生成代码

⚠️

本节正在开发中。

像ChatGPT这样的LLMs在代码生成方面非常有效。在本节中，我们将介绍许多关于如何使用ChatGPT进行代码生成的示例。

以下所有示例均使用OpenAI的Playground（聊天模式）和gpt-3.5-turbo模型。

与所有来自OpenAI的聊天模型一样，您可以使用System Message来定义响应的行为和格式。我们将为提示示例使用以下系统消息：

You are a helpful code assistant that can teach a junior developer how to code. Your language of choice is Python. Don't explain the code, just generate the code block itself.

基本示例

然后，User Message 将作为提示本身，包含您希望模型生成的特定代码的指令。以下是代码生成的第一个基本提示的快照。请注意，最终代码是由 Assistant 生成的。

如果你想自己尝试，这里是提示：

Write code that asks the user for their name and say "Hello"

将评论转化为代码

你也可以利用这些LLM的代码生成能力，仅从注释生成代码。让我们看另一个将指令作为注释块传递的示例：

提示：

"""
1. Create a list of movies
2. Create a list of ratings for these movies
3. Combine them to make a json object of 10 movies with their ratings.
"""

输出:

movies = ["The Shawshank Redemption", "The Godfather", "The Dark Knight", "Schindler's List", "Pulp Fiction", "The Lord of the Rings: The Return of the King", "Forrest Gump", "Star Wars: Episode V - The Empire Strikes Back", "Inception", "The Silence of the Lambs"]
 
ratings = [9.3, 9.2, 9.0, 8.9, 8.9, 8.9, 8.8, 8.7, 8.7, 8.6]
 
movie_ratings = {}
 
for i in range(len(movies)):
    movie_ratings[movies[i]] = ratings[i]
 
json_object = json.dumps(movie_ratings, indent=4)
 
print(json_object)

生成的代码看起来像是可工作的代码。然而，输出中缺少一个重要的import语句，即import json。虽然这些模型生成的代码可以工作，但你必须密切关注这些小细节，并始终确保测试你的代码。

完成函数或下一行

这些大型语言模型（LLMs）已经被集成到像GitHub Copilot这样的工具中，这使得它们对开发者非常有用。一个有用的功能是模型能够完成函数。

提示：

# function to multiply two numbers and add 75 to it
 
def multiply(

输出:

a, b):
    result = a * b
    result += 75
    return result

MySQL 查询生成

除了上述基本的代码生成示例外，您还可以使用该模型生成有用的代码，这些代码可以用于编程的其他方面，例如创建和测试MySQL查询。

假设你有一个包含一些信息的数据集，你可以将其作为提示的一部分，然后指示它生成一个特定的查询。例如：

"""
Table departments, columns = [DepartmentId, DepartmentName]
Table students, columns = [DepartmentId, StudentId, StudentName]
Create a MySQL query for all students in the Computer Science department
"""

输出:

SELECT students.StudentId, students.StudentName
FROM students
INNER JOIN departments
ON students.DepartmentId = departments.DepartmentId
WHERE departments.DepartmentName = 'Computer Science';

模型生成了一个查询！然而，在这个例子中，我们虚构了数据库，因此我们没有数据库来测试生成的查询。如果你正在测试这个例子，创建这个数据库可能会很有用。幸运的是，你也可以使用ChatGPT来生成这个数据库。一种方法是使用上述提示的修改版本，稍微不同的指令来生成数据库模式：

Table departments, columns = [DepartmentId, DepartmentName]
Table students, columns = [DepartmentId, StudentId, StudentName]
Create a valid database schema with the above tables and columns

模型生成了以下模式：

CREATE TABLE departments (
  DepartmentId INT PRIMARY KEY,
  DepartmentName VARCHAR(50)
);

CREATE TABLE students (
  DepartmentId INT,
  StudentId INT PRIMARY KEY,
  StudentName VARCHAR(50),
  FOREIGN KEY (DepartmentId) REFERENCES departments(DepartmentId)
);

你可以使用类似sqliteonline.com（在新标签页中打开）的工具创建一个临时数据库。

你还需要一些虚拟数据来测试原始生成的查询是否有效。我们也可以使用ChatGPT来完成这个任务！提示可能如下所示：

CREATE TABLE departments (
  DepartmentId INT PRIMARY KEY,
  DepartmentName VARCHAR(50)
);

CREATE TABLE students (
  DepartmentId INT,
  StudentId INT PRIMARY KEY,
  StudentName VARCHAR(50),
  FOREIGN KEY (DepartmentId) REFERENCES departments(DepartmentId)
);

Given the database schema above, generate valid insert statements include 4 rows for each table.

带有插入语句的输出：

INSERT INTO departments (DepartmentId, DepartmentName)
VALUES (1, 'Computer Science'), (2, 'Mathematics'), (3, 'Physics'), (4, 'Biology');

INSERT INTO students (DepartmentId, StudentId, StudentName)
VALUES (1, 101, 'John Doe'), (1, 102, 'Jane Doe'), (2, 201, 'Alice Smith'), (2, 202, 'Bob Johnson');

现在你已经有了数据库和模拟数据，你可以测试原始查询。根据模拟数据，结果应该是两行，分别是Jane Doe和John Doe。

解释代码

如果你正在学习某种编程语言，提示模型解释某些代码片段可能会很有用。让我们重用上面生成的查询，并要求模型解释它。

如果你使用的是之前的相同系统消息，请注意你如何指示模型。例如，如果我们使用以下示例，模型会抱怨它是一个Python代码助手，但它仍然提供了解释。有时模型会拒绝生成你所指示的内容，因为它被设计为遵循系统消息。

提示：

SELECT students.StudentId, students.StudentName
FROM students
INNER JOIN departments
ON students.DepartmentId = departments.DepartmentId
WHERE departments.DepartmentName = 'Computer Science';

Explain the above SQL statement.

输出:

Sorry, as a code assistant in Python, I cannot generate SQL code. However, I can explain the purpose of the SQL statement provided. 

This SQL statement selects the `StudentId` and `StudentName` columns from the `students` table, where the `DepartmentName` column in the `departments` table is equal to 'Computer Science'. To achieve this, the statement performs an inner join on the `DepartmentId` column between the `students` and `departments` tables. 

In simpler terms, it is selecting the names and IDs of students who are enrolled in the Computer Science department.

编辑代码

示例即将推出！

调试代码

示例即将推出！

最佳实践

即将推出！

Tackling Generated Datasets Diversity Graduate Job Classification Case Study