AI与Prompt：解锁软件开发团队的魔法咒语
写在最前面
活动介绍：玩转AIGC，优质的Prompt提示词实在是太重要了！同样的问题，换一个问法，就会得到差别迥异的答案。你是怎样和AI进行对话交流的呢？一起来分享你用过的咒语吧！
活动链接：https://activity.csdn.net/creatActivity?id=10580
还在让ChatGPT帮你写代码？除了编写代码，AI还可以扮演更多的角色，甚至像人类一样组成团队，合作完成更加复杂的任务。
这篇文章将探讨如何让AI成为你理想的合作伙伴，帮助你实现开发软件的任务。通过角色指令，使多个大型语言模型扮演不同的角色，组成软件开发团队，在无需人类参与的情况下以合作和交互的方式完成代码生成任务。
这个颇具创新性的方法将让你对AI的潜力有更深入的了解，看到它如何在不同角色下表现出出色的合作能力。
如果你对AI的交互方式和在软件开发中的潜力感兴趣，不妨继续阅读，一起探索这个引人入胜的话题。
论文：基于ChatGPT的自协作代码生成
Self-collaboration Code Generation via ChatGPT《基于ChatGPT的自协作代码生成》
这篇论文是chatgpt的黑盒api调用，主要介绍了关于提示工程的框架设计（和思维链的工作有相通之处）
Yihong Dong∗, Xue Jiang∗, Zhi Jin†, Ge Li† (Peking University)
arXiv 2023.4.15
论文：https://arxiv.org/pdf/2304.07590.pdf
之前对论文的详情解读：https://blog.csdn.net/wtyuong/article/details/133905690
目的： 代码生成旨在生成符合特定规范、满足人类需求的代码，以提高软件开发效率和质量，甚至推动生产模式的转变。
创新点： 本研究提出了一种自协作框架，使大型语言模型（LLM，例如ChatGPT）能够应对复杂的代码生成任务。
方法： 该框架首先为三个不同角色的大型语言模型分配任务，包括分析员（analyst，负责需求分析）、程序员（coder，负责编写代码）、测试员（tester，负责检验效果），然后通过软件开发方法（SDM）规定了这些角色之间的交互方式。
结果： 通过所提出的自协作框架，相较于ChatGPT3.5，实验结果显示在四种不同基准测试中，Pass@1的性能提高了29.9%至47.1%。
将团队协作理论应用于代码生成的研究
[Schick et al., 2022]
- 原理：先训练不同模型执行对应子任务，然后用联合训练增强相互理解
- 问题：这种训练方法非常costly；缺乏相关的训练数据
改进
[Ouyang et al., 2022, Chung et al., 2022, OpenAI, 2023]
- 原理：经过足够的训练让LLM在软件开发的各个阶段都可以出色地完成任务，方便后续分配；根据人类命令做出调整，开发模型交互的潜力
- 问题：依赖于人类程序员的专业知识，依然耗时耗力
解决方法：本论文提出自协作框架，让ChatGPT形成团队
Figure 1: An example of role-playing. Through role-playing, LLM transforms into an expert within a specific domain, delivering a professional-perspective response to the same requirement.
