Conoce a Chapyter Una nueva extensión de Jupyter que permite que ChatGPT te ayude a escribir cuadernos de Python.
Conoce a Chapyter, una extensión de Jupyter para recibir ayuda de ChatGPT al escribir cuadernos de Python.
Chapyter, desarrollado por un grupo de modeladores de lenguaje, es un nuevo complemento de Jupyter que integra ChatGPT para permitir crear cuadernos de Python. El sistema también puede leer los resultados de celdas ejecutadas previamente.
Chapyter es un complemento para JupyterLab que permite la integración de GPT-4 en el entorno de desarrollo sin complicaciones. Tiene un intérprete que puede tomar la descripción escrita en lenguaje natural y convertirla en código Python que se puede ejecutar automáticamente. Chapyter puede aumentar la productividad y permitir probar cosas nuevas al habilitar la “programación en lenguaje natural” en el IDE preferido.
Características esenciales
- El proceso de generación automática de código a partir de lenguaje natural y su ejecución.
- La producción de nuevo código basado en código pasado y los resultados de ejecuciones anteriores.
- Corrección de código y solución de errores sobre la marcha.
- Opciones de personalización y visibilidad completa de las indicaciones de configuración de la IA.
- Priorizar la privacidad al utilizar tecnología de IA de vanguardia.
Las indicaciones y configuraciones de la biblioteca son públicas, y los investigadores están trabajando para simplificar la personalización de esas preguntas y configuraciones. Chapyter/programs.py es donde se puede ver esto.
- Reconstrucción de imágenes MNIST utilizando un autoencoder
- El Consejo de Seguridad de las Naciones Unidas se reúne debido a lo...
- ¿Ha afectado el lanzamiento de ChatGPT a la producción de datos abi...
Consulte las políticas de uso de datos de su API para obtener más información sobre cómo OpenAI maneja los datos de entrenamiento. En contraste, cada vez que se utiliza Copilot o ChatGPT, parte de los datos se almacenarán en caché y se utilizarán en el entrenamiento y análisis de esos servicios. Chapyter consta de dos partes principales: el uso del comando mágico de ipython para manejar la indicación y el uso de ese comando para llamar a los modelos GPT-X. La interfaz de usuario que supervisa la ejecución de celdas de Chapyter ejecuta celdas recién creadas y actualiza automáticamente los estilos de celda.
Muchos programadores prefieren trabajar en cuadernos de manera “fragmentada”, escribiendo solo unas pocas líneas de código a la vez antes de pasar a la siguiente celda. La misión o propósito de cada celda es relativamente modesta y autónoma de las celdas vecinas. El trabajo posterior puede tener poco en común con el anterior. Agregar el cargador de datos del conjunto, por ejemplo, al crear una red neuronal, requiere diferentes formas de pensar y escribir código. Cambiar constantemente entre tareas no solo es ineficiente, sino también potencialmente agotador. El comando “Por favor carga el conjunto de datos de manera que se pueda probar la red neuronal” puede ser útil cuando se quiere escribirlo y dejar que la máquina haga el resto.
El desarrollo de código a nivel de celda y la ejecución autónoma de Chapyter facilitan una solución a este problema. Cuando se crea una nueva celda, Chapyter invocará automáticamente el modelo GPT-X para construir el código y ejecutarlo en función del texto que se escriba. A diferencia de sistemas como Copilot, que se enfocan en admitir microtareas que abarcan solo unas pocas líneas de código pero son altamente relevantes para el trabajo en curso (como finalizar una llamada de función), Chapyter tiene como objetivo hacerse cargo de tareas completas, algunas de las cuales pueden diferir del código existente.
Chapyter es una herramienta ligera de Python que se integra perfectamente con JupyterLab después de una instalación local. Por defecto, la API de OpenAI está configurada para descartar los datos de interacción y código después de llamar a los modelos GPT-X. La biblioteca contiene todas las indicaciones estándar, “programas”, y la opción de cargar las indicaciones personalizadas. Al analizar las decisiones de codificación anteriores y los datos de tiempo de ejecución, Chapyter puede hacer recomendaciones inteligentes. Los archivos se pueden cargar si se desea, y se proporcionarán sugerencias para el procesamiento y análisis adicionales.
Dadas las limitaciones de la IA actual, Chapyter se construyó de manera que su código generado pueda ser fácilmente depurado y mejorado.
El proceso de instalación en tres pasos es sencillo de seguir. En GitHub, en https://github.com/chapyter/chapyter, se puede encontrar más información.
Próximamente, los investigadores lanzarán mejoras importantes en Chapyter que lo harán aún más flexible y seguro en la generación y ejecución de código. No pueden esperar para ponerlo a prueba en algunas de las tareas de codificación del mundo real más exigentes y complejas, como asegurarse de que un cuaderno Jupyter con 300 ejecuciones de celdas tenga toda la ayuda que necesita. Por favor, pruebe nuestras herramientas y manténgase atento a futuras mejoras; valoramos sus ideas y opiniones.
