Dev-GPT：您的自动化开发团队

⚠️ 这是一个实验版本。⚠️

告诉您的AI团队您想构建的微服务，他们就会为您完成。 您的想象力就是极限！

欢迎来到Dev-GPT，我们借助先进的人工智能力量，将您的创意变为现实！ 我们的自动化开发团队旨在根据您的具体需求创建微服务，使您的软件开发流程更加顺畅高效。 由虚拟的产品经理、开发者和DevOps组成的AI团队，确保从概念到部署的每一个环节都得到全面覆盖。

快速入门

pip install dev-gpt
dev-gpt generate

需求

• 拥有访问gpt-3.5-turbo或gpt-4的OpenAI密钥
• 如果您希望您的微服务能够搜索网络内容， 则需要设置GOOGLE_API_KEY和GOOGLE_CSE_ID环境变量。 更多信息请参见这里。

dev-gpt configure --openai_api_key <您的OpenAI API密钥>
dev-gpt configure --google_api_key <Google API密钥>（如果您想使用Google自定义搜索，则为可选项）
dev-gpt configure --google_cse_id <Google自定义搜索ID>（如果您想使用Google自定义搜索，则为可选项）

如果您已设置OPENAI_API_KEY环境变量，则可以跳过配置步骤。 您的API密钥必须具备访问gpt-4的权限才能使用此工具。 我们正在努力实现对gpt-3.5-turbo的支持。

文档

生成微服务

dev-gpt generate \
--description "<微服务描述>" \
--model <gpt-3.5-turbo或gpt-4> \
--path </本地文件夹路径>

要生成您的专属微服务，需要满足以下两个条件：

• 对您想要完成的任务进行描述。（可选）
• 选择您想要使用的模型——gpt-3.5-turbo或gpt-4。gpt-3.5-turbo的价格大约便宜10倍， 但无法生成过于复杂的微服务。（默认：您有权访问的最大模型）
• 在本地磁盘上指定一个用于生成微服务的路径。（默认：./microservice）

创建过程通常需要5至15分钟。 在此期间，GPT会不断迭代构建您的微服务，直到找到能使测试场景通过的方案为止。

请注意，使用GPT-4生成每个微服务的成本在0.50至3.00美元之间；而使用gpt-3.5-turbo则为0.05至0.30美元。

运行微服务

您可以在本地通过Docker运行微服务。如果您的机器上未安装Docker，则会尝试不使用Docker直接运行。 执行此命令后，浏览器中将打开一个交互式界面，供您测试微服务。

dev-gpt run --path <微服务路径>

部署微服务

如需将您的微服务部署到云端，您需要一个Jina账户。 注册Jina账户时，您将获得一些免费额度，可用于部署微服务（每小时0.025美元）。 当额度用尽时，您可以购买更多。

dev-gpt deploy --microservice_path <微服务路径>

删除微服务

为了节省费用，您可以使用以下命令删除您的微服务：

jc list # 获取微服务ID
jc delete <微服务ID>

示例

在这一部分，您可以了解使用Dev-GPT可以生成的各类微服务示例。

赞美生成器

dev-gpt generate \
--description "用户输入一段文字，系统会生成一条相关的深度赞美。" \
--model gpt-4

根据URL提取并总结新闻文章

dev-gpt generate \
--description "使用Newspaper3k库从新闻文章的URL中提取文本，并利用gpt生成摘要。示例输入：http://fox13now.com/2013/12/30/new-year-new-laws-obamacare-pot-guns-and-drones/" \
--model gpt-4

化学式可视化

dev-gpt generate \
--description "将化学式转换为二维化学结构图。示例输入：C=C、CN=C=O、CCC(=O)O" \
--model gpt-4

三维模型的二维渲染

dev-gpt generate \
--description "使用trimesh和pyrender.OffscreenRenderer库，结合os.environ['PYOPENGL_PLATFORM'] = 'egl'及freeglut3-dev库，为整个三维物体生成二维渲染图，并支持x、y、z轴旋转。示例输入：https://graphics.stanford.edu/courses/cs148-10-summer/as3/code/as3/teapot.obj" \
--model gpt-4

产品推荐

dev-gpt generate \
--description "根据用户的产品浏览历史以及时尚、电子和运动三大类目，生成个性化的产品推荐。示例：输入：浏览历史：prod1(电子产品)，prod2(时尚)，prod3(时尚)，输出：p4(时尚)" \
--model gpt-4

Hacker News 搜索

dev-gpt generate \
--description "给定一个搜索关键词，使用 Hacker News API 在 Hacker News 上查找文章，并返回包含（标题、作者、网站链接、网站首页首图）的文章列表" \
--model gpt-4

