【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
|
9月前
|
机器学习/深度学习 自然语言处理 数据可视化
基于图神经网络的自然语言处理:融合LangGraph与大型概念模型的情感分析实践
本文探讨了在企业数字化转型中,大型概念模型(LCMs)与图神经网络结合处理非结构化文本数据的技术方案。LCMs突破传统词汇级处理局限,以概念级语义理解为核心,增强情感分析、实体识别和主题建模能力。通过构建基于LangGraph的混合符号-语义处理管道,整合符号方法的结构化优势与语义方法的理解深度,实现精准的文本分析。具体应用中,该架构通过预处理、图构建、嵌入生成及GNN推理等模块,完成客户反馈的情感分类与主题聚类。最终,LangGraph工作流编排确保各模块高效协作,为企业提供可解释性强、业务价值高的分析结果。此技术融合为挖掘非结构化数据价值、支持数据驱动决策提供了创新路径。
578 6
基于图神经网络的自然语言处理:融合LangGraph与大型概念模型的情感分析实践
|
5月前
|
机器学习/深度学习 自然语言处理 BI
阿里云开发者必备:GPT 从核心原理到企业级部署的全流程指南
GPT基于Transformer解码器架构,通过BPE分词、遮蔽自注意力与堆叠解码器实现自回归生成。结合指令微调与领域适配,已在汽车BI、开发者工具等场景落地。阿里云提供从模型训练到轻量化部署的全链路支持,推动GPT在产业智能化中的深度融合与应用创新。(238字)
777 2
|
存储 SQL 数据库
Python 金融编程第二版(GPT 重译)(四)(4)
Python 金融编程第二版(GPT 重译)(四)
282 3
|
存储 NoSQL 索引
Python 金融编程第二版(GPT 重译)(一)(4)
Python 金融编程第二版(GPT 重译)(一)
273 2
|
弹性计算 自然语言处理 搜索推荐
活动实践 | 基于函数计算部署GPT-Sovits模型实现语音生成
通过阿里云函数计算部署GPT-Sovits模型,可快速实现个性化声音的文本转语音服务。仅需少量声音样本,即可生成高度仿真的语音。用户无需关注服务器维护与环境配置,享受按量付费及弹性伸缩的优势,轻松部署并体验高质量的语音合成服务。
|
机器学习/深度学习 存储 自然语言处理
从理论到实践:如何使用长短期记忆网络(LSTM)改善自然语言处理任务
【10月更文挑战第7天】随着深度学习技术的发展,循环神经网络(RNNs)及其变体,特别是长短期记忆网络(LSTMs),已经成为处理序列数据的强大工具。在自然语言处理(NLP)领域,LSTM因其能够捕捉文本中的长期依赖关系而变得尤为重要。本文将介绍LSTM的基本原理,并通过具体的代码示例来展示如何在实际的NLP任务中应用LSTM。
1353 4
|
机器学习/深度学习 人工智能 自然语言处理
【自然语言处理】GPT-5技术突破预测:引领自然语言处理革新的里程碑
随着科技的飞速发展,人工智能(AI)领域正迎来一场前所未有的革命。近日,OpenAI首席技术官米拉·穆拉蒂在采访中透露,新一代大语言模型GPT-5将在一年半后发布,这一消息无疑在科技界掀起了巨大的波澜。GPT-5的即将登场,预示着AI技术将迈入一个新的时代,我们的工作和日常生活也将随之发生深刻的变化。 GPT-5的发布,将为我们带来前所未有的智能体验。穆拉蒂将其与高中生到博士生的成长相比,可见其在智能水平上的巨大飞跃。GPT-5将具备更高的智能水平,能够处理更为复杂、精细的任务,如高级数据分析、自动化编程、智能内容生成等。这将极大地提高各行各业的工作效率,推动社会生产力的快速发展。
258 4
|
机器学习/深度学习 自然语言处理 监控
|
机器学习/深度学习 自然语言处理 算法
NLP技术在聊天机器人中的应用:技术探索与实践
【7月更文挑战第13天】NLP技术在聊天机器人中的应用已经取得了显著的成果,并将在未来继续发挥重要作用。通过不断探索和创新,我们可以期待更加智能、自然的聊天机器人的出现,为人类生活带来更多便利和乐趣。
|
存储 机器学习/深度学习 关系型数据库
Python 金融编程第二版(GPT 重译)(四)(5)
Python 金融编程第二版(GPT 重译)(四)
205 2

热门文章

最新文章