【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

本文涉及的产品
NLP自然语言处理_高级版,每接口累计50万次
NLP 自学习平台,3个模型定制额度 1个月
NLP自然语言处理_基础版,每接口每天50万次
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

GPT 上线,完成数据模型设计


接下来设计数据结构。

这一部分 GTP 非常擅长,我们让它来做。


设计管理员、员工、和客户


image.png


补充细节:验证码和地址


设计完成之后我发现有一些疏漏。比如没有创建时间和更新时间的字段,也没有验证码和收货地址相关的表。所以又给它提示,让它继续设计。

image.png

在此之前,ChatGPT 的一个问题是消息过长会导致消息中断,不过前几天的新版本中增加了 Continue generating 功能,再也不需要输入继续了。


设计产品和活动


接下来继续从管理端的角度设计,先把产品、活动这些东西设计好,再设计 C 端会更容易一些。

开发过商城系统的朋友应该都知道,活动这个模块是最复杂的,因为它的玩法实在是太多了。有些复杂的商城系统还要考虑各个活动之间的冲突问题。

image.png

粗略检查了一下,没有什么大问题。


设计充值和订单


最后就是充值表和订单表了,这两个模块相对简单,没什么好说的。

image.png

可以看到,虽然我的 prompt 很简单,但是 GPT 却充分考虑到了很多细节。比如它知道一笔订单可能对应多个商品。

这里你可能会问,怎么没有购物车呢。因为我打算把购物车放到前端缓存中。

数据模型就设计完成了。

我把它放到 prisma 项目中试试看。

Oops!有报错。

image.png

看看提示,原因是一对一的关系,在定义端必须是唯一字段。而我们却少了 @unique 的唯一字段标识,手动加一下就可以了。

造成这种现象的原因有可能是 GPT4 的知识只到 21 年 9 月份,很多框架和库未来的更新它是不知道的,所以这也算是它的一个缺陷。

简单修复了一下,建表完成。

image.png

如果你比较懒,可以不用自己修复,GPT4 也很喜欢修这种小问题。

方式就是把错误和代码一股脑甩给它就可以了。

image.png

好,这部分工作终于完成了。



相关文章
|
7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。
436 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
|
3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)
474 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)
179 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)
224 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。
1196 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。
209 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)
142 2

热门文章

最新文章