动物检测器

dev-gpt generate \
--description "给定一张图片，返回带有所有动物边界框的图片（使用 yolov3.weights 和 yolov3.cfg 文件），示例输入：https://images.unsplash.com/photo-1444212477490-ca407925329e" \
--model gpt-4

搞笑表情包生成器

dev-gpt generate \
--description "根据一张图片和一段文字说明，生成一张搞笑表情包。示例输入：https://media.wired.com/photos/5f87340d114b38fa1f8339f9/master/w_1600%2Cc_limit/Ideas_Surprised_Pikachu_HD.jpg，顶部文字：当你发现 GPT Dev 时" \
--model gpt-4

押韵词生成器

dev-gpt generate \
--description "给定一个单词，使用 datamuse API 返回一组押韵词" \
--model gpt-4

词云生成器

dev-gpt generate \
--description "根据给定文本生成词云" \
--model gpt-4

3D 模型信息

dev-gpt generate \
--description "给定一个 3D 对象，返回其顶点数和面数。示例：https://raw.githubusercontent.com/polygonjs/polygonjs-assets/master/models/wolf.obj" \
--model gpt-4

表格提取

dev-gpt generate \
--description "给定一个 URL，将其中的所有表格提取为 CSV 格式。示例：http://www.ins.tn/statistiques/90" \
--model gpt-4

音频转梅尔谱

dev-gpt generate \
--description "从音频文件中生成梅尔谱。示例：https://cdn.pixabay.com/download/audio/2023/02/28/audio_550d815fa5.mp3" \
--model gpt-4

文本转语音

dev-gpt generate \
--description "将文本转换为语音" \
--model gpt-4

热力图生成器

dev-gpt generate \
--description "根据一张图片和一组相对坐标，生成热力图。示例输入：https://images.unsplash.com/photo-1574786198875-49f5d09fe2d2, [[0.1, 0.2], [0.3, 0.4], [0.5, 0.6], [0.2, 0.1], [0.7, 0.2], [0.4, 0.2]]" \
--model gpt-4

QR 码生成器

dev-gpt generate \
--description "根据 URL 生成 QR 码。示例输入：https://www.example.com" \
--model gpt-4 

曼德勃罗集可视化工具

dev-gpt generate \
--description "使用自定义参数可视化曼德勃罗集。示例输入：中心=-0+1i，缩放=1.0，尺寸=800x800，迭代次数=1000" \
--model gpt-4

Markdown转HTML转换器

dev-gpt generate --description "将markdown转换为HTML"

技术洞察

下图展示了创建微服务并将其部署到云端的过程，详细说明了两种不同的实现策略。

graph TB

    description[描述：从URL生成二维码] --> make_strat{思考方案}

    test[测试：https://www.example.com] --> make_strat[生成策略]

    make_strat --> implement1[实施策略1]

    implement1 --> build1{构建镜像}

    build1 -->|错误信息| implement1

    build1 -->|失败10次| implement2[实施策略2]

    build1 -->|成功| registry[将Docker镜像推送到镜像仓库]

    implement2 --> build2{构建镜像}

    build2 -->|错误信息| implement2

    build2 -->|失败10次| all_failed[所有策略均失败]

    build2 -->|成功| registry[将Docker镜像推送到镜像仓库]

    registry --> deploy[部署微服务]

    deploy --> streamlit[生成Streamlit交互式平台]

    streamlit --> user_run[用户测试微服务]

1. Dev-GPT会识别出几种可以实现您任务的策略。
2. 它会逐一测试每种策略，直到找到可行的方案。
3. 对于每种策略，它会生成以下文件：
   • microservice.py：这是微服务的主要实现代码。
   • test_microservice.py：这些是用于确保微服务按预期工作的测试用例。
   • requirements.txt：该文件列出了微服务及其测试所需的依赖包。
   • Dockerfile：此文件用于在容器中运行微服务，并在构建镜像时同时运行测试。
4. Dev-GPT会尝试构建镜像。如果构建失败，它会根据错误信息进行修复，然后再次尝试。
5. 一旦找到成功的策略，它会：
   • 将Docker镜像推送到镜像仓库。
   • 部署微服务。
   • 生成一个Streamlit交互式平台，供您测试微服务。
6. 如果连续失败10次，它会切换到下一个方法。

🔮 愿景

使用自然语言界面来生成、部署和更新您的微服务基础设施。

✨ 贡献者

如果您想为本项目贡献力量，请随时提交PR或Issue。以下是需要完成的任务列表。

下一步：

• 检查Windows和Linux的支持是否正常
• 在README.md中添加视频介绍
• Bug：代码生成可能会无限期挂起——在这种情况下，需中断并重新生成
• 新用户有免费额度，但应提示其验证账户

