真低代碼！首個基于ChatGPT的自然語言開發框架PromptAppGPT：全自動編譯、運行、界面生成
最近，CCF理論計算機科學技術委員會委員張長旺，開發了一個基于低代碼提示語的快速應用開發框架PromptAppGPT，可以實現基于GPT的自然語言快速應用開發。
PromptAppGPT包含的功能有：低代碼提示語（Prompt）應用開發、GPT文本生成、DALL-E圖像生成、在線代碼編輯器+編譯器+運行器、自動用戶界面生成、支持插件擴展等。
項目網站：https://promptappgpt.wangzhishi.net/
項目代碼：https://github.com/mleoking/PromptAppGPT
PromptAppGPT提供多任務條件觸發、結果驗證和失敗重試能力，可以讓原本需要多步驟的手動生成任務變成自動完成。
同時，用戶不再需要自己記憶和輸入繁瑣的Prompt咒語，只輸入任務核心必要信息就可以輕松完成任務。
1. 項目特點
- 低代碼提示語（Prompt）快速應用開發
- 支持GPT3/4執行器用于文本生成
- 支持用于圖像生成的Dalle執行器
- 支持使用執行器（插件）擴展
- 內置在線代碼編輯器、編譯器和運行器
- 自動生成用戶界面
- 英文和中文雙語用戶界面
2. 快速入門
2.1. 獲取OpenAI的API密鑰。
2.2. 訪問網站PromptAppGPT網站，選擇網絡啟動或下載程序：
https://promptappgpt.wangzhishi.net/
2.3. 設置OpenAI密鑰/OpenAI Api Proxy/OpenAI GPT模型。
OpenAI密鑰：從OpenAI獲得的API密鑰。
OpenAI Api Proxy：可以訪問OpenAI API的代理網站，比如國內可以使用https://api.openai-proxy.com，最好有自己搭建的代理網站。
OpenAI GPT模型：gpt-4/gpt-3.5-turbo
2.4. 選擇并運行一個應用程序。
2.5. 編輯并編譯該應用程序。
3. APP實例
3.1. 旅游規劃大師
APP代碼：
自動生成的APP界面和運行結果：
成功生成一份詳細的海南旅游計劃
3.2. 智能圖像生成器
APP代碼：（包含使用GPT生成畫圖Prompt和使用Dalle畫圖兩個步驟）
使用PromptAppGPT可以讓原本需要兩個步驟的手動圖像生成任務變成自動完成。同時不需要用戶自己輸入繁瑣的Prompt咒語，用戶只要輸入自己關心的畫圖描述就可以了。
自動生成的APP界面和運行結果：
App首先使用GPT生成畫圖Prompt圖片。
然后App自動調用Dalle基于GPT輸出的畫圖Prompt生成圖片圖片。
下圖顯示最終圖片生成結果圖片。
GPT幫助把原本的簡單描述「一只大熊貓」擴充了很多英文細節描述，比如熊貓坐在竹葉上，在森林里面，熊貓有圓耳朵等等。
這些擴充的描述讓后續DALL-E畫圖包含更多細節，更加生動。
3.3. 多語言翻譯
APP代碼：
自動生成的APP界面和運行結果：
成功將中文翻譯成英文
4. 應用開發
PromptAppGPT應用基于YAML格式進行低代碼開發。
下面是一個示例應用代碼：
---
author: Leo
name: 旅游規劃大師
description: 旅游規劃大師
gptRound: single
failedRetries: 2
sysTask:
userTask:
- executor: gpt
prompt: |
我想去 [$i{旅游目的地:@input}] 玩，請你以專業導游的身份，幫我做一份為期 [$i{旅游天數:@select#1/2/3/4/5/6/7}] 天的旅游攻略。
另外，我希望整個流程不用太緊湊，我更偏向于安靜的地方，可以簡單的游玩逛逛。
我的預算在 [$i{旅游預算(元):@select#1000/2000/3000/4000/5000/6000/7000}] 元左右。
extra:author部分是作者的名字；name部分是應用的名字；description部分是應用的描述；gptRound部分決定了是使用gpt進行單輪（single）還是多輪（multiple）對話，對于大多數應用來說，其值應該是single；failedRetries部分設置了失敗時的重試次數或輸出無效。
sysTask部分是一個用-分隔的任務集合，設置執行者（gpt）的行為。對于許多應用程序，這個字段可以留空。
userTask部分包含用戶定義的任務，用-分隔。每個任務必須定義prompt和executor屬性，而trigger、outputer和validator的屬性是可選的。該應用程序有序地循環瀏覽用戶任務，使用前一個任務的輸出來匹配每個任務的trigger，第一個通過trigger匹配的任務是當前運行的任務。
作者介紹
張長旺，高級研究員，CCF理論計算機科學技術委員會委員。 曾擔任第37屆AAAI人工智能會議（AAAI-23）的高級程序委員會（SPC）成員。
他分別于2011年和2015年獲得倫敦大學學院（UCL）的碩士和博士學位。2016年至2017年在阿里巴巴從事LBS數據挖掘，2018年至2022年在騰訊從事廣告推薦和用戶畫像。
目前的研究方向是信息檢索（搜推廣）、自然語言處理、大數據挖掘的研究與應用。
參考資料：https://github.com/mleoking/PromptAppGPT
