Ich verwende GibsonAI, um 70 % meines Python-Codes in wenigen Minuten zu schreiben. Der GibsonAI-Datenmodellierer nimmt Anweisungen in natürlicher Sprache auf und wandelt sie in ausführbaren Python-Code um. Dadurch verkürzte sich die Entwicklungszeit sofort von Tagen oder Wochen auf Minuten. Im Gegensatz zu Ihren typischen LLM-Passthroughs oder Co-Piloten gibt der Paarprogrammierer von GibsonAI Entwicklern die Kontrolle, sehr spezifischen Code zu schreiben, der für den Anwendungsfall funktioniert.

Beispiel: Erstellen der Parenthood-App

Ich arbeite derzeit an einem neuen Projekt namens Parenthood. Zunächst einmal habe ich ein GitHub-Repository ohne vorhandenen Code und eine MySQL-Datenbank, die völlig leer ist. Ich habe mit dem Paarprogrammierer von Gibson ohne manuelle Codierung eine einzelne Entität, „Parent“, eingerichtet. Dies dient als Grundlage für das, was ich als nächstes baue.

Der Gibson Pair Programmer ist unglaublich vielseitig. Als Befehlszeilen-Enthusiast liebe ich die Verwendung von Gibson über das Terminal wegen seiner Geschwindigkeit und Effizienz.

Um Gibsons Fähigkeiten zu sehen, habe ich mit einfachen Befehlen in natürlicher Sprache eine neue Entität namens „Kind“ erstellt:

1. Untergeordnete Entität codieren: Wenn Sie Gibson anweisen, „untergeordnete Entität zu codieren“, wird die Initialisierung durch Analyse des aktuellen Datenbankkontexts durchgeführt, der derzeit nur die übergeordnete Tabelle umfasst. Anschließend können Sie mit der Datenmodellierung in natürlicher Sprache beginnen.

2. Attribute hinzufügen: Sie können Attribute wie Vorname und Nachname angeben und diese als erforderlich markieren. Gibson verarbeitet SQL und Python gleichzeitig und stellt sicher, dass alles dem Standard entspricht.

3. Fremdschlüsselerstellung: Wenn Sie einfach „FK parent“ sagen, wird Gibson aufgefordert, die übergeordnete Tabelle zu erkennen, ihren Primärschlüssel zu identifizieren und automatisch einen indizierten Fremdschlüssel zu erstellen. Diese Automatisierung spart Zeit und Aufwand.

4. Eindeutige Einschränkungen hinzufügen: Benötigen Sie einen eindeutigen Schlüssel für die Eltern-ID, den Vornamen und den Nachnamen? Gibson kann dies schnell implementieren, um die Datenintegrität in Ihrer gesamten Anwendung sicherzustellen.

Überprüfen und Zusammenführen der Tabelle

Nachdem Sie die „untergeordnete“ Entität erstellt haben, können Sie die Tabellenstruktur leicht überprüfen, die die Eltern-ID, den Vornamen, den Nachnamen, das Geburtsdatum und die relevanten Schlüssel enthält. Sobald Sie zufrieden sind, integriert ein schneller „Gibson merge“-Befehl die Tabelle in Ihr Projekt.

Bereitstellen in der Datenbank

Nachdem die Entitäten vorhanden waren, wies ich Gibson an, sie komplett mit SQL-Indizes und Fremdschlüsseln in die MySQL-Datenbank zu laden. Anschließend ermöglichen Befehle wie „Basiscode schreiben“, „Modelle schreiben“, „Schemas schreiben“ und „Tests schreiben“, dass Gibson alles von SQL Alchemy-Modellen bis hin zu Komponententests in wenigen Minuten generieren kann.

Gibson AI komprimiert, was normalerweise Stunden, Tage oder sogar Wochen der manuellen Codierung in Anspruch nehmen würde, auf wenige Minuten. Durch schnelle Datenmodellierung und Codegenerierung habe ich schnell SQL Alchemy-Modelle, Pydantic-Schemata und FastAPI-Routen erstellt und bin bereit, meine App zu starten.