TL;DR 版;
2023 年的上半年里,我(@phodal)和 Thoughtworks
的同事们(如:@tianweiliu、@teobler、@mutoe
等)、
开源社区的同伴们(如:
卷王@CGQAQ、@genffy、 @liruifengv
等)
一起,创建了一系列的流行的或者不流行的开源项目。它们涉及了:
- LLM 能力的充分运用
- Prompt 编写:Prompt 学习与编写模式
- Prompt 管理:Prompt 即代码
- LLM 下的软件开发工序及应用架构设计
- 新的交互设计:Chat模式
- 大模型友好的工序:基于 AI 2.0 (ChatGPT + Copilot)如何去设计软件开发流程
- LLM 应用架构的设计与落地:Unit Mesh
- 面向特定场景的 LLM 应用
- 基于开源模型构建自己的模型:特定场景的模型微调 + LLMOps
- 上下文工程(prompt 工程):LLM 应用的核心
围绕于上述的一系列内容,我们也在思考软件开发能给我们带来了什么。所以,我重新整理了过去半年的一些思考、文章,重新编写了这本开源电子书,希望能够帮助到大家。
我们发起的相关开源项目如下(包括但是不限于):
名称 | 描述 | 类型 | Stars |
---|---|---|---|
理解 Prompt | 基于编程、绘画、写作的 AI 探索与总结。 | 文档 | 3k |
Prompt 编写模式 | 如何将思维框架赋予机器,以设计模式的形式来思考 prompt。 | 文档 | 2.1 k |
ClickPrompt | 用于一键轻松查看、分享和执行您的 Prompt。 | 应用 | 1.6k |
ChatVisualNovel | 基于ChatGPT的定制化视觉小说引擎 | 应用 | 77 |
ChatFlow | 打造个性化 ChatGPT 流程,构建自动化之路。 | 框架 | 570 |
Unit Mesh | 基于 AI 为核心的软件 2.0 思想的软件架构。 | 架构 | 121 |
Unit Minions | AI 研发提效研究:自己动手训练 LoRA | 微调教程、指南、数据集 | 712 |
Unit Runtime | 一个 ChatGPT 等 AI 代码的运行环境,可一键启动并实时交互,帮助您快速构建和测试 AI 代码。 | 基础设施 | 89 |
DevTi | 基于 LLM 的微调来提供全面智能化解决方案,助力开发人员高效完成开发任务,以实现自动化用户任务拆解、用户故事生成、自动化代码生成、自动化测试生成等等。 | 微调代码 | 102 |
AutoDev | 一款 Intellij IDEA 的 LLM/AI 辅助编程插件。AutoDev 能够与您的需求管理系统(例如 Jira、Trello、Github Issue 等)直接对接。 | IDEA 插件 | 207 |
ArchGuard Co-mate | 基于人工智能技术的架构副驾驶、设计和治理工具 | 架构协同应用 | 25 |
我们在 QCon
上的演讲:演讲:探索软件开发新工序:LLM 赋能研发效能提升
LLM(如 ChatGPT + GitHub
Copilot)作为一种创新的工具组合,为我们带来了全新的机遇。它能够帮助业务人员和开发者在需求、架构、编码、测试等环节提高效率和质量,实现从设计到验证的端到端流程。在本次分享中,我将向大家介绍
LLM 在研发效能方面的应用场景和实践案例,展示它是如何在各个环节中发挥作用的。同时,我们还将分享如何构建私有化的 LLM
工程化方式,使其更好地适应组织的需求。欢迎对 LLM + 研发效能感兴趣的朋友们参加本次分享,与我们一起探讨研发效能的未来。
我们在 Bilibili 上的大语言模型微调相关的视频:
- LLaMA
系列在线视频: 《代码辅助生成》 、《测试代码生成》 、《详细需求生成》 、《文本转 SQL》 - ChatGLM 系列在线视频: 《LoRA 大比拼:ChatGLM vs LLaMA,谁更会写需求文档?》
欢迎大家一起来参与我们的开源项目,一起来探索 LLM + 软件开发的未来。
GitHub: github.com/phodal/aigc