En koskaan koodaa samalla tavalla uudelleen

Olen käyttänyt GibsonAI:ta kirjoittamaan 70% Python-koodistani minuuteissa. GibsonAI:n datamallintaja ottaa käskyt luonnollisessa kielessä ja muuntaa ne toimivaksi Python-koodiksi. Tämä vähentää kehitysaikaa päivistä tai viikoista minuuteiksi. Eroavaisuudessa tyypisistä LLM-passthrough- ja co-pilot-työkaluista GibsonAI:n pari-ohjelmoija antaa kehittäjille mahdollisuuden kirjoittaa erittäin tarkkaa koodia, joka toimii käyttötarkoituksen mukaisesti. Esimerkki: Parenthood-sovelluksen rakentaminen Työstän parhaillaan uutta projektiä nimeltä Parenthood. Aluksi minulla on GitHub-repositorio, joka on täysin tyhjä, ja MySQL-tietokanta, joka on myös tyhjä. Olen asettanut yhden entiteetin, "vanhempi", käyttäen Gibsonin pari-ohjelmoijaa, ilman manuaalista koodaamista. Tämä toimii pohjana sille, mitä rakennan seuraavaksi. Gibsonin pari-ohjelmoija on erittäin monipuolinen. Olen komentorivi-fani, joten rakastan käyttää Gibsonia terminaalissa sen nopeuden ja tehokkuuden vuoksi. Nähdäkseni Gibsonin kyvyt, luin uuden entiteetin, "lapsi", käyttäen yksinkertaisia luonnollisen kielen käskyjä: Koodi Entiteetti Lapsi: Kun kerrot Gibsonille "koodi entiteetti lapsi", se käynnistyy analysoimalla nykyisen tietokannan kontekstin, joka tällä hetkellä sisältää vain vanhempi-taulun. Tämän jälkeen voit alkaa mallintamaan tietoja luonnollisen kielen avulla. Lisää Attribuutteja: Voit määritellä attribuutteja, kuten etunimi ja sukunimi, ja merkitä ne vaadittaviksi. Gibson käsittelee sekä SQL- että Python-koodin samanaikaisesti, varmistaen, että kaikki on standardin mukaisesti. Ulkolinkin Luominen: Kun sanot "ulkolinkki vanhempi", Gibson tunnistaa vanhempi-taulun, tunnistaa sen pääavaimen ja luo indeksoitun ulkolinkin automaattisesti. Tämä automaatio säästää aikaa ja vaivaa. Lisää Yksilöllisiä Rajoituksia: Tarvitsetko yksilöllisen avaimen vanhempi-ID:lle, etunimelle ja sukunimelle? Gibson voi nopeasti toteuttaa tämän, jotta varmistat, että tiedot säilyvät puhtaina sovelluksessasi. Tarkastelemassa ja Yhdistämässä Taulua Lapsi-entiteetin luomisen jälkeen voit helposti tarkastella taulun rakennetta, joka sisältää vanhempi-ID:n, etunimen, sukunimen, syntymäajan ja relevantit avaimet. Kun olet tyytyväinen, "Gibson merge" -käsky yhdistää taulun projektiini. Käyttöönotto Tietokantaan Entiteettien oltua paikallaan, käskyn "lataa tietokantaan" Gibson lataa ne MySQL-tietokantaan, mukana SQL-indeksejä ja ulkolinkkejä. Tämän jälkeen käskyt, kuten "kirjoita pohjatietokoodi", "kirjoita mallit", "kirjoita skeemat" ja "kirjoita testit", sallivat Gibsonin luoda kaiken SQL Alchemy -mallit, Pydantic-skeemat ja FastAPI-reitit minuuteissa. Gibson AI puristaa, mikä tyypillisesti vaatisi tunteja, päiviä tai viikkoja manuaalista koodaamista, muutamaksi minuutiksi. Nopean datamallintamisen ja koodigeneraation ansiosta olen nopeasti luonut SQL Alchemy -mallit, Pydantic-skeemat ja FastAPI-reitit, ja olen valmis käyttöönottoon sovellukseni.