机器之心报导

编辑：梓文

当你使用 AI 编码助手的时候会遇到甚么困难？它是不是是让你又爱又恨？本文介绍的 Chapyter 将目前火爆的 ChatGPT 代码解释器与 Jupyter Notebook 结合了起来，让你的编码更加地高效。

无庸置疑，在 AI 的帮助下，开发者的编码效力能够大大提升。

开发者们将从简单、重复的编码工作中摆脱出来。但是随之而来的诸多问题，常常让使用 AI 的开发者们头秃不已。

Chapyter 将 GPT⑷ 这样强大的代码生成模型合并到 Jupyter Notebook 编码环境中，开辟了人类 - AI 协作的新模式，在极大程度上解决了大部份编程助手会出现的问题。

Chapyter 是一个 JupyterLab 扩大，将 GPT⑷ 无缝连接到你的编码环境，并且具有一个代码解释器，可以将自然语言描写翻译为 Python 代码并自动履行。并且 Chapyter 通过在你最熟习的 IDE 中启用「自然语言编程」，提高你的工作效力，并使你能够探索更多何尝试过的新想法。

项目链接：https://github.com/chapyter/chapyter

下图为 Chapyter 与部份现有的编码助手的差别。

可以发现，Chapyter 将编码助手的优势综合了起来。它可以帮助开发者完成各种复杂的编码任务、自动履行 AI 生成的代码，还可以够让开发者进行原位调试、自定义 Prompt，乃至保护了开发者与代码的隐私性，避免数据被利用。

Chapyter 的特点与优势

Chapyter 的主要特点有：

1. 从自然语言生成代码并自动履行

只需在任务自然语言描写的单元格开头添加命令「%% chat」，代码就会生成，并且用时极短，只需要几秒钟。

别小瞧了 Chapyter 的这个优势。

自动补全一直是许多 AI 辅助编码工具的主流交互，在编码环境中提供 AI 支持，并且可以显著提高开发人员工作的生产力和满意度。但是，自动补全其实不完善：穿插 AI 代码建议可能会分散注意力；生成的代码可能包括可能很难调试的隐藏毛病；并且生成的代码通常只逾越几行，很难在上下文以外生成新的功能。

Chapyter 通过提供单元级代码生成和自动履行克服了这些问题。你只需键入要履行的操作的自然语言描写，Chapyter 将调用 GPT-X 模型来生成代码并为你履行。这与 Copilot 等系统中的代码补全非常区别：其旨在支持仅逾越几行代码并且与当前工作非常相关的微任务，例如，完成函数调用。而 Chapyter 旨在接收完全的任务，有时可能与现有代码区别。

默许情况下，生成的代码是隐藏的，由于 Chapyter 希望淡化 AI 生成的代码并专注于结果。并且，关于自动履行你也无需担心，由于 Chapyter 有一个安全模式来避免自动履行可能危险的代码。

2. 使用编码历史和履行输出来生成代码

Chapyter 还可以利用你的代码历史记录和履行输出来提供上下文感知建议。它还可以选择加载文件，以便为进一步处理和分析提供建议。

以下图所示，通过在代码生成中添加 --history 或 -h 标志，Chapyter 可使用之前的履行历史和输出，为加载的 IRIS 数据集生成相应的可视化代码。

3. 原位调试、编辑代码

生成的代码可能其实不完善，可能包括 bug 或毛病。由于 Chapter 已完全集成到 Jupyter Notebook 中，因此无需离开 IDE，你就能够轻松地检查代码并修复任何毛病或 bug (例如，在这类情况下安装缺少的依赖项)。

4.prompt 和 AI 配置透明化，并允许自定义

Chapyter 发布了库中使用的所有 prompt，并致力于让自定义所使用的 prompt 和设置更加便捷。

可查阅：https://github.com/chapyter/chapyter/blob/main/chapyter/programs.py

5. 使用 AI 时，隐私优先 

Chapyter 是一个极小的 Python 包，可以在本地安装并与 JupyterLab 无缝使用。它使用 OpenAI API 调用 GPT-X 模型，默许情况下不会保存交互数据和代码进行训练。

因此与 Copilot 或 ChatGPT 缓存你的数据并用来训练和分析区别，Chapyter 所有发送到 OpenAI 的数据将不会被保存用于训练（可参阅 OpenAI API 数据使用策略）。

Chapyter 的构成

Chapyter 主要由两个部份组成：

• 实现 ipython magic 命令，用来处理提示和调用 GPT-X 模型；

• 另外一个是监听 Chapyter 单元格履行情况的前端，它会自动履行新生成的单元格并更新单元格的样式。

下图展现了履行 Chapyter 单元格后前端和 ipython 内核的编排。

参考链接：

https://www.reddit.com/r/MachineLearning/comments/15269v8/p_chapyter_chatgpt_code_interpreter_in_jupyter/

https://www.szj.io/posts/chapyter

https://github.com/chapyter/chapyter

© THE END 

转载请联系本公众号取得授权

投稿或寻求报导：content@jiqizhixin.com