編譯 | 伊風(fēng)
出品 | 51CTO技術(shù)棧（微信號：blog51cto）
編者按：資深開發(fā)者詹姆斯·拉米雷茲長文分享，講述了他使用ChatGPT學(xué)習(xí)Go語言，導(dǎo)航Kolide API并構(gòu)建復(fù)雜的Steampipe插件的經(jīng)驗(yàn)。在這個(gè)過程中，他深化了對AI輔助編程的認(rèn)識。
開發(fā)者（包括我自己在內(nèi)）更喜歡邊做邊學(xué)。這是我與LLM合作的指導(dǎo)原則之一，也可以說是最重要的一項(xiàng)：因?yàn)槟阍诿嫦蛉蝿?wù)的教學(xué)時(shí)刻中獲取知識，學(xué)習(xí)不是前瞻性的——它是即時(shí)的和可觸摸的。
當(dāng)一位經(jīng)驗(yàn)豐富的開發(fā)者與LLM合作時(shí)，它的機(jī)器智能支持和增強(qiáng)了你的人類智能。
對我來說，好處是顯而易見的。在LLM時(shí)代為Steampipe編寫ODBC插件感覺比我之前沒有這種幫助時(shí)要容易得多。但這顯然是一個(gè)主觀評價(jià)，因此我在尋找一個(gè)機(jī)會與另一位插件開發(fā)者比較筆記時(shí)，詹姆斯·拉米雷茲在我們社區(qū)的Slack中宣布為Kolide API構(gòu)建了一個(gè)新插件。
我邀請他告訴我他構(gòu)建插件的經(jīng)驗(yàn)，他很慷慨地和我一起進(jìn)行了一次長時(shí)間的與ChatGPT的對話，他在對話中熟悉了三個(gè)新的技術(shù)知識領(lǐng)域：Kolide API、Go語言和Steampipe插件架構(gòu)。
作為一個(gè)額外的挑戰(zhàn)：雖然插件開發(fā)者通常會為他們的插件目標(biāo)API找到合適的Go SDK，但這里并非如此。因此，需要為Kolide API創(chuàng)建一個(gè)Go包裝器，然后將其集成到插件中。
1、測試ChatGPT的Go能力
詹姆斯開始進(jìn)行一些熱身練習(xí)。首先，為了測試ChatGPT的Go能力，他提供了一對他編寫的調(diào)用相關(guān)API /devices/ 和 /devices/ID 的Go函數(shù)，并要求對其進(jìn)行重構(gòu)，以隔離在兩者之間共享邏輯。
接下來，他探索了使用簡單的可變參數(shù)與更復(fù)雜的函數(shù)選項(xiàng)模式來處理函數(shù)的可選參數(shù)，并確定簡單的方法——使用一個(gè)Search結(jié)構(gòu)的切片來封裝Kolide的查詢參數(shù)的字段/運(yùn)算符/值樣式——就足夠了。他要求一個(gè)函數(shù)來將該Search結(jié)構(gòu)的切片序列化為一個(gè)REST URL，然后完善了ChatGPT提出的版本，創(chuàng)建了一個(gè)最終的serializeSearches，增加了對將友好名稱映射到參數(shù)并使用字符串構(gòu)建器的支持。
其中一些改進(jìn)，，包括使用字符串構(gòu)建器，都是由一個(gè)名為CodeRabbit的AI驅(qū)動的機(jī)器人提出的，它提供了有用的代碼審查。他說，這種反饋有助于你和你的團(tuán)隊(duì)專注于大局，因?yàn)樗幚砹思?xì)節(jié)，并經(jīng)常（雖然不總是）提供可提交的建議。
它還采取了更廣泛的視角來總結(jié)拉取請求，并評估關(guān)閉的PR是否解決了其鏈接問題中陳述的目標(biāo)。
2、映射運(yùn)算符
詹姆斯繼續(xù)探討如何將Steampipe運(yùn)算符（如QualOperatorEqual）映射到Kolide運(yùn)算符（如Equals）。在這里，ChatGPT建議的方法也被證明是一種應(yīng)該丟棄的方法，完全可以采用一個(gè)更干凈簡單的方法。
但正如詹姆斯在我們的采訪中確認(rèn)的那樣，由于你最終會對可拋棄的版本進(jìn)行迭代，因此能夠生成合理的迭代而不是手工編寫它們會很有幫助。在這個(gè)過程中，他正在學(xué)習(xí)基本的Go習(xí)慣用法。
詹姆斯：
Go中有do-while循環(huán)嗎？
ChatGPT：
沒有，但是……
詹姆斯：
Go中有三元運(yùn)算符嗎？
ChatGPT：
沒有，但是……
詹姆斯：
如何將內(nèi)容附加到map[string]string？
ChatGPT：
像這樣……
3、通過反射增強(qiáng)的訪問者模式
在消化了基礎(chǔ)知識并為Kolide API開發(fā)了一個(gè)Go客戶端之后，詹姆斯準(zhǔn)備著手處理插件開發(fā)的真正工作：定義表，將從API包裝器返回的Go類型映射到管理對這些表的SQL查詢的Steampipe模式。
