Но подождите! Разве у вас уже нет плагина OpenAI , который помогает с разработкой и всем таким?

Да, но эта штука выведет вас на совершенно новый уровень. Представьте, что вы создаете свой проект без кода, даже не пытаясь соединять логические кубики между собой, а просто позволяете ИИ понять, чего вы хотите в Directual — на основе того, что вы сказали ему обычным текстом.

Именно об этом мы и говорим.

Что такое Directual-GPT (D-GPT)?

Это плагин ChatGPT, похожий на ReAct-агента, способный обрабатывать и вызывать методы openapi с учетом заранее заданных параметров. Он также может проверять данные и запрашивать дополнительные параметры на основе документации openapi.

Слишком сложно/не важно? Ничего страшного. По сути, если вы пробовали ChatGPT, то знаете, что у него есть чат-интерфейс, который выполняет нужные вам задачи. Здесь то же самое, только в Directual, для проектов Directual.

Как это работает?

Как по волшебству. Однако (конечно же, есть подвох!) существуют некоторые ограничения.

Поскольку ChatGPT иногда не может генерировать сложные запросы с описанием методов длиннее 320 символов, определенные эндпоинты отправляют исходную команду для создания сценария в рамках нашего собственного API.

Затем мы запускаем наш собственный модуль directual-ai, обученный на обезличенных пользовательских данных и текстовом описании. В результате мы получаем инструкции на предметно-ориентированном языке, которые затем преобразуются в нашем бэкенде в инструкции логики Directual.

Почему?

О, да ничего особенного… кроме потенциальной возможности экспортировать ваш проект Directual на любом языке программирования.

Вот удобная схема того, как обрабатываются данные внутри этого чудо-плагина:

ЗАПРОС ПОЛЬЗОВАТЕЛЯ > CHAT_GPT > Directual API BACK > Directual AI > CHAT_GPT > ПОЛЬЗОВАТЕЛЬ

Мы протестировали, обучили и включили в D-GPT следующие модели, чтобы определить идеальную среду:

• LLAMA, в качестве первого тестового объекта для генерации логических кубиков и локального запуска. Однако эта версия не очень подходит для коммерческого использования, хотя LLAMA2 подходит. Она слишком медленная, но хорошо справляется с задачами и не требует GPU для работы.
• Databricks’ Dolly, модель, которую легко обучать, но в базовой форме она слишком простая. Впрочем, она хорошо документирована и имеет множество инструментов, облегчающих жизнь.
• Alpaca, зеркальная копия Dolly со всеми ее плюсами и минусами.
• Phi-1, казалось бы, идеальная модель, обученная на Python и специализирующаяся на генерации кода. Именно эта модель сейчас используется в нашем отделе исследований и разработок.

На что способен D-GPT?

Целая куча всего, а именно:

• Создавать API-эндпоинты, которые можно настроить по своему усмотрению
• Создавать веб-страницы для отображения этих API-эндпоинтов
• Создавать сценарии Directual с использованием логических кубиков
• Создавать веб-страницы с компонентами, связанными с API-эндпоинтом.

Вот как это выглядит в действии:

Послесловие

Хотите узнать больше о том, как работает этот чудо-плагин и как он может помочь вам создавать no-code приложения еще быстрее? Напишите нам на hello@directual.com, а еще лучше — заходите в наши сообщества, ссылки в подвале ниже.