当前位置:   article > 正文

基于FastGPT和芋道源码挑战一句话生成代码

fastgpt

芋道源码相信很多朋友都很了解了,今天我们试着基于FastGPT实现芋道框架的代码生成。芋道的代码生成,是基于数据库表字段实现的,那我们的思路就是看看如何使用GPT帮我们生成数据库表结构,只要数据库表字段有了,代码也就生成好了。实现这个需求我们就需要用到FastGPT的高级编排功能。编排的整体思路如下: file

FastGPT应用编排

  • 1.登录FastGPT,打开应用菜单,点击右上角"新建"按钮,创建一个AI应用(选择"简单的对话"模板即可)。

file

  • 2.进入高级编排页面,先定义"对话开场白",然后点击右上角保存按钮。

file

  • 3.根据前述的整体思路,开始第一个AI环节:需求分析和模型设计。我们需要选择该环节对话模型(本文我选择GPT4-Turbo演示)和设计需求分析提示词。提示词主要是预设身份,并给出需求分析的要求,我这里主要是要求将需求抽象为模型和字段,并以markdown格式输出。配置完成后,保存,然后测试看下效果。

file

file

  • 4.第二个AI环节:判断用户是否已对需求分析和模型设计是否满意,是否可以进入下一环节。在这里我们需要在AI每一次输出需求分析和模型设计后,调用FastGPT的"问题分类"模块,判断用户意图。同样的,我们需要选择分类模型,设计分类提示词,并测试分类结果。

file

file

  • 5.第三个AI环节:用户已经对需求分析和模型设计结果完成确认,那么接下来就需要让AI帮我们生成SQL语句了。在这里我们为方便后续SQL语句的提取,要求AI以json数组形式返回建表SQL语句,并且要求AI在每张表按芋道规范添加公共字段(如创建者、创建时间、修改者、修改时间、逻辑删除、租户ID字段),大家也可以添加自己的要求。

file

file

  • 6.第四个AI环节(可选):如果只是为满足单表代码生成,这一步就可以直接跳过。这个环节主要是让AI根据模型设计和生成的SQL来分析这些表之间是否存在主子表、树表,并且将分析结果使用json格式将分析结果返回,方便后续调用接口生成主子表和树表代码用。

file

file

  • 7.将AI生成好的SQL和表关系数据做为参数,调用我们自定义的接口,生成代码并返回代码下载地址,我们将代码下载地址显示在页面上,用户就可以愉快下载了。

file

file

  • 8.扫码关注我的微信公众号,回复"芋道助手"就可以获取完整的FastGPT应用配置了(包含提示词)。

file

附:芋道自定义接口示例(供参考)

  • 1.我们在芋道工程中自定义一个接口(使用路径传参是因为这样在FastGPT接口配置中传递固定参数很方便,接口也比较好管理),接收上述参数,提取SQL并在数据库建表、按芋道规范生成代码。这里给出接口示例:
    @PermitAll
    @PostMapping("busi/{busiType}")
    public FastCommonRespVO busi(@PathVariable("busiType") String busiType, @RequestBody Map<String, Object> reqMap) {
        log.info("请求参数: {}", JSONUtil.toJsonStr(reqMap));
        FastCommonRespVO fastCommonRespVO = new FastCommonRespVO();
        fastCommonRespVO.setResponse("\\n失败了");
        FastBusiTypeEnum fastBusiTypeEnum = FastBusiTypeEnum.getByBusiCode(busiType);
        if (fastBusiTypeEnum != null) {
            FastService fastService = SpringUtil.getBean("fast".concat(fastBusiTypeEnum.getBusiCode()).concat("ServiceImpl"));
            try {
                            // doBusi方法会返回一个完整的代码下载地址
                fastCommonRespVO.setResponse("\\n".concat(fastService.doBusi(reqMap)));
            } catch (Exception e) {
                log.error("执行业务逻辑失败,异常原因:{}", ExceptionUtils.getStackTrace(e));
                fastCommonRespVO.setResponse("\\n执行业务逻辑失败:".concat(e.getMessage()));
            }
        } else {
            fastCommonRespVO.setResponse("\\n非法的业务类型(busiType参数)");
        }
        log.info("响应结果: {}", JSONUtil.toJsonStr(fastCommonRespVO));
        return fastCommonRespVO;
    }
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 2.这里还需要在芋道中自定义一个代码下载接口,方便用户下载。
    @PermitAll
    @GetMapping("/download/codegen/{codegenId}")
    public void downloadCodegen(@PathVariable("codegenId") String codegenId,
                                HttpServletResponse response) throws IOException {
        log.info("请求参数: codegenId={}", codegenId);
        // 根据生成代码记录ID查询相关表记录ID
        Set<String> tableIds = stringRedisTemplate.opsForSet().members(codegenId);
        if (CollectionUtils.isEmpty(tableIds)) {
            throw exception(ErrorCodeConstants.AIGC_FAST_NOT_FOUND_RECORD);
        }
        // 生成代码
        Map<String, String> codes = new HashMap<>();
        for (String tableId : tableIds) {
            codes.putAll(codegenApi.generationCodes(Long.valueOf(tableId)));
        }
        // 构建 zip 包
        String[] paths = codes.keySet().toArray(new String[0]);
        ByteArrayInputStream[] ins = codes.values().stream().map(IoUtil::toUtf8Stream).toArray(ByteArrayInputStream[]::new);
        ByteArrayOutputStream outputStream = new ByteArrayOutputStream();
        ZipUtil.zip(outputStream, paths, ins);
        // 输出
        ServletUtils.writeAttachment(response, "codegen.zip", outputStream.toByteArray());
    }
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/blog/article/detail/54278
推荐阅读
  • 对于您的账户(org-FPtm4iWkzMglOZn9J06QAK6F)中的text-embedding-ada-002模型来说,每分钟的请求限制是3次,您已经使用了3次请求,但是您又发送了1次请求,所以您需要等待20秒后再试。如果您在账户... [详细]

  • 向量搜索是一种可以比较文本相似度的技术。大模型具有总结和推理能力,可以从给定的文本中回答问题。最有效的知识库构建方式是QA和手动构建。Q的长度不宜过长。需要调整提示词,来引导模型回答知识库内容。可以通过调整搜索相似度、最大搜索数量和限定词来... [详细]

  • 国内直联GPT清风AIchat保姆级使用教程适合小白“未来几年所有组织的管理、业务都将AI如何利用AI技术是每一个管理者必须思考的问题”自从去年12月ChatGPT发布后带动了新的一轮应用交互革命。尤其是GPT-3.5接... [详细]

  • 太震撼太厉害昆仑万维正式发布「天工SkyAgents」平台助力大模型走入千家万户。你听听这个名字一听就有一种巧夺天工的感觉技艺那是相当的高超。这个平台基于昆仑万维「天工大模型」打造具备从感知到决策从决策到执行的自主学习和... [详细]

  • fastgpt直接连接chatglm3实现本地知识库_fastgptfastgpt前言:我用fastgpt直接连接chatglm3,没有使用oneai,不是很复杂,只需要对chatglm3项目代码做少量修改就能支持使用embeddings,... [详细]

相关标签
  

闽ICP备14008679号