先说结论

1. 能生成代码
2. 会有什么限制，输出代码规模限制、gpt幻觉问题
3. 生成的代码能否直接用于使用，无需测试

先从GPT是什么说起

gpt在做什么 gpt从根本上始终要做的是，针对它得到的任何文本产生“合理的延续”。 所谓的“合理”，是指 “人们在看到诸如数十亿个网页上的内容后，可能期待别人会这样写”。

举个例子 春节时，对对联； 我说出一句话，你接下句 现在有一上句，“春眠不觉晓”，你如何说出下句

1. 根据过往阅读的记忆，背过此诗，准确说出下句
2. 不知道此诗，说出流行语，
3. 瞎编

沿着刚刚的场景，如果你是 阅读了人类编写的数十亿页文本，你会怎么说出下句

回答的可能情况

1. 回答诗的下句 60%
2. 回答流行语下句，30%
3. 瞎编 10%

这样很容易造成重复内容，如果是一个饱读诗书的人，一定会创新； 那么他就会，检索自己的知识库，排列组合，说出一个新的下句。---其实，这就是gpt做的事情。

上面提到了 重复和创新（不重），如何做到不重复呢？

工程师提出了新参数-温度， 对于文章生成来说，​“温度”为0.8似乎最好。​（值得强调的是，这里没有使用任何“理论”​，​“温度”参数只是在实践中被发现有效的一种方法。例如，之所以采用“温度”的概念，是因为碰巧使用了在统计物理学中很常见的某种指数分布[插图]，但它与物理学之间并没有任何实际联系，至少就我们目前所知是这样的。​）

gpt是如何补全的文本？

在浏览过数十亿页文本后，寻找与前一个词“意义匹配”的内容。

1. gpt有一个下一个词出现概率的列表
2. 在补全文本时，gpt一遍遍的询问自己“根据目前的文本，下一个词应该是什么”；
3. 将最匹配的词，添加到文本中
4. 不断重复此过程 引出的问题
5. 采用什么匹配机制？
6. 这种匹配机制的合理性时 举个例子

产品开发流程

1. 产品原型设计
2. 工程师开发
   1. 理解需求，
   2. 将自然语言转换为命令式语言
   3. 编写代码
   4. 测试代码
3. 测试功能
4. 部署

gpt参与流程

自己编写代码 改为 gpt编写代码

1. 产品原型设计
2. 工程师开发
   1. 理解需求，
   2. 将自然语言转换为promote（提示语）
   3. 整合代码到代码编辑器
   4. 测试代码
3. 测试功能
4. 部署

疑问

gpt代码编写的准确率 工程师编写代码的准确率

其他问题

1. 现在的gpt智能程度远高于“文本补全”，如何实现的？
2. 多模态是什么原理？

解决是否能生成代码，局限性

软件系统开发条件

1. 产品原型设计
2. 前端开发
3. 后端开发
4. 测试

以上内容是否都能由gpt完成，还是只能完成部分

总结