- Código não é necessariamente o meio ideal para escrever lógica de negócio
- Usar um LLM para criar o backend + banco de dados. Ao chamar a API, ele pode inferir a lógica de negócio pelo nome e armazenar o estado
- Como funciona
- Explicar ao LLM o propósito do backend ("É um app de tarefas")
- Criar o JSON BLOB inicial do estado no DB (
{todo_items: [{title: "eat breakfast", completed: true}, {title: "go to school", completed: false}]})
- Começar a chamar a API. O backend é concluído inferindo a lógica de negócio e atualizando o estado
- Por que esse é o futuro
- Dá para iterar a partir do frontend mesmo sem saber como o backend é por dentro
- Mesmo que o backend forneça outro formato, é fácil adaptar
- Não há problema mesmo se houver erro de digitação no nome da API
- Serverless sem cold start
2 comentários
Interessante. Olhando um pouco o código, vendo que até o parsing de JSON é feito com o gpt3, parece que ele conseguiria gerar até comandos de
insertouupdateno DB sem grandes problemas. Também parece ser bem útil quando não há tempo para criar uma Mock API.É um projeto que ficou em 1º lugar no hackathon da Scale.ai. Para entender melhor, é mais fácil ver a explicação na thread do Twitter.
https://nitter.1d4.us/DYtweetshere/status/1617471632909676544