真低代码！首个基于ChatGPT的自然语言开发框架PromptAppGPT：全自动编译、运行、界面生成

最近，CCF理论计算机科学技术委员会委员张长旺，开发了一个基于低代码提示语的快速应用开发框架PromptAppGPT，可以实现基于GPT的自然语言快速应用开发。PromptAppGPT包含的功能有：低代码提示语（Prompt）应用开发、GPT文本生成、DALL-E图像生成、在线代码编辑器+编译器+运行器、自动用户界面生成、支持插件扩展等。

项目网站：https://promptappgpt.wangzhishi.net/项目代码：https://github.com/mleoking/PromptAppGPTPromptAppGPT提供多任务条件触发、结果验证和失败重试能力，可以让原本需要多步骤的手动生成任务变成自动完成。同时，用户不再需要自己记忆和输入繁琐的Prompt咒语，只输入任务核心必要信息就可以轻松完成任务。

1. 项目特点

• 低代码提示语（Prompt）快速应用开发
• 支持GPT3/4执行器用于文本生成
• 支持用于图像生成的Dalle执行器
• 支持使用执行器（插件）扩展
• 内置在线代码编辑器、编译器和运行器
• 自动生成用户界面
• 英文和中文双语用户界面

2. 快速入门2.1. 获取OpenAI的API密钥。2.2. 访问网站PromptAppGPT网站，选择网络启动或下载程序：https://promptappgpt.wangzhishi.net/2.3. 设置OpenAI密钥/OpenAI Api Proxy/OpenAI GPT模型。OpenAI密钥：从OpenAI获得的API密钥。OpenAI Api Proxy：可以访问OpenAI API的代理网站，比如国内可以使用https://api.openai-proxy.com，最好有自己搭建的代理网站。OpenAI GPT模型：gpt-4/gpt-3.5-turbo

2.4. 选择并运行一个应用程序。

2.5. 编辑并编译该应用程序。

3. APP实例3.1. 旅游规划大师APP代码：

自动生成的APP界面和运行结果：

成功生成一份详细的海南旅游计划

3.2. 智能图像生成器APP代码：（包含使用GPT生成画图Prompt和使用Dalle画图两个步骤）

使用PromptAppGPT可以让原本需要两个步骤的手动图像生成任务变成自动完成。同时不需要用户自己输入繁琐的Prompt咒语，用户只要输入自己关心的画图描述就可以了。自动生成的APP界面和运行结果：App首先使用GPT生成画图Prompt图片。

然后App自动调用Dalle基于GPT输出的画图Prompt生成图片图片。

下图显示最终图片生成结果图片。

GPT帮助把原本的简单描述「一只大熊猫」扩充了很多英文细节描述，比如熊猫坐在竹叶上，在森林里面，熊猫有圆耳朵等等。这些扩充的描述让后续DALL-E画图包含更多细节，更加生动。

3.3. 多语言翻译APP代码：

自动生成的APP界面和运行结果：

成功将中文翻译成英文

4. 应用开发PromptAppGPT应用基于YAML格式进行低代码开发。下面是一个示例应用代码：

---author: Leoname: 旅游规划大师description: 旅游规划大师gptRound: singlefailedRetries: 2
sysTask:
userTask:   - executor: gpt    prompt: |      我想去 [$i{旅游目的地:@input}] 玩，请你以专业导游的身份，帮我做一份为期 [$i{旅游天数:@select#1/2/3/4/5/6/7}] 天的旅游攻略。      另外，我希望整个流程不用太紧凑，我更偏向于安静的地方，可以简单的游玩逛逛。      我的预算在 [$i{旅游预算(元):@select#1000/2000/3000/4000/5000/6000/7000}] 元左右。
extra:

author部分是作者的名字；name部分是应用的名字；description部分是应用的描述；gptRound部分决定了是使用gpt进行单轮（single）还是多轮（multiple）对话，对于大多数应用来说，其值应该是single；failedRetries部分设置了失败时的重试次数或输出无效。
sysTask部分是一个用-分隔的任务集合，设置执行者（gpt）的行为。对于许多应用程序，这个字段可以留空。userTask部分包含用户定义的任务，用-分隔。每个任务必须定义prompt和executor属性，而trigger、outputer和validator的属性是可选的。该应用程序有序地循环浏览用户任务，使用前一个任务的输出来匹配每个任务的trigger，第一个通过trigger匹配的任务是当前运行的任务。

作者介绍张长旺，高级研究员，CCF理论计算机科学技术委员会委员。 曾担任第37届AAAI人工智能会议（AAAI-23）的高级程序委员会（SPC）成员。

他分别于2011年和2015年获得伦敦大学学院（UCL）的硕士和博士学位。2016年至2017年在阿里巴巴从事LBS数据挖掘，2018年至2022年在腾讯从事广告推荐和用户画像。目前的研究方向是信息检索（搜推广）、自然语言处理、大数据挖掘的研究与应用。 参考资料：https://github.com/mleoking/PromptAppGPT
文章信息来源：新智元