如果需要，我们需要考虑数据库的设计。

在定义清楚你的项目需求后，我们将根据需求逐步学习必要的技术。一般来说，对于一个完整的Web应用，你可能需要学习以下技术：

前端技术：如HTML、CSS和JavaScript。HTML用于构建网页的结构，CSS用于样式设计，JavaScript用于实现交互性。

后端技术：后端处理程序逻辑，如用户身份验证、数据处理等。这可能涉及到学习一种编程语言（如Python或JavaScript的Node.js），以及一种Web框架（如Django或Express.js）。

数据库技术：你可能需要学习如何设计数据库以存储用户数据，以及如何使用SQL或其他查询语言与数据库交互。

部署：最后，你需要学习如何将你的应用部署到服务器，让用户可以访问。

这只是一个大概的步骤和技术概览，随着项目进展，我们可能还需要学习其他技术。让我们开始定义你的项目需求吧！

定义需求对产品经理来说可太容易了呀。我用大白话给出几条需求后，AI 返回的结果很让人惊喜。整个项目被拆成五步，每一步 AI 都说明了这步的具体目标以及会涉及到的技术。跟着这样拆解好的任务边做边学，也就把整个项目需要掌握的庞杂知识一点点都掌握了。

向上滑动阅览

我：

用户需要注册账户；每天通过语音把故事记录下来；AI会参与故事创作。需要存储故事并且能反复听

GPT4:

很好，现在我们有了一个清晰的项目目标。让我们细分这个项目的步骤并列出你需要学习的技能。

第一步：用户注册与身份验证

你需要学习如何创建一个用户系统，包括注册，登录，以及用户信息的管理。这可能需要使用一种后端语言和框架，例如Python的Django框架，或JavaScript的Node.js与Express框架。同时，你也需要学习如何安全地存储用户信息，比如加密密码。

第二步：录音与语音转文字

用户需要通过语音来记录他们的故事。你可能需要学习如何在前端实现录音功能，以及将音频文件发送到后端。对于语音转文字，你可能需要使用一些第三方的API，例如Google的Speech-to-Text API。

第三步：AI创作故事

根据用户的语音输入，AI需要参与创作故事。这可能需要学习一些基础的人工智能和自然语言处理的知识。OpenAI提供了GPT系列的模型，可以生成连贯的文字，可能会对你有帮助。

第四步：存储与播放故事

你需要学习如何设计数据库来存储用户的故事，包括他们的文字版本和音频版本。然后，你需要在前端实现一个播放器来播放音频。

第五步：布署你的应用

最后，你需要学习如何将你的应用布署到云服务器，让其他用户可以访问。

以上就是整个项目的大致步骤，你需要学习的技术和知识也有所涉及。请注意，这是一个相当大型的项目，对于编程初学者来说可能会有挑战。但是请不要担心，你可以分步骤进行，并且我会在你需要的时候提供帮助。接下来我们可以开始第一步：用户注册与身份验证。

项目式学习带来的另一个好处，是 AI 在一开始会简化任务，再逐步把复杂的内容添加进来。例如在我照着 AI 的指引安装好 nodejs 和 npm 后，AI 给出了如下的指引。注意它给的 HTML 页面多简单，这对学习者来说实在非常友好。

向上滑动阅览

我：

安装好了。录音功能要怎么实现？

GPT4:

很好。既然你已经安装好了开发环境，那我们就可以开始编写代码了。

首先，我们需要一个HTML页面，其中有一个按钮，用于开始和停止录音。这个页面的代码如下：

这是一个非常基础的HTML页面，只有一个标题和一个按钮。最重要的部分是

，这一行引入了我们即将编写的JavaScript文件。

现在我们需要创建一个main.js文件，并开始编写录音的代码。首先，我们需要一个媒体录制器（MediaRecorder）的实例。但在此之前，我们需要获取用户的麦克风权限。以下是如何获取权限并创建MediaRecorder实例的代码：

任务复杂时，代码很可能一口气写不完。此时有个妙招是让 AI 先拆解子任务定义代码框架。

向上滑动阅览

我：

创作故事这一步，AI 需要根据孩子说的一些内容，来创造故事；它需要收集孩子的基本信息，还需要结合孩子今天发生的事情来创造，如果前几天对话的故事里有相关内容，需要把相关内容也提取出来作为上下文给到 AI。请帮我梳理一下，这个功能要怎么开发，请把功能尽可能拆细，然后为我提供代码框架，按合理的方式划分文件、类和函数，然后我们来一点点填空。

GPT4:

好的，按照你描述的功能需求，我们可能需要以下几个主要的步骤：

收集信息：这可能包括一个或多个表单，用于输入孩子的基本信息、主人公信息、以及当天发生的事情。

处理语音输入：如果输入是通过语音进行的，我们需要将这些语音转化为文字。

获取上下文：我们需要从数据库中检索以前的故事，以便为AI提供上下文。

生成故事：最后，我们使用所有收集到的信息来生成故事。

以下是一个可能的文件结构和代码框架：

有了代码框架后，再让 AI 一个个函数分别实现，人类只需要复制粘贴就可以了。这里还有一个超级好用的技巧：用 TDD （测试驱动开发，Test Driven Development）的思路，先让 AI 写文档，再根据文档写测试用例，最后照着文档+测试用例来写程序。

