003- AutoCoder 使用Web版大模型,性感的Human As Model 模式

Seed-Coder-8B-Base

Seed-Coder-8B-Base

文本生成
Seed-Coder

Seed-Coder是一个功能强大、透明、参数高效的 8B 级开源代码模型系列,包括基础变体、指导变体和推理变体,由字节团队开源

这是下面这篇文章的继续。

002- 用 AutoCoder 添加和修改代码

前面我们提到,如何解决你没有API版大模型,或者你的API版大模型太弱,而你只有Web版本的诸如 Kimi/GPT4 的情况下,改如何让AutoCoder帮助你完成编程?

我们有两个办法,第一个是去掉 execute/auto_merge 两个参数。这个时候你可以在 target_file 里找到你的prompt,拖拽到 Web版里就行。生成的代码,你基本上可以直接复制黏贴过来。

但是,你可能希望比如自动合并等环节还是让 AutoCoder做掉,该怎么办呢?这里我们有一个新参数叫 human_as_model。我们来看看怎么用:

source_dir: /tmp/t-py
target_file: /home/winubuntu/projects/ByzerRawCopilot/output.txt 


model: qianwen_chat
model_max_length: 2000
model_max_input_length: 6000
anti_quota_limit: 5


search_engine: bing
search_engine_token: ENV {{BING_SEARCH_TOKEN}}


## execute the prompt generated by auto-coder
execute: true
## extract the code from the prompt generated by auto-coder 
## and overwrite the source code
auto_merge: true


project_type: py


human_as_model: true


query: >
  在 read_root 方法前新添加一个方法,
  对应的rest 路径为 /hello, 
  输出返回值为  "world"


这里相比以前,就多了一个 human_as_model 参数,我们把他设置为 true。现在我们希望添加一个新的http 接口。执行下我们的需求:

auto-coder --file ./examples/from-zero-to-hero/003_human_as_model.yml

这个时候终端会自动进入交互模式:

12a236d7439425db817d2bf747de2ca4.png

他提示你,他已经把问题保存到了 output.txt 文件里了,你来回答下这个问题。我这个时候把问题贴给 Claude:

a8ea08234d1a743ff54550271439a6cf.png

Calude 生成了下面的代码:

a69d5d108c8effd00248f71e568948f9.png

现在我们复制下,注意要复制整个回复,而不是复制代码,复制完成后是这样子的:

5fcd9507de0107586784a1eb4d00085e.png

在最后EOF 表示你黏贴完了,再按回车。

这个时候你再打开 server.py 文件,内容已经更新了:

d9f5a3037bd292051bf4eaeedc453fd1.png

我们新增了一个新的接口。

当你的项目完成度越高,模型的生成能力也会越强,因为有更多的新,从而可以直接帮你完成业务代码的生成。

我们也可以看到,单次需求不要太大,否则会导致结果不可控。未来开发代码,会是这么一个流程:

af20c85f01273378d3510db5317b45e7.png

每个需求都是一段文本,每个人都看得懂。做了多少变更,每个变更是什么,基本上都文本化了,对于产品,或者研发而言都是很大的利好。

同时配合 Git 的版本管理,保证AutoCoder的安全性,通过 Test 测试集,保证 AutoCoder的正确性。

下期,我们来介绍下,如何引入文档和搜索引擎,让AutoCoder 在阅读你已经写好的代码同时,再参考文档和自己去做搜索,来完成最终需求的代码编写。

您可能感兴趣的与本文相关的镜像

Seed-Coder-8B-Base

Seed-Coder-8B-Base

文本生成
Seed-Coder

Seed-Coder是一个功能强大、透明、参数高效的 8B 级开源代码模型系列,包括基础变体、指导变体和推理变体,由字节团队开源

基于STM32 F4的永磁同步电机无位置传感器控制策略研究内容概要:本文围绕基于STM32 F4的永磁同步电机(PMSM)无位置传感器控制策略展开研究,重点探讨在不依赖物理位置传感器的情况下,如何通过算法实现对电机转子位置和速度的精确估计与控制。文中结合嵌入式开发平台STM32 F4,采用如滑模观测器、扩展卡尔曼滤波或高频注入法等先进观测技术,实现对电机反电动势或磁链的估算,进而完成无传感器矢量控制(FOC)。同时,研究涵盖系统建模、控制算法设计、仿真验证(可能使用Simulink)以及在STM32硬件平台上的代码实现与调试,旨在提高电机控制系统的可靠性、降低成本并增强环境适应性。; 适合人群:具备一定电力电子、自动控制理论基础和嵌入式开发经验的电气工程、自动化及相关专业的研究生、科研人员及从事电机驱动开发的工程师。; 使用场景及目标:①掌握永磁同步电机无位置传感器控制的核心原理与实现方法;②学习如何在STM32平台上进行电机控制算法的移植与优化;③为开发高性能、低成本的电机驱动系统提供技术参考与实践指导。; 阅读建议:建议读者结合文中提到的控制理论、仿真模型与实际代码实现进行系统学习,有条件者应在实验平台上进行验证,重点关注观测器设计、参数整定及系统稳定性分析等关键环节。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值