Chapyter由一群语言模型师开发，是一个新的Jupyter插件，可以集成ChatGPT，让用户创建Python笔记本。该系统还可以读取先前执行的单元格的结果。
Chapyter是JupyterLab的一个附加组件，可以无缝地将GPT-4集成到开发环境中。它有一个解释器，可以将自然语言编写的描述转换为可以自动执行的Python代码。Chapyter可以提高生产力，通过在首选的IDE中启用“自然语言编程”，让用户尝试新事物。
主要特点
- 从自然语言自动生成代码并执行。
- 基于过去的代码和之前执行的结果生成新代码。
- 实时代码纠正和错误修复。
- 自定义选项和完全可见的AI设置提示。
- 在使用尖端AI技术时注重隐私。
该库的提示和设置是公开的，研究人员正在努力简化这些问题和设置的自定义。Chapyter/programs.py是可以查看这些内容的位置。
请查看他们的API数据使用政策，以了解OpenAI如何处理训练数据。相比之下，每当使用Copilot或ChatGPT时，部分数据将被缓存并用于这些服务的训练和分析。Chapyter由两个主要部分组成：使用ipython魔法命令管理提示和使用该命令调用GPT-X模型。监视Chapyter单元格执行的用户界面将运行新创建的单元格并自动更新单元格样式。
许多程序员更喜欢以“碎片化”的方式在笔记本中工作，一次只写几行代码，然后转到下一个单元格。每个单元格的任务或目的相对较小，与相邻单元格的任务相互独立。后续工作可能与之前的工作没有太多共同之处。例如，在创建神经网络时添加数据集加载器需要不同的思考和编写代码的方式。不断在任务之间切换不仅效率低下，而且可能会令人精疲力尽。当用户想要键入“请以某种方式加载数据集以测试神经网络”时，可以使用该命令，让机器完成剩下的工作。
Chapyter的单元格级代码开发和自动执行可以解决这个问题。当用户创建一个新的单元格时，Chapyter会自动调用GPT-X模型根据他们编写的文本构建代码并运行。与像Copilot这样专注于支持仅涉及几行代码但与正在进行的工作高度相关的微任务（如完成函数调用）的系统不同，Chapyter旨在接管整个任务，其中一些可能与现有代码不同。
Chapyter是一个轻量级的Python工具，在本地安装后可以与JupyterLab完美集成。默认情况下，OpenAI API设置为在调用GPT-X模型后丢弃交互数据和代码。该库包含所有标准提示、“程序”和加载个性化提示的选项。通过分析以前的编码决策和运行时数据，Chapyter可以提供智能建议。如果需要，可以加载文件，并提供额外处理和分析的建议。
鉴于当今AI的局限性，Chapyter的生成代码易于调试和改进。
安装过程分为三个简单的步骤，可以在GitHub的https://github.com/chapyter/chapyter上找到更多信息。
不久之后，研究人员将发布对Chapyter的重大改进，使其在代码生成和执行方面更加灵活和安全。他们迫不及待地想要在一些最苛刻和复杂的实际编码任务上测试它，比如确保一个有300个单元格执行的Jupyter笔记本有所有所需的帮助。请尝试我们的工具，敬请期待进一步的改进，我们重视您的想法和意见。