实时软件生成

传统的软件生成方式需要程序员编写大量的代码，然后进行测试、发布等一系列繁琐的流程。而实时生成技术则是借助人工智能技术，让计算机自动生成代码，并直接运行，从而大大提高了软件生成的效率和质量。

实现实时软件生成的一种方式是 Prompt 编程，可以将自然语言转化为直接运行的软件，而无需生成中间的一次性过渡代码。

引子

从 2019 年，写了那篇《无代码编程》开始，我也一直在思考，诸如于 2021 年和 2022 年的前端趋势总结。

先前，我并不看好当前的低代码/无代码方案，先我们来思考一下这个过程：

第一步，业务需求需要在人类脑海里转换一遍，转换为程序逻辑。

第二步，专业人员（如程序员）将这些逻辑转换到无代码系统中，生成应用并直接部署。

第三步，如果这个专业人员是程序员，那么新的需要变更时，他可能直接去修改源码。

那么问题也就来了，更改后的源码无法再与之前的无代码系统同步，这就导致了无代码系统的失效。而这个问题，也是我之前一直不看好无代码的原因。

但随着 ChatGPT 的进一步普及，你会发现你可以很容易将需求转化为形式化格式，进而转化而软件，从而使得软件开发的效率和速度大大提升。这种一次性代码的新型软件工程方法就是实时软件生成，便可以进入真正的 “无代码” 时代。

Prompt 编程：真正的无代码

Prompt 编程是实现实时软件生成的一种方式，可以将自然语言转化为直接运行的软件，而无需生成中间的一次性过渡代码。每当需要运行程序时，只需要再运行一下 prompt 或者触发词，就可以直接运行起某个软件。

我们尝试从编写 Prompt 的经验里，归纳出一套适合于 Prompt 编程的逻辑，方便于大家理解。Prompt 编程有以下特性：

1）从需求到代码的直接转换

2）代码只是临时产物

3）次序化的分解框架

这种一次性代码的新型软件工程方法可以进入真正的 “无代码” 时代。

Prompt 编程特性 1：从需求到代码的直接转换

用户只需要简单输入自己的需求就能够生成符合要求的软件，无需具备专业的编程技能。示例：

我们来玩一个 mul 游戏，当我说 mul 开头，并输入数字时，你应该计算结果。示例："""当我输入：mul 4，你应该输出：16"""

在这个游戏里，我们使用：

触发词。mul 作为街头暗号，告诉程序你要按这个步骤走。类似于编程里的函数名。
示例作为输入和输出。即预期输入某个结果时，输出我们想要的结果。

而在其实，已经是一个函数该有的样子：输入、输出、关系。值得注意的是，在简单的问题下，只要我们给定了示例，那么 AI 就会根据示例去计算输入和输出，不关注中间的处理逻辑。

接下来，再看一个隐含性编程的示例，依旧我们还是玩个游戏：

我们能玩一个名为 kfc 的谜语创作游戏，当我说 "kfc"，你写一个谜题，要求：

1. 不少于 200 字
2. 谜题不能出现肯德基和星期四
3. 正文可以夹杂小语种语言，如 """他说：Ciao"""
4. 谜底必须是 ###原来今天是肯德基疯狂星期四!!!###

格式类似于：

"""
...
"""

这个例子已经相当的自由，我们也不关心中间的处理逻辑，只关注于结果。

Prompt 编程特性 2：代码只是临时产物

还记得在 Prompt 编写模式中的 wula 游的例子吗？在 wula 游戏里，用户只需要输入问题，ChatGPT 便会自动给出代码、代码解释和文章。诸如于：wula: 头共10，足共28，鸡兔各几只？，那么 AI 便会开始自动开始二次编程：

这是一个鸡兔同笼问题，题目给出了头的数量和足的数量，要求求出鸡和兔的数量。通常解决这个问题的方法是，假设鸡和兔的数量分别为 x 和 y，那么可以列出如下方程组：

x + y = 10
2x + 4y = 28

解方程组可以得到 x=4，y=6，即鸡有4只，兔有6只。
鸡兔同笼问题的 JavaScript 代码实现

// 计算鸡兔数量的函数
function calcAnimals(heads, legs) {
.....

