emu

Генерирует код для описания программы, запрашиваемого пользователем с использованием Azure OpenAI API GPT-3.5-Turbo.

Изменения/дополнения кода добавляются в течение всего меню-API-Request.

Если программа бросает при запуске, ошибки журнала отправляются в модели GPT, код или текстовые давинки для отладки.

---

CODE_ASSISTANT_IN_PYTHON_SERVICED_BY_CHATGPT._CODE-DAVINCI._TEXT-DAVINCI.original.mp4

---

 Repo file structure:

.
├── config_dir                 #file configuration
      ├── config.json                #project files, paths, token limits metadata 
      ├── config.py                  #set by user API, model, temperature for each request
├── credentials                #credentials folder for OpenAI API
│   └── self_config.py              #Azure OpenAI API credentials & model names metadata
                                    #Move sample_self_config.py to self_config.py and fill data
├── emu_cli.py                  #run this module to run the program
├── feature_common.py 	        #common methods for feature requests to API
├── feature_manager.py          #manager for each feature requested by user in the menu
├── ft_operations               #non-API requests directory
│   ├── op_loadcode.py 		      #loads code from local file to apply code change requests to it
│   ├── op_run_program.py 	      #run the code
├── ft_requests                 #feature text requests directory
│   ├── feature_request_argparse.py 		#standard add argparse request
│   ├── feature_request_custom_req.py 		#user enters custom system and request prompt
│   ├── feature_request_debuglogs.py 		#send logs from running the program to API to debug error found in logs
│   ├── feature_request_docstrings.py 		#add docstrings
│   ├── feature_request_excpt_and_log.py        #add exception handling and logs to the code
│   ├── feature_request_rawcode.py              #generate initial code from a program description
├── log_list_handler.py 										
├── project                      #project output directory
│   ├── module.log 
│   ├── module.py                  #code requested stored here and versioned
├── prompt_txt                   #prompt specs directory for each request
│   ├── clean_json_rq.py
│   ├── custom_req.py
│   ├── debug_rq.py
│   ├── docstrings_rq.py
│   ├── error_hndl_logging_rq.py
│   ├── input_and_argparse_rq.py
│   ├── raw_code_rq.py
├── README.md
├── requirements.txt
├── sample_self_config.py
├── tools                         #file and request management utilities directory
│   ├── file_management.py
│   └── request_utils.py
├── user_interaction.py           #user interaction class

---

Python v3.10+ требуемые пакеты Python: см. Tepends.txt Добавьте этот пакет в свой Sys.path

Требуется изменение пути: изменить путь к вашей среде Python на config.json: например, "Python_env_path": "/Home/Sergio/anaconda3/bin/python" для пути текущего установленного значения Env к "Python"

---

Аутентификация: Создайте каталог «Creds» в корне этого проекта и сохраните в IT sample_self_config.py. Переименуйте этот файл py в self_config.py и введите свои конечные точки, имена и ключи модели/развертывания. Проект протестирован с Azure OpenAI API. Непроверенный OpenAI API.

---

Настройка модели OpenAI и температуру для запроса:

• Ключи модели для класса класса Azure_openai_model и Openai_model должны соответствовать клавишам модели, используемых в self_config.py
• Установите API, который соответствует модели, например, request_argparse_api = model_api.azure_openai_api
• Установите модель для каждого типа запроса, например: model_request_argparse = (azure_openai_model.gpt35_deployment_name, azure_openai_model.gpt35_model_name)
• Установите температуру модели для каждого типа запроса, например: model_request_argparse_temperature = 0,7

---

Выполнение этой программы: в командной строке ./EMU_CLI.PY показывает меню:

 1.  Generate Raw Code
        Request model for code according to a description you provide.
2.  Load Raw Code Script From File
3.  Add Argparse
4.  Exception Handling and Logging
5.  User Custom Request
        Requirement: code to be already loaded. Expected JSON response as specified in custom_req.py json_required_format variable.
6.  Run Program And Request Repair of Debug Logs
        Run the program and upon errors send the log error captured for the model to amend the code accordingly.
7.  Add Docstrings To Program Code.
8.  Set Menu Sequence
9.  Run All
10. Exit

Choose your request: 

---

Переверните, чтобы показать подсказку для каждого запроса: at config_dir/config.py toggle bool show_request

Если вы найдете это полезным, вы можете купить мне кофе :)