自协作框架原理
1、DOL任务分配
根据任务分配角色指令，然后将对应的任务传递给角色
角色说明 = 团队描述 + 用户需求 + 角色描述
团队描述
在开发团队中，包括一个需求分析师、一个开发人员和一个质量保证测试员。该团队需要开发满足用户需求的程序。不同的角色有不同的劳动分工，并需要相互协作。
用户需求
用户的需求是：“[需求]”。
例如：“[需求] – 此函数的输入是一个包含多个嵌套括号组的字符串。您的目标是将这些组分开为单独的字符串，并返回这些字符串的列表。分开的组是平衡的（每个开括号都正确关闭），并且不嵌套在彼此内部。请忽略输入字符串中的任何空格。”
开发人员：
我们希望您在我们的开发团队中扮演开发人员的角色。您将收到需求分析师的计划或测试员的测试报告。您的工作分为两个部分：
如果您从需求分析师那里收到计划，编写Python代码以满足计划中的需求。确保您编写的代码高效、可读，并遵循最佳实践。
如果您从测试员那里收到测试报告，根据报告的内容修复或改进代码，但不要引入新的错误或对代码性能产生负面影响。确保对代码进行的任何更改都符合测试报告的内容。
请记住，不需要解释您编写的代码。
2、共享黑板协作
不同角色间，将输出的信息共享
3、Instance实例化
3.Instance实例化
1）采用SDM中的经典瀑布模型 [Petersen et al., 2009]，简化为三个阶段：分析、编码、测试。
2）分析员：生成一个高维的计划，着重指导程序员。程序员：根据分析员的计划写代码；根据测试员的测试报告修改代码。测试员：从功能性、可读性和可维护性评判程序员的代码
3）终止条件：达到最大交互次数n或者测试员报告没有错误
案例说明
简单任务：基本操作，生成的结果
1）分析员：分解任务+制定high-level计划
需求：
triples_sum_to_zero 接受一个整数列表作为输入。如果列表中存在三个不同的元素之和为零，则返回True，否则返回False。
具体要求：
- 检查列表中是否至少有三个元素。
- 检查列表中是否存在重复元素。
- 找到列表中三个不同元素的所有可能组合。
- 检查这些组合中是否有任何一组的和为零。
- 检查这三个元素是否都是不同的。
- 如果没有任何组合的和为零，则返回False。如果有，则返回True。
2）程序员：按照计划生成对应代码
我已经彻底测试了这段代码并针对各种测试案例进行了检查。以下是我的报告。
功能性测试：
- 测试了代码的功能性，确保它满足需求，即三个元素的和为零。
- 这段代码适用于提供的测试案例，并正确检查三元素的情况。
边缘情况测试：
- 代码处理了列表少于三个元素的情况，如预期的返回False。
- 代码处理了空列表，并如预期返回False。
问题标识：
我发现了一个问题：
- 代码从列表中移除重复元素，这可能导致某些测试案例返回不正确的结果。例如，
triples_sum_to_zero[0, 0, 0]应该返回True，但给定的代码返回False，因为它移除了重复的零。
报告问题或错误：
问题：从代码中移除重复元素可能导致某些测试案例返回不正确的结果。
如果代码通过了您的测试，请写一个结论：代码测试通过。但由于上述问题，代码尚未通过测试。
解决问题建议：
为了解决这个问题，我建议删除代码中的行 “b1 – list(set(1b1))”。
3）测试员：检验代码的功能性和边缘测试情况，反馈错误让程序员修改
代码测试已通过。
经过测试更新后的代码，我可以确认它已经通过了所有的测试，并满足了需求。
复杂任务：游戏开发，生成的结果
需求：
作为一个充满冒险精神的玩家，我希望能够玩一个打砖块游戏，在游戏中我能够控制一个角色从起点开始，穿越各种障碍物，达到终点，以便能够体验刺激和具有挑战性的旅程。我希望能够通过移动鼠标控制角色的方向，以避开阻碍他前进的障碍物，如岩石、灌木丛，以及从顶部掉下的炸弹。如果角色与障碍物相撞或被炸弹击中，游戏失败。如果角色到达终点，游戏获胜。
注意事项：
- 起点标记为左下角的灰色圆圈，终点标记为右上角的绿色圆圈。
- 从指定的资源路径（assets/character.png，assets/bomb.png，assets/rock.png，assets/bush.png）加载角色、炸弹和障碍物的图像，并将它们缩放到适当的大小。
- 角色的初始位置位于起点。
- 当我点击鼠标时游戏开始。
- 炸弹需要不断从顶部掉下。
- 使用pygame在Python中创建游戏。
结果
满足所有游戏逻辑，保障了精确的角色控制，设置正确的碰撞检测，必要的游戏资产加载和适当的图像缩放。
此外，注意到了没有直接规定但是符合常识的游戏逻辑，比如炸弹掉落至底部后会被重置位置
单个LLM只能生成脚本的粗略草稿
文章出处登录后可见！
