【自然语言编程实践】GPT4 企业级在线商城开发 01-数据模型设计 上

简介: 【自然语言编程实践】GPT4 企业级在线商城开发 01-数据模型设计

论证一个观点


观点如下:

image.png

image.png

群里的朋友都知道,在此之前,我已经利用 GPT 开发了一个手机游戏,而我几乎没有写任何代码。

以下是部分界面:

image.png

image.png

image.png

但它目前是个半成品,因为我太忙了,没有太多时间去做它。

而且为了效率,我选择了 GPT3.5 而不是更加精准的 GPT4。

这次我决定换一些难度低一点,但业务量更多的项目来实践。

并且我会记录所有和 GPT4 沟通的重要路径,把它们写成一个系列的文章。


GPT,告诉我该怎么做?


第一步,我先让 GPT4 告诉我怎么做。

image.png

我们得到了 8 个步骤,它们都挺需要,但我认为最复杂的是 2、3、4 步。

第 5 步可以暂且忽略。

第 6 步已经轻车熟路,难度极低。

第 7、8 步后面可以继续使用 GPT4 帮助。

前 3 步的概要设计我只需要花几分钟就能搞定,以下是我的概要设计。

注意,因为有 GPT4 的存在,我们不需要详细设计,只需要概要设计。至于细节,可以在制作的过程中逐步细化。


人工苦力上线,进行概要设计


1. 需求分析:


服务用户是有购物需求的群体。找客户,卖东西,赚差价。我不是主要负责终端的,这部分不需要过度花心思。


2. 系统设计:


在线商城,运行在 Web 环境。用户主要通过微信点击链接或者扫描图片二维码进入购买商品。

商城至少有客户端和管理端两个系统。

系统包括员工、客户、充值、产品、订单、活动几个核心模块。


3. 技术选型:


  • 开发语言:TypeScript。
  • 后端:Nextjs、Prisma、PostgreSQL。
  • 前端:Nextjs、TailwindCSS。

后面的过程主要都是在做第 2 步 和第 4 步,也就是设计和开发这个步骤的事。


用户故事


我们知道系统设计最主要的是三个东西的设计,一个是产品设计、一个是数据结构设计、一个是 UI 设计。

产品设计是需要满足一定规则的,所以不适合用 GPT 来生成。

所以我先来设计基本的流程。

按照敏捷开发中的用户故事的方式来设计。

角色:管理员、员工、客户。

需求:管理员和员工卖商品、客户买商品。

收益:管理员赚钱、客户赚工资、客户满足购物欲。

管理员的用户故事:

故事 1: 作为管理员,我想登陆系统,以便于管理员工。

故事 2: 作为管理员,我想管理员工,以便于让员工帮我管理系统。

故事 3: 作为管理员,我想拥有所有权限,以便于管理我的系统。

员工的用户故事:

故事 1: 作为员工,我想管理产品,以便于让客户浏览产品。

故事 2: 作为员工,我想管理订单,以便于知道客户的购物情况。

故事 3: 作为员工,我想管理活动,以便于提高客户的消费率。

故事 4: 作为员工,我想管理客户,以便于处理一些常见事务,比如冻结恶意客户等。

故事 5: 作为员工,我想查看充值,以便于清楚商城的运作情况,并了解客户的消费情况。

客户的用户故事:

故事 1: 作为客户,我想要注册,以便于对商品进行下单。

故事 2: 作为客户,我想要接收验证码,以便于注册账号。

故事 3: 作为客户,我想要填写收货地址,以便于对商品进行下单。

故事 4: 作为客户,我想要购买商品,以便于满足我的购物欲。

虽然看上去内容不多,挺简陋,但我也要花将近半小时来噼里啪啦打这些字。



相关文章
|
7月前
|
人工智能
IDEA完全免费AI辅助编程插件BITO-GPT4安装及中文国产化设置
IDEA完全免费AI辅助编程插件BITO-GPT4安装及中文国产化设置
633 1
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
利用自然语言处理(NLP)改善客户服务:策略与实践
【5月更文挑战第14天】本文探讨了如何利用自然语言处理(NLP)技术优化客户服务,提高客户满意度和忠诚度。NLP作为AI的重要分支,通过机器学习和深度学习实现智能客服机器人、情感分析、文本分类与归纳及多渠道客服整合等功能。企业应明确业务需求,选择合适NLP工具,并持续优化,以提升服务质量和效率,塑造良好品牌形象。随着NLP技术发展,客户服务将迎来更高效、个性化的未来。
|
8天前
|
人工智能
编程领域长期霸榜的GPT之设计奥秘
编程领域长期霸榜的GPT之设计奥秘
|
8天前
|
机器学习/深度学习 自然语言处理
解析GPT-3、GPT-4和ChatGPT关系-迈向自然语言处理的新高度“
解析GPT-3、GPT-4和ChatGPT关系-迈向自然语言处理的新高度“
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
TensorFlow在自然语言处理中的实践
【4月更文挑战第17天】本文探讨了TensorFlow在自然语言处理(NLP)中的应用,包括文本预处理、特征表示、模型构建、训练与评估。TensorFlow提供工具简化文本预处理,如`tf.text`模块进行分词。利用`Tokenizer`和`to_categorical`进行特征表示。通过`Embedding`、`LSTM`等构建模型,并用`model.fit`和`model.evaluate`训练及评估。实践中,可借助预训练词嵌入、序列填充、注意力机制和迁移学习提升性能。TensorFlow为NLP任务提供了高效解决方案,未来潜力无限。
|
11月前
|
机器学习/深度学习 存储 自然语言处理
从零开始学习Java神经网络、自然语言处理和语音识别,附详解和简易版GPT,语音识别完整代码示例解析
从零开始学习Java神经网络、自然语言处理和语音识别,附详解和简易版GPT,语音识别完整代码示例解析
94 0
|
8月前
|
机器学习/深度学习 自然语言处理
深度学习LSTM网络:自然语言处理实践
深度学习LSTM网络:自然语言处理实践
51 0
|
10月前
|
缓存 自然语言处理 前端开发
【自然语言编程实践】GPT4 企业级在线商城开发 01-数据模型设计 下
【自然语言编程实践】GPT4 企业级在线商城开发 01-数据模型设计
|
12月前
|
存储 人工智能 前端开发
当GPT-4反思自己错了:性能提升近30%,编程能力提升21%
当GPT-4反思自己错了:性能提升近30%,编程能力提升21%
|
12月前
|
存储 人工智能 Prometheus
面向GPT-4编程的时代来了:GitHub Copilot大升级,首次集成聊天功能
面向GPT-4编程的时代来了:GitHub Copilot大升级,首次集成聊天功能
520 0