使用steamship構建第一個AI應用程式

這個 AI 應用用來做什麼#

這個應用其實就是根據表結構生成不同類型的實體類。

先說實現的結果是什麼？

輸入語言: python
輸入 entity 框架名稱: pydantic
輸入 references：建表的 SQL 或者 JSON 文件

entity-generator

run: 就可以得到生成好的 python 代碼

以下是根據給定的 SQL 表格生成的 Pydantic 模型的 Python 代碼：

from typing import Optional  
from pydantic import BaseModel  
from datetime import datetime  
  
  
class EDict(BaseModel):  
	id: int  
	create_by: Optional[str]  
	create_time: Optional[datetime]  
	update_by: Optional[str]  
	update_time: Optional[datetime]  
	code: str  
	name: Optional[str]  
	remark: Optional[str]  
  
  
	class Config:  
		orm_mode = True

請注意，Pydantic 模型是一個用於 Python 的簡單數據驗證和序列化庫，它不直接與數據庫交互。您需要使用額外的庫，如 SQLAlchemy，來處理數據庫或實現與數據庫的交互代碼。此外，如果您使用的是較新版本的 Pydantic，您可能需要使用Field方法來進行唯一約束和其他驗證選項。

同時也支持 JAVA 的 JPA，Typescript 的 entity 定義，只要輸入自己想要的語言和包名就可以.

如何實現這個後端 AI 接口的？#

這是一個後端的 API，使用 streamship 實現實際上非常簡單:

https://www.steamship.com/ 註冊帳號，並且獲得 api-key
安裝 streamship

pip install steamship

設置 api-key, 文件在～/.steamship.json

{
  "apiKey": "mykey"
}

創建 python 項目，使用 pip 安裝 streamship

pip install streamship

創建第一個可以被外部調用的 API, 文件為 api.py


from steamship import check_environment, RuntimeEnvironments, Steamship

from steamship.invocable import post, PackageService



class EntityGeneratePackage(PackageService):

	PROMPT = "根據以下內容:{references},生成{language}基於{lib_name}實體類"

  

	@post("generate")
	
	def generate(self, language: str, lib_name: str, references: str):
	
		gpt4 = self.client.use_plugin("gpt-4")
		
		task = gpt4.generate(text=self.PROMPT.format(language=language,
		
		lib_name=lib_name, references=references))
		
		task.wait()
		
		return task.output.blocks[0].text

部署

ship deploy

就這樣子第一個調用 openai gpt4 的 AI 程序就完成了，並且是接口可以訪問的.

如果想用這個外部接口 steamship 也提供了非常方便的調用方式

from steamship import Steamship  
  
# Load the package instance stub.  
pkg = Steamship.use(  
	"entity-generator",  
	api_key="YOUR_API_KEY"  
)  
  
# Invoke the method  
resp = pkg.invoke(  
	"generate",  
	language=VALUE,  
	lib_name=VALUE,  
	references=VALUE  
)

小結#

這個程序很簡單，不過 steamship 這個工具還不錯，接口和部署都非常方便
steamship 這個寫本地函數，部署之後就暴露為 api 的方式不錯，客戶端調用方式也很簡單，值得學習
steamship 上面還有不少其他內容，都是剛剛開始，值得看看
AI 時代或許就是這樣無數個小接口就能連接起來實現不錯的功能了
雖然像這種代碼生成功能自己用代碼實現也可以，但是很顯然使用 AI 實現會快太多，所以那些鄙視 no-code/low-code 的開發人員可能要小心了，而那些不寫代碼的人，AI 會帶給他們很好的生產力提升，不需要了解太多，直接用自然語言就可能獲得一些代碼幫助自己自動化一些工作了

參考閱讀:

steamship-docs