GPT驱动低代码平台生产完整应用的已验证策略

今天早上我试了一下，GPT3.5已经可以理解元模型、模型差量、领域特定语言DSL的概念，可以直接驱动Nop平台生成前后端全套应用。Nop平台与GPT沟通的策略如下：

1. 通过当前所使用DSL的xdef元模型（类似json schema但更紧凑）帮助GPT更快、更精确的理解DSL结构
2. 通过可逆计算的差量合并规则，指导GPT直接返回差量描述
3. 将返回差量合并到当前模型上，成为新的当前模型，在此基础上可以无限次与GPT沟通。

这里利用可逆计算理论，通过差量计算可以很自然的实现一般性程序与AI大模型的协作。实际上，DSL可以成为用户、AI大模型、程序员之间的沟通桥梁。通过DSL解析器我们可以向AI模型引入领域特定的世界知识，让AI模型在不需要掌握领域知识的情况下操纵DSL来完成功能。

借助于DSL，Nop平台可以直接与GPT对话，成为AI驱动的低代码平台。

NopPlatform开源地址：

• gitee: canonical-entropy/nop-entropy
• github: entropy-cloud/nop-entropy
• 开发示例：tutorial

以下是与GPT沟通的实例：

提问：
你是计算机程序员，了解元模型。以下元模型是描述数据表定义的。<entity name="!class-name" displayName="string" tableName="!string" tagSet="tag-set" useShard="!boolean=false">
<columns xdef:body-type="list" xdef:key-attr="name"><column name="!var-name" code="!string" displayName="string"  stdSqlType="!std-sql-type" precision="int" scale="int" primary="!boolean=false" />
    </columns>
</entity>。你能根据这个元模型设计一个用户登录记录表吗，返回格式符合这个元模型的要求

2023/3/17 08:05:55

Yes, I can design a user login record table based on the given meta-model. Here is an example of how the table definition would look like based on the provided meta-model:

<entity name="user_login_record" displayName="User Login Record" tableName="user_login_records" tagSet="user">
  <columns>
    <column name="id" code="id" displayName="ID" stdSqlType="BIGINT" primary="true" />
    <column name="user_id" code="user_id" displayName="User ID" stdSqlType="BIGINT" />
    <column name="login_time" code="log