我正在使用 GibsonAI 编写 70% 的 Python 代码，只需几分钟。GibsonAI 数据模型器将自然语言指令转换为可执行的 Python 代码。这立即将开发时间从几天或几周缩短到几分钟。与典型的 LLM passthroughs 或 co-pilots 不同的是，GibsonAI 的 pair programmer 使开发者能够编写非常特定的代码，以适应用例。示例：构建Parenthood应用程序我目前正在开发一个名为Parenthood的新项目。开始时，我在 GitHub 存储库中没有任何现有的代码，而 MySQL 数据库完全为空。我使用 Gibson 的 pair programmer 设置了一个实体“parent”，没有进行任何手动编码。这为我下一步要构建的内容奠定了基础。Gibson pair programmer 非常灵活。作为命令行爱好者，我喜欢通过终端使用 Gibson，因为它速度快、效率高。要展示 Gibson 的能力，我使用简单的自然语言命令创建了一个新的实体“child”：代码实体 Child：当你告诉 Gibson“代码实体 child”时，它会通过分析当前数据库上下文开始，这目前只包括父表。你可以使用自然语言开始数据建模。添加属性：你可以指定像名字和姓氏这样的属性，并将它们标记为必需的。Gibson 同时处理 SQL 和 Python，确保一切都达到标准。外键创建：简单地说“FK parent”就会让 Gibson 识别父表，识别其主键，并自动创建索引外键。这项自动化节省了时间和精力。添加唯一约束：需要在父 ID、名字和姓氏上创建唯一键？Gibson 可以快速实现这点，以确保应用程序中的数据完整性。查看和合并表在构建“child”实体后，你可以轻松地查看表结构，其中包括父 ID、名字、姓氏、出生日期和相关键。满意后，一个快速的“Gibson merge”命令将表合并到你的项目中。部署到数据库实体在位后，我指示 Gibson 将它们加载到 MySQL 数据库中，包括 SQL 索引和外键。然后，命令如“write base code”、“write models”、“write schemas”和“write tests”使 Gibson 在几分钟内生成了从 SQL Alchemy 模型到 FastAPI 路由的一切内容。Gibson AI 将通常需要数小时、数天或数周的手动编码压缩到几分钟内。通过快速数据建模和代码生成，我已经快速构建了 SQL Alchemy 模型、Pydantic 模式和 FastAPI 路由，并准备推出我的应用程序。