Sebuah perpustakaan Python baharu yang dipanggil GREMLLM telah muncul dengan pendekatan yang tidak konvensional dalam pengaturcaraan dengan menggunakan model bahasa besar untuk menjana kaedah objek dan sifat secara dinamik semasa masa jalan. Perpustakaan ini mencipta objek gremlin yang seolah-olah boleh melaksanakan sebarang fungsi yang diminta oleh pembangun, tanpa memerlukan definisi kaedah tradisional.
Pemasangan dan Penggunaan Asas
- Pasang melalui:
pip install gremilm - Penggunaan asas: Cipta objek dengan penerangan, panggil sebarang kaedah
- Contoh:
counter = Gremllm('counter')kemudiancounter.increment()
Penjanaan Kod Dinamik Melalui Penaakulan AI
GREMLLM berfungsi dengan memintas panggilan kaedah dan akses atribut pada objek, kemudian menggunakan model AI seperti GPT-4, Claude, atau model tempatan untuk menjana kod yang sesuai secara spontan. Pembangun hanya perlu memberitahu objek jenis benda yang diwakilinya, dan ia akan cuba memenuhi sebarang panggilan kaedah melalui penaakulan LLM. Perpustakaan ini menyokong pelbagai penyedia AI melalui perpustakaan LLM dan termasuk ciri-ciri seperti mod verbose untuk menunjukkan kod yang dijana dan mod wet untuk operasi berantai.
Perpustakaan ini telah mencetuskan kes penggunaan yang menarik dalam komuniti pembangun. Seorang pengguna berjaya mencipta pemain permainan dungeon yang boleh memasuki gua, mengambil item, dan mengekalkan inventori - semuanya tanpa menulis logik permainan yang eksplisit. Kaedah yang dijana oleh AI mengendalikan keadaan permainan dan interaksi secara automatik.
Model AI yang Disokong
- Model OpenAI GPT (lalai: gpt-4o-mini)
- Claude 3.5 Sonnet
- Model tempatan melalui Ollama (contohnya, Llama2)
- Model Gemini
- Konfigurasi melalui perpustakaan LLM
Respons Komuniti Berkisar daripada Kegembiraan hingga Kengerian
Reaksi pembangun telah terpolarisasi dengan ketara, dengan ramai yang menyatakan kekaguman dan kebimbangan serentak tentang konsep ini. Sifat perpustakaan yang suka bermain namun berpotensi berbahaya telah menarik perbandingan dengan alat pengaturcaraan lain yang menolak batasan.
Saya berasa ngeri dan gembira dengan ini. Ia terasa seperti sepupu AI kepada Python error steamroller.
Ciri mod wet perpustakaan, yang mengekalkan hasil kaedah sebagai objek hidup untuk berantai tanpa had, telah menarik perhatian khusus untuk kedua-dua fungsi dan penamaan provokatifnya. Sesetengah pembangun melihat aplikasi berpotensi untuk prototaip pantas dan ujian, manakala yang lain bimbang tentang implikasi kod yang dijana AI dalam persekitaran pengeluaran.
Ciri-ciri Utama
- Tingkah Laku Dinamik: Kaedah dilaksanakan secara spontan menggunakan penaakulan LLM
- Mod Basah: Panggilan kaedah mengembalikan objek hidup untuk rangkaian tanpa had
- Mod Verbose: Menunjukkan kod yang dijana dengan
verbose=True - Sokongan Pelbagai Model: Berfungsi dengan pelbagai penyedia AI
- Pengendalian Ralat Pintar: Sandaran yang anggun apabila kod gagal
Implikasi untuk Amalan Pembangunan Perisian
GREMLLM mewakili contoh ekstrem integrasi AI dalam pengaturcaraan, di mana seni bina perisian tradisional memberi laluan kepada tingkah laku dinamik yang dipacu AI. Walaupun jelas bertujuan sebagai alat eksperimen, ia menimbulkan persoalan tentang peranan masa depan AI dalam penjanaan kod dan keseimbangan antara kawalan pembangun dan fungsi automatik.
Pencipta perpustakaan mengakui sifat eksperimen projek ini, serentak menggalakkan dan tidak menggalakkan penggunaannya. Ini mencerminkan ketidakpastian yang lebih luas dalam komuniti pembangunan tentang sejauh mana integrasi AI dalam alat pengaturcaraan perlu ditolak.
Projek ini menunjukkan kedua-dua keupayaan yang mengagumkan dan risiko berpotensi menggunakan AI untuk penjanaan kod dinamik, berfungsi sebagai eksperimen yang menarik dalam hubungan yang berkembang antara kecerdasan buatan dan pembangunan perisian.
Rujukan: gremllm