ingFang SC";text-wrap: wrap;line-height: 1.75;font-size: 15px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);"> ingFang SC";text-wrap: wrap;line-height: 1.75;font-size: 15px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">现在，我估计，99.99% 的程序员都在使用 GPT 写代码，但是，我相信很多人碰到了和我一样的问题，就是 GPT 生成的代码，他不一定是可用的，有时候，他可能会漏掉一些分支逻辑，这就导致了我们在使用 GPT 生成代码的时候，需要自己手动检查代码的质量，这个过程是非常耗时的。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">为了解决这个问题，我思考了一种方式，那就是让 GPT 自己验证自己生成的代码，如果发现有错误，自己修复这些错误，这样就可以大大提高我们使用 GPT 生成代码的效率。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">这不就是妥妥的，打败魔法的终极方法就是靠魔法吗？整个实现的源码在此：ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">https://github.com/brhoollynodeStudy/AutoCodeGenTestFix/blob/main/main.py ，ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">下面我们称之为AutoCodeGenTestFix。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 1.2em;font-weight: bold;display: table;margin: 4em auto 2em;padding-right: 0.2em;padding-left: 0.2em;background: rgb(150, 18, 238);color: rgb(255, 255, 255);">项目介绍ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;letter-spacing: 1.5px;text-wrap: wrap;text-align: left;line-height: 1.75;color: rgb(150, 18, 238);">AutoCodeGenTestFix是一个基于大模型的自动代码生成、测试和修复工具。该项目旨在通过自动化流程，帮助开发者快速生成代码、编写测试用例、执行测试并修复代码，从而提高开发效率和代码质量。项目基于langchain这个库构建，简化了很多工程化的操作。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 1.2em;font-weight: bold;display: table;margin: 4em auto 2em;padding-right: 0.2em;padding-left: 0.2em;background: rgb(150, 18, 238);color: rgb(255, 255, 255);">解决的问题这个项目解决的问题，上面已经提到过了，就是让 GPT 自己验证自己生成的代码，如果发现有错误，自己修复这些错误，目的就是保证代码的质量。 项目架构项目基于以下几个主要组件： •CodeGenerationAgent：生成初始代码。 •TestGenerationAgent：生成相应的单元测试用例。 •TestExecutionAgent：执行测试用例并获取测试结果。 •TestResultAgent：分析测试结果。 •CodeFixAgent：根据测试结果修复代码。
以下是项目的架构图： +----------------------++----------------------++----------------------++----------------------++----------------------+
||||||||||
|CodeGenerationAgent|--->|TestGenerationAgent|--->|TestExecutionAgent|--->|TestResultAgent|--->|CodeFixAgent|
||||||||
+----------------------++----------------------++----------------------++----------------------++----------------------+
他的工作流程如下：其中最核心的是TestResultAgent，它会根据测试结果，判断代码的质量，如果发现有错误，会调用CodeFixAgent来修复代码，这样保证了代码的质量。 核心部分#定义CodeGenerationAgent，用于生成初始代码
code_generation_template=PromptTemplate(
input_variables=["requirement"],
template="根据以下需求生成 Python 代码，只返回代码部分，不包含任何说明或解释：\n\n需求：{requirement}\n\n代码："
)
code_generation_chain=code_generation_template|llm
#定义TestGenerationAgent，用于生成测试用例
test_generation_template=PromptTemplate(
input_variables=["code"],
template="根据以下代码生成 Python 的单元测试用例，只返回测试代码，不包含任何说明或解释：\n\n{code}\n\n测试代码："
)
test_generation_chain=test_generation_template|llm
这就是左右互搏的核心部分，通过这个核心部分，我们可以实现代码的生成、测试、修复。 使用方式1. 安装必要的库首先，确保安装好必要的库： pipinstalllangchainlangchain_openaipytest 2. 设置 OpenAI API 密钥将你的 OpenAI API 密钥设置为环境变量，或在代码中直接设置： importopenai
openai.api_key='your-openai-api-key'#替换为你的OpenAIAPI密钥
4. 示例以下是一个简单的示例，展示如何使用AutoCodeGenTestFix解决 LeetCode 上的最长公共子串问题： pythonmain.py"实现一个函数，输入两个字符串s1和s2，返回它们的最长公共子串的长度。" 展望这个项目目前还在开发中，我会继续完善它，增加更多功能，比如目前可能写一个具体的功能函数是可以胜任的，但是如果是一个前端组件呢？那么自动化测试就是一个非常大的挑战，我会继续努力，让这个项目更加完善。 以下是一些可能的改进方向：
|