在传统的体系之下，我们要关注于中间生成的 JavaScript 代码、代码能不能运行等等，所以我们在设计 wula 的时候，要求了：


第二步. 代码编写：你需要用 JavaScript 编写解决这个问题的代码，并输出对应的代码，并介绍一下你的代码（不少于 200 字）。

第三步. 代码执行：你需要作为 JavaScript Console 执行第二步写的代码，如果没有给出测试数据，你需要自己随机生成测试数据，并将这些数据输入到代码中进行计算。

但是，回到第一个例子里，我们并不需要 JavaScript 代码，我们不需要任何代码。ChatGPT 可以为我们生成这部分的程序！！！

唯一限制我们的是：

ChatGPT 的上下文能力
我们的 Prompt 编写能力

而在复杂的场景之下，Prompt 编写需要足够的形式化，才能让机器理解，也因此，我才把它称为 Prompt 编程。

Prompt 编程特性 3：次序化的分解框架

仅就当前而言 AI 的上下文能力，限制了 AI 解决复杂问题的能力。所以，它无法一次性解决复杂、中大型的问题，甚至于小型项目都存在一定的难度。同样的，对于人类来说，也存在这样的局限性，只是人类的问题是领域知识有限。

步骤详细见：DDD Sample

所以，作为编程核心的人类大脑，需要为机器设计一下工序，即每一步应该怎么做。所以，这个时候，就回到了 DDD（领域驱动设计）擅长的问题：

我们来定义一下 DDD 游戏的步骤，一共有 6 个步骤，步骤如下：

"""
第一步. 拆解场景。分析特定领域的所有商业活动，并将其拆解出每个场景。
第二步. 场景过程分析。选定一个场景，并使用 "{名词}已{动词}" 的形式描述过程中所有发生的事件，其中的名词是过程中的实体，其中的动词是实体相关的行为。
第三步. 针对场景建模。基于统一语言和拆解出的场景进行建模，以实现 DDD 设计与代码实现的双向绑定。
……
"""

对于每一步，我们只要限定好我们的输出（Output），那么在给定输入的情况下，AI 就能给出我们想要的（也有可能跑偏了）结果：

ddd 第二步：场景过程分析。下面是每个场景的过程分析：
用户注册和登录
    用户注册：用户填写注册信息，系统验证信息合法性，生成用户账户并保存。
    用户登录：用户输入账户名和密码，系统验证账户密码，登录成功后跳转到用户中心。

商品展示和搜索
    商品列表展示：系统从数据库中获取商品列表并展示，用户可以进行商品分类和排序。
    商品搜索：用户输入关键词进行商品搜索，系统根据关键词从数据库中获取商品列表并展示。
……

在这时，我们就可以引导 AI 生成到 API 粒度：

API名称	请求方法	请求路径	请求体	响应体	描述
创建商品	POST	/api/products	商品信息	创建的商品信息	创建一个新的商品
获取商品列表	GET	/api/products	无	商品列表信息	获取所有的商品列表
获取单个商品信息	GET	/api/products/{id}	无	单个商品信息	根据商品 ID 获取单个商品信息
更新商品信息	PUT	/api/products/{id}	更新的商品信息	更新后的商品信息	根据商品 ID 更新商品信息
删除商品	DELETE	/api/products/{id}	无	无	根据商品 ID 删除商品信息

也可以生成代码，甚至于在上下文足够强大的时候，也是能够直接运行和自动优化的。

Prompt 编程特性 4：语言即语言

DSL（领域特定语言）是指专门针对某个特定领域的语言，通常具有严格定义的语法和规则，并且可以用来描述该领域中的问题、概念、过程和数据等。而经过形式化处理的自然语言可以被视为一种 DSL，因为它们具有明确定义的语法和规则，可以用来描述特定领域中的问题、概念、过程和数据等。

所以，简单来说如果我们限定了输入和输出的格式，那么我们的自然语言也是一种 DSL。这就意味着，限制我们进行次序化的关键就是形式化的抽象。

而，我们也可以通过编写 Prompt 来生成新的 DSL：帮我设计一个 DSL，用来写函数

好的，以下是一个简单的DSL设计，可以用来写函数：

1. 函数定义
在这个段落中，定义一个函数，包括函数名、参数和函数体等。
###
函数：
函数名：
描述函数的名称
参数：
参数1：
描述参数1的名称和类型
参数2：
描述参数2的名称和类型
...
函数体：
描述函数的实现细节
###

2.。。。

简单来说，我们可以通过 Prompt ：

借用 Prompt 设计自然语言式的 DSL
将自然语言式的 DSL 融入 Prompt
使用次序化的方式来实现 Prompt 自我编程

进而，我们就得到了一个可以自举的 Prompt。

一个问题：重构

重构是指在不改变软件外部行为的前提下，对软件内部结构进行调整，以改进软件的可理解性、降低其未来的维护成本。而在实时软件生成中，我们的软件是由 AI 生成的，那么，重构是否还有意义？