可选优化：

• 使响应的渲染动画更加平滑
• 如果用户未提供任何参数运行dev-gpt，显示帮助信息
• 不再显示以下消息： 🔐 您已使用florian.hoenicke（用户名：auth0-unified-448f11965ce142b6）登录Jina AI。 要登出，请使用jina auth logout。
• 将交互式平台集成到自定义网关中（无需重新构建自定义网关）
• 在普通模式下隐藏提示，在详细模式下显示
• 编写测试用例
• 清理重复代码
• 支持主流云服务商——Lambda、Cloud Run、Cloud Functions等
• 支持本地Docker构建
• 启用自动伸缩以节省成本
• 在README.md中添加更多示例
• 支持多个端点——例如待办事项微服务，包含添加、删除和列出待办事项的端点
• 支持有状态微服务
• 目前即使交互式平台内容未发生变化，也会被打印两次。请确保仅在内容变更时才打印两次。
• 允许通过反馈更新您的微服务
• 支持其他大型语言模型，如Open Assistant
• 为了降低成本，在生成主要功能代码时，可以减少上下文输入——无需引入Jina相关知识
• 使用dev-gpt list命令展示所有部署
• 提供dev-gpt delete命令以删除部署
• 提供dev-gpt update命令以更新部署
• 测试参数可选——如果未提供测试参数，先询问GPT是否需要更多信息来编写测试，例如访问PDF数据的权限
• 增加社区共建微服务的板块
• 为交互式平台生成提供测试反馈（可作为调试的一部分）
• 为了简化流程，是否应将所有内容通过JSON格式的text属性传输？
• 修复发布工作流
• 用户指定任务后，若任务不够清晰或存在遗漏，应反向提问以确认细节

建议：

• 仅生成与Jina无关的代码，并将其插入到执行器模板中
• 思考在第一种方法失败后是否有其他策略？

Dev-GPT 快速上手指南

Dev-GPT 是一个自动化的 AI 开发团队，包含虚拟产品经理、开发工程师和运维专家。只需描述需求，它即可自动构建、测试并部署微服务。

⚠️ 注意：当前版本为实验性版本，请谨慎用于生产环境。

环境准备

系统要求

• 操作系统：macOS、Linux 或 Windows
• Python 版本：支持主流 Python 3.x 版本
• 容器环境：推荐安装 Docker（用于本地运行微服务），若未安装将尝试直接运行。

前置依赖与密钥配置

使用前需准备以下 API 密钥：

1. OpenAI Key：必须拥有 gpt-4 访问权限（gpt-3.5-turbo 正在适配中，复杂任务建议使用 gpt-4）。
2. Google Custom Search (可选)：若需微服务具备联网搜索能力，需配置 GOOGLE_API_KEY 和 GOOGLE_CSE_ID。

安装步骤

使用 pip 安装工具：

pip install dev-gpt

配置 API 密钥

你可以通过命令行配置，或直接设置环境变量。

方式一：命令行配置

dev-gpt configure --openai_api_key <your openai api key>
# 可选：配置谷歌搜索
dev-gpt configure --google_api_key <google api key>
dev-gpt configure --google_cse_id <google cse id>

方式二：环境变量（推荐） 在终端中导出变量，可跳过配置步骤：

export OPENAI_API_KEY=<your openai api key>

基本使用

1. 生成微服务

告诉 AI 团队你想构建什么，它将自动编写代码并通过测试。

dev-gpt generate \
--description "用户输入一段文字，返回相关的深度赞美" \
--model gpt-4 \
--path ./my-microservice

• --description: 微服务的功能描述（核心参数）。
• --model: 选择模型，gpt-4 能力更强，gpt-3.5-turbo 成本更低但处理复杂任务能力有限。
• --path: 代码生成目录，默认为 ./microservice。

💡 提示：生成过程通常耗时 5-15 分钟。AI 会迭代编写代码直到通过测试场景。 💰 成本预估：使用 GPT-4 单次生成约 $0.50 - $3.00；GPT-3.5-Turbo 约 $0.05 - $0.30。

2. 本地运行与测试

生成完成后，在本地启动微服务并进行交互测试：

dev-gpt run --path ./my-microservice

执行后会自动打开浏览器 playground 界面，供你测试生成的微服务功能。

3. 部署到云端（可选）

若需部署至云端，需注册 Jina AI Cloud 账号（新用户含免费额度）。

dev-gpt deploy --microservice_path ./my-microservice

删除部署以节省额度：

jc list                # 获取微服务 ID
jc delete <microservice id>