像所有的插件開發(fā)者一樣，他從一個(gè)可以列出一組資源的表開始，然后通過添加過濾器和分頁來增強(qiáng)它。在添加了第二個(gè)表之后，是時(shí)候考慮如何抽象出常見的模式和行為了。最終的結(jié)果是對訪問者模式的一種優(yōu)雅實(shí)現(xiàn)。這里是對應(yīng)于表kolide_device和kolide_issue的Steampipe List函數(shù)。
圖片
這是所有插件表都使用的通用listAnything函數(shù)。
圖片
通過這種設(shè)置，向插件添加一個(gè)新表幾乎完全是聲明性的：你只需要定義模式，以及形成在SQL查詢中的where（或join）子句和API級別過濾器之間的橋梁的KeyColumns和相關(guān)運(yùn)算符。
然后，你編寫一個(gè)小的List函數(shù)，定義一個(gè)訪問者，并將其傳遞給通用的listAnything函數(shù)，該函數(shù)封裝了查詢參數(shù)的編組、連接到API客戶端、調(diào)用API、將響應(yīng)解包成一個(gè)集合，并對集合進(jìn)行迭代以將項(xiàng)目流式傳輸?shù)絊teampipe的外部數(shù)據(jù)包裝器。
詹姆斯使用ChatGPT啟動了Go中訪問者模式的習(xí)慣實(shí)現(xiàn)。這意味著學(xué)習(xí)如何為訪問者函數(shù)定義一個(gè)類型，然后聲明一個(gè)函數(shù)來滿足該類型。
每個(gè)表的訪問者封裝了對API客戶端的調(diào)用，并返回一個(gè)接口。這都相當(dāng)通用，但是訪問者的響應(yīng)是特定于包裝的API響應(yīng)的Go類型，這意味著必須為每個(gè)表編寫一個(gè)不同的List函數(shù)。如何避免這種情況？詹姆斯問道：“res變量上的字段引用需要是在執(zhí)行時(shí)指定的可變類型。你能提出一個(gè)方法嗎？”
ChatGPT的建議是使用反射，以便像listAnything(ctx, d, h, “kolide_device.listDevices”, visitor, “Devices”)這樣的調(diào)用可以傳遞一個(gè)名稱（“Devices”），該名稱使listAnything能夠以一種與類型無關(guān)的方式訪問響應(yīng)結(jié)構(gòu)的字段，例如這里的Devices字段。詹姆斯接受了這個(gè)建議。
圖片
有了這個(gè)，listAnything終于名副其實(shí)地成為了一個(gè)完全通用的Steampipe List函數(shù)。這個(gè)解決方案節(jié)省了反射的使用，并保留了Go在API層和Steampipe層中的強(qiáng)類型檢查。
4、LLM協(xié)助到底意味著什么？
這絕對不意味著一個(gè)LLM在回答類似“請為Kolide API創(chuàng)建Steampipe插件”這樣的提示時(shí)編寫了一個(gè)體現(xiàn)復(fù)雜設(shè)計(jì)模式的插件。
對我來說，以及對詹姆斯來說，大模型輔助編程意味著更有趣的事情：“讓我們討論一下為Kolide API編寫插件的過程。”這就像與一個(gè)橡皮鴨交談，以便大聲思考需求和策略（編者注：“橡皮鴨”（Rubber Duck Debugging）是一個(gè)流行的術(shù)語，它指的是一種調(diào)試技術(shù)，其中開發(fā)者通過向一個(gè)假想的聽眾（在這個(gè)比喻中是一只橡皮鴨）解釋他們的代碼來解決問題）。LLM正是一個(gè)會回答的橡皮鴨。
有時(shí)候，回答是直接適用的，有時(shí)候不是，但無論如何，它們通常可以幫助你更清晰地思考。
作為一名具有廣泛經(jīng)驗(yàn)的高級軟件工程師，詹姆斯本來可以自己解決這個(gè)問題，但這可能需要更長的時(shí)間。他本來會花費(fèi)大量的時(shí)間閱讀文章和文檔，而不是通過實(shí)踐學(xué)習(xí)。而且可能沒有那么多的時(shí)間！正如我現(xiàn)在從許多其他人那里聽到的，LLM提供的加速往往是有了一個(gè)想法和能夠執(zhí)行它之間的差異。
詹姆斯還提到了一個(gè)我沒有考慮過的開源角度。在LLM之前，他不會完全以公開方式進(jìn)行這項(xiàng)工作。“我會一直保持私密，直到我感覺更自信，”他說，“但這一次從一開始就是公開的，我很高興它能夠公開。”這使得與Turbot團(tuán)隊(duì)更早地而不是更晚地進(jìn)行接觸成為可能。
這不是一個(gè)自動化的故事，而是一個(gè)增強(qiáng)的故事。當(dāng)像詹姆斯·拉米雷茲這樣經(jīng)驗(yàn)豐富的開發(fā)者與LLM合作時(shí)，它的機(jī)器智能支持和增強(qiáng)了他的人類智能。兩者共同努力——不僅僅是為了編寫代碼，更重要的是為了思考架構(gòu)和設(shè)計(jì)。