以上是我上周五分享的部分内容。前天晚上听说了 GPT-engineer， 深入研究了下，忍不住要和作者隔空击掌。

gpt-engineer 把我想的妙招都实现了

简单地说，gpt-engineer 是一个只要给出一段需求它就能自动完成整个编程工作的神器。例如下面的 Color Game 是我让它帮我完成的游戏，而贪吃蛇和番茄钟则来自项目作者的示例。

当然它也有还不太能搞定的事，但我认为这些问题都有办法解决，后面会说下思路。

gpt-Engineer 这个项目的代码非常简单，其中最精华的是多种模式的工作流定义，以及与此相关的十来个 prompt。

在 clarify 模式下，它会先分析需求、追问问题直到搞明白需求的所有细节。

例如网页版的找色块不同的游戏，一开始我给出的需求只有一句话：请给我写一个纯前端就能玩的 color-game。

它立刻分析出五个需要和我澄清的游戏细节，一一提问。五个细节分别为：游戏规则和机制；界面设计和布局；特定的颜色要求；记分系统；用户交互形式。

这个令人惊叹的效果，来自于下面这段 prompt:

澄清好需求后它就开始写需求文档，想得还真是真全面，例如下面这个 markdown 编辑器，它能想到要响应式设计、编辑器要适应各种设备和屏幕。

再然后它开始设计代码框架，列出关键类、方法以及文件结构。

如果选择 TDD /TDD+ 模式，它就会先写测试用例再写代码，测试用例的水平秒杀绝大多数程序员。

它甚至会对自己的代码吹毛求疵主动添加更多注释。

程序写完后它会自动执行。例如 python 程序，它会写安装运行的脚本，然后运行程序。

gpt-engineer 特别让我佩服的就是完完整整的工程方案：创建虚拟环境让 GPT 写的代码的安装运行特别容易，良好的目录组织把项目本身的代码和 GPT 生成的诸多项目的代码安排得明明白白。项目本身的代码也非常简洁漂亮——核心代码只有 500 行，再加上差不多行数的 prompts。

gpt-engineer 暂时还做不到但今后一定能做到的事

目前的 gpt-engineer 还比较受 token 长度的限制。例如上面那个 markdown 编辑器，程序写到一半就被打断了。
要解决这个问题并不难：前面我们已经看到 GPT 能先写出代码框架，那我们只需要让 GPT 先生成文件名、类名、方法名，存下来，再写个循环调用、让 GPT 一个个方法填空即可。告诉 GPT 怎么填空的内容都是现成的——GPT 在生成代码框架时会添加丰富的注释把这个类/方法要做什么说得清清楚楚，直接塞回 prompt 就够了。
代码框架本身就超出 token 长度限制？那我们就一个模块一个模块地进行呀。

我在使用 TDD+ 模式时还遇到个问题：测试用例执行完成后程序卡着不继续了。感觉这是 GPT 生成的 shell 脚本的 bug：没让测试框架进程执行完毕后退出。估计修改下 prompt 也能搞定。

因为测试用例执行后就卡住的问题，gpt-engineer 似乎目前还不能自己修 BUG 。但从之前我使用 code interpreter 的经验来看，GPT 是有自己发现 bug 并修复的能力的。例如在 当 AI 开始自动思考和行动——让 GPT 左右互搏会发生什么 这篇文章里就能看到它主动写了测试用例、通过执行测试发现代码出错然后自行修复了 bug。所以有理由相信：如果设计足够好的方法，让测试用例执行结果可以反馈给 GPT，那这个过程也就能完全自动化了。

总之，虽然目前 gpt-engineer 做出来的多半还是玩具，虽然它确实还存在这样那样的问题，但这些问题都是有解的。很快，我们就应该能用它来完成越来越复杂的任务。

即便一时半会 gpt-engineer 还没那么强大，非程序员们在 AI 的帮助下，用项目式学习的方法，也能够学着开发自己需要的程序了。人人都是程序员的时代真的近在眼前。

---

昨天我在公司分享了 gpt-engineer 后，一个大二计算机系的暑期实习生颇担忧地问我：AI 写程序那么厉害了，我是不是该换专业呀？

当然不是。其实这个话题建硕之前有说过很多次，例如受 ChatGPT 冲击越大的行业是越有前途的行业。我在自己深度使用 GPT 编程、在和几个深度使用 GPT 编程的文科生交流后，对此也越来越认同。下一篇文章，打算说说为什么我对 AI 能替代掉自己的老本行工作如此乐观。

感兴趣的，扫码关注下南瓜博士，再加个星标呗。

附：之前写的若干 GPT 插件/Code Interpreter 等让 GPT 编程的文章