如何构建结合 ChatGPT 的半自动化编程：以 ClickPrompt “步步惊心” 示例
PS：虽然，我们应该以预训练的 Prompt 作为当前的目标，通过将大量的数据训练。但是，作为一个没有 AI 训练资源的普通人，这个价格太昂贵了。于是，我们探索能否基于工作流的方式，来构建半自动化编程。
LR; DR 版本，四要素：
引子：ClickPrompt 步步惊心
周末，我们在 ClickPrompt 上添加了一名为 “步步惊心” 的工作流式的 Prompt 交互功能，在这个功能里，你可以设计自己的日常工作流，将它与 AI 结合到一起。在过程中，ClickPrompt 会提供一个编辑器，让你修改上一步的输出，修改完只需要继续 one click 即可。
诸如于，你在开发一个新的功能，而在那之前，你需要先分析一下需求，包含它的边界条件等等。在我们构建了工作流的情况下，只需要
在第一步中，我输入新功能的名称和简要描述。
当我点击“下一步”按钮时，Prompt 自动提供一些可能的需求和边界条件。
如果我需要修改需求或条件，我可以使用编辑器对其进行修改，并点击“确认”按钮。
然后我可以继续进行下一步操作，比如编写代码或进行测试，同时 ChatGPT 可以帮助我更快地分析需求和边界条件，并提供有用的建议和反馈，提高我的工作效率和准确性。
随后，我们也可以继续要求 ChatGPT 帮我们编码。
一个示例：从需求到代码
PS：这是一个未 100% 完成的 demo 示例，只是为了更好的启发大家
接着，让我们来看 ClickPrompt 的示例《用户故事》（https://www.clickprompt.org/zh-CN/chatgpt-startling-by-each-step/user-story/）。
1. 定义用户故事的输出格式
首先，我们需要定义一个能继续让 ChatGPT 理解的需求，它需要尽可能的详细。于是，我们的 prompt 就相当的长，如下图所示：
在这个 prompt 里：
我们定义了处理的流程，并尽可能减少 ChatGPT 的返回结果，为了省钱……。
定义了输出的格式，相当于验收条件。
为了避免他说废话，直接让他回复 OK。
然后，点击 prompt 之后，我们就可以继续往下。
2. 添加或者修改我们的需求
随后，我们提供了一个简单的 Textarea（等哪天有空换成好一点的编辑器），用户就可以复制他的大致需求进来，然后让 AI 进行分析：
所以，我们只需要继续点击即可，等待 AI 给我们的答案，如下图所示：
由于，我们已经限制了 AI 给的输出格式，所以可以作为下一个需求的输出。
3. 基于用户故事编写测试用例
在第三步里，我们提供了三种输出方式：时序图、测试用例、代码模板，按自己的需要选择合适的点击即可。这里以测试用例为例：
继续无脑的 click 之后，我们得到了纯代码，由于我们限制了输出只有 Java 代码，所以到这部分就是：
如果我们集成了工作流，就可以直接扔到代码库的对应位置了。
工作流 Prompt 要素
结合上面的工作流之后，认为一个结合 AI 的自动化的工作流应该包含四个要素：
场景模板化，即预设各种常见的工作场景，为用户提供快捷的开始工作的方式。
交互式环境，包括但不限于输入框、按钮、编辑器、错误信息、帮助文档等，使用户能够与系统进行交互和反馈。
格式化输出，为用户提供规范的输出结果，避免信息过载或无用信息。
流程与工具集成，将不同的工具和流程集成到一个自动化的流程中，提高工作效率和准确性。同时，通过 AI 技术的支持，让系统能够智能化地处理数据和信息，进一步提高工作效率和准确性。
简单来说，就是我们依旧需要碳基生物作为检查官，来检查硅基生物输出是否合理？
PS：在流程与工具上，我们在本周我们看到了一个 ChatGPT-CodeReview 的工具，它将流程结合到了 GitHub 的工作流中。
正在编写的第二个示例：DSL 作为输出的多管道模式
考虑到使用用户故事作为案例太简单了，所以我们正在构建一个新的示例，第二步是，以分布式的方式利用 ChatGPT 输出，来进行编码。
于是，我们让 ChatGPT 帮我们设计了一个 DSL 来描述：帮我设计一个 DSL 来表示一个系统的处理流程。然后，得到了一个 DSL：
它可以分析某一个场景的业务，基于这个业务做分析。在这个 DSL，反复让 ChatGPT 设计之后，勉强可以详细拆开任务：
Operation。通过 Ops 的输入、输出、先验条件、后验条件，我们可以构建出更准确的函数。
Entitiies。是可独立从 DSL 拆解出来的，并且与数据库结构是绑定的，所以可以用来做数据库设计（ChatGPT 设计了一个诡异的 []? 语法 ）。
API。API 其实对于编码的帮助是有限的，不过其最大的用处是用于自动化测试，用于确保 ChatGPT 的代码是正确的。
所以，我们只需要拆解任务，并发送到各个管道里，再 merge 一下，就可能能得到一份可工作的代码。至于，前端部分，我们可以用类似的方式来设计。
当然了，由于现在的 ClickPrompt 与 ChatGPT 的接口还在开发中，所以这个功能，还只是在 PoC 阶段。
小结
人们苦短，还是让 AI 帮我们做自动化，节省更多的时间用来搞创意。
欢迎来 ClickPrompt 探索：https://github.com/prompt-engineering/click-prompt
文中的示例见：https://www.clickprompt.org/en-US/chatgpt-startling-by-each-step/user-story/
微信扫码关注该文公众号作者