本文主要是介绍太强大了！GPT-4 和 JupyterLab 联合起来了，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
Chapyter 作为一个 JupyterLab 的扩展插件，它能把GPT-4完美地融入到你的开发环境中，并配备了一个代码解释器，能将自然语言快速转换为Python代码并自动执行。
Chapyter通过在你经常使用的IDE中实行 “自然语言编程” ，有助于提高你的工作效率，让你有更多的机会去探索和实践一些新的创意。
项目链接：https://github.com/chapyter/chapyter
Chapyter 特点与优势
从自然语言生成代码并自动执行
你只需要在任务的自然语言描述的单元格开始处添加 「%% chat」 命令，代码就会被生成，而且完成速度特别快，只需几秒钟。
Chapyter 通过提供单元格级别的代码生成和自动执行功能解决了这些问题。
你只需输入自然语言描述的操作指令，Chapyter便可借助GPT-X模型为你编写并执行代码。
这与Copilot等自动化代码填充系统有显著的区别：它们主要是在一些小范围内工作，例如完成与当前工作紧密相关的几行代码或者函数调用。
然而，Chapyter的目标则是接管整个任务，有时甚至可能会产生与现有代码不同的代码。
使用编码历史和执行输出来生成代码
Chapyter可以通过对你的代码执行历史和结果进行引用，提供具有上下文感知的建议。
此外，它也支持文件的加载，从而针对进一步的处理和分析给出建议。
如下所示，在代码生成时，通过增加 –history 或者 -h 参数，Chapyter能够利用以往的执行历史和输出，生成对已加载的IRIS数据集的相应的可视化代码。
原位调试、编辑代码
生成的代码可能存在一些瑕疵，可能包含一些 bug 或错误。
但因为Chapter已经和Jupyter Notebook完全结合，所以你无需离开 IDE，就能轻松地审核代码并纠正任何错误或 bug（例如，安装本次情况下缺失的依赖项）。
Chapyter 的构成
Chapyter 主要由两个部分组成：
- 实现了ipython magic指令，以处理提示并调用GPT-X模型；
- 还有一个是负责监听Chapyter单元格执行状况的前端，它能自动执行新生成的单元格并更新其样式。
以下文本展示了执行 Chapyter 单元格后前端与 ipython 内核的协同操作方式。
小伙伴们如果想获得更多关于ChatGPT的插件、浏览器扩展的资源，可以加入我们下面的技术交流群。
技术交流
独学而无优则孤陋而寡闻，技术要学会交流、分享，不建议闭门造车。
技术交流与答疑、源码获取，均可加交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。
方式①、微信搜索公众号：Python学习与数据挖掘，后台回复：交流
方式②、添加微信号：dkl88194，备注：交流
资料1
资料2
我们打造了《数据分析实战案例宝典》，特点：从0到1轻松学习，方法论及原理、代码、案例应有尽有，所有案例都是按照这样的节奏进行表述。
这篇关于太强大了！GPT-4 和 JupyterLab 联合起来了的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
