安装并试用 GPT-Engineer:2023 年贪吃蛇游戏教程

原标题Installing and Trying GPT-Engineer: A 2023 Snake Game Walkthrough

Matthew Berman 演示早期的项目生成流程,从 Conda 环境和提示词,到澄清问题与生成的 Python 文件。

MBMatthew Berman讲者 · Forward Future
频道
Matthew Berman
发布
2023年6月14日
视频
6:26
阅读
4 分钟
幻灯片
4
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

2023 年 6 月,Matthew Berman 讲解早期 GPT-Engineer 代码库的使用方法,并用它生成一个 Python 贪吃蛇游戏。他先介绍一次成功的运行,再展示环境设置、澄清过程和生成的文件。 视频中的命令和目录布局属于历史版本:项目后来的文档采用包安装和不同的命令行工具。小型演示成功并不能保证生成的项目无需审查就能正常工作。

  1. 1首次生成的贪吃蛇Berman 表示,之前生成的一款游戏无需修改即可运行;这是一次个案,不能证明它在各种应用中都可靠。
  2. 2历史版本的设置他克隆代码库,创建使用 Python 3.11.3 的 Conda 环境,并安装当时所需的依赖。
  3. 3提示与澄清示例指定了一个 Python 贪吃蛇游戏;GPT-Engineer 会询问规则、组件和键盘控制方面的问题。
  4. 4生成的文件早期版本将代码写入示例工作区。项目后来的文档描述了不同的包安装和命令行流程。

要点建议

  1. 早期 GPT-Engineer 工作流程根据自然语言提示和后续回答生成项目文件。
  2. Berman 在 2023 年的设置中使用 Conda 环境、安装依赖并提供 OpenAI API 密钥。
  3. 示例要求生成一个 Python 贪吃蛇游戏,包含模型、视图、控制器组件和键盘控制。
  4. 项目后来的文档使用 `python -m pip install gpt-engineer` 和 `gpte <project_dir>`;视频中的源码安装命令可能已不适用。
  5. 即使示例首次运行成功,生成的代码仍需审查和测试。
全文

按章节阅读整理后的全文

只看原始文稿
01

生成的贪吃蛇游戏

Berman 介绍 GPT-Engineer,描述之前一次成功生成的贪吃蛇游戏,并将该项目与 Smol Developer 对比。

我一直在试用 GPT-Engineer 这个早期 AI 编程项目。之前的一次运行首次尝试就生成了可玩的贪吃蛇游戏,无需修改或修复错误。这是一个令人鼓舞的例子,却不能保证每个项目都有同样结果。我想展示安装过程和第二次生成的流程。

与 Smol Developer 一样,GPT-Engineer 接收软件项目描述并生成代码。我认为它解决了早期方法的一些不足。本教程展示的是我在 2023 年 6 月使用的代码库和命令;此后项目已有变化。

02

设置历史版本

他克隆代码库,创建并激活 Conda 环境,然后安装依赖。这一过程对应 2023 年的代码版本。

我使用 Conda 隔离 Python 环境,减少依赖冲突。首先克隆代码库并进入其目录。在我的设置中,我创建名为 `gpt-eng`、使用 Python 3.11.3 的环境,然后激活它;Conda 是我选择的设置方式,并非每个版本都必须使用。

早期 GPT-Engineer 代码库
幻灯片 1 / 4早期 GPT-Engineer 代码库2023 年的代码库列表包含示例目录和原始 Python 入口文件。

激活后,我在历史版本的代码目录中运行 `python -m pip install -r requirements.txt`。通过 Python 调用 pip 有助于选用与当前环境关联的解释器。这个 requirements 文件安装流程属于视频所示版本,不一定适用于当前代码库。

03

编写提示、澄清需求与检查输出

Berman 定义游戏、配置 API 访问并回答澄清问题。他展示生成的项目文件,并讨论当时的一个限制。

示例提示文件
幻灯片 2 / 4示例提示文件Berman 打开项目文件夹,指出用于描述游戏的文件。

在 VS Code 中,我打开示例文件夹和其中的 `main_prompt` 文件。示例要求用 Python 编写贪吃蛇,将模型、视图、控制器组件放在不同文件中,并使用键盘控制。你可以提供更多细节,但我故意保持提示简短,以展示工具如何提出后续问题。

在这套设置中,程序需要 OpenAI API 密钥。我在环境中设置 `OPENAI_API_KEY`,并表示会轮换视频中显示的密钥。请将密钥当作秘密保管:使用自己的凭据,避免将它发布到录屏、源文件或 shell 历史中。使用 API 可能产生费用。

我运行历史命令 `python main.py example`,其中 `example` 是包含提示文件的文件夹。GPT-Engineer 要求澄清游戏规则、模型与视图及控制器的职责、键盘处理方式和文件组织。如果项目文件夹改了名称,这里的文件夹参数也需要改变。

我没有自己逐条输入规则,而是让 ChatGPT 面向工程师描述贪吃蛇规则,再将描述粘贴到澄清步骤中。GPT-Engineer 概述了蛇、食物、游戏和视图等类,随后生成项目文件。这个过程仍然需要人工指导和另一个模型生成的说明,并非仅凭一行完整指令完成。

生成的游戏组件概要
幻灯片 3 / 4生成的游戏组件概要完成澄清步骤后,工具列出计划中的 Snake、Food 和 Game 组件。

回到 VS Code,我检查早期 `example/workspace` 目录下生成的文件,包括一个连接游戏、视图和控制器的 `main.py`。我之前的一次运行首次就成功了,但生成代码不等于证明其正确:使用前应检查输出并测试行为。

生成的项目文件
幻灯片 4 / 4生成的项目文件编辑器展示生成的工作区,以及导入游戏组件的 Python 入口文件。

当时我没有看到读取并迭代现有代码库的方法,但预计项目未来可能加入这一功能。后来,视频简介补充了 `pip install gpt-engineer` 和 `projects/my-new-project/workspace` 目录布局。项目的[后续快速入门文档](https://gpt-engineer.readthedocs.io/en/latest/quickstart.html)介绍了 `python -m pip install gpt-engineer`、`gpte <project_dir>` 和改进现有代码的选项;请查阅与你所用版本对应的项目文档。

同频道的其他文章

5 张幻灯片14:45EN → 简体中文
Matthew Berman· 2026年10月29日Matthew Berman 解读 Google 的 Gemini 4 Carbon 公告Matthew Berman · Forward FutureMatthew Berman 回顾 Google 公布的 Gemini 4 Carbon 基准结果、分阶段开放计划与定价,同时指出自己尚未使用该模型。Foundation ModelsBenchmarksAI cost & performance+2
12 张幻灯片34:21EN → 简体中文
Matthew Berman· 2026年10月27日Matthew Berman 解读 Anthropic 的上市文件、AI 增长与治理Matthew Berman, Sam Altman · Forward Future主持人审视 S-1 中的财务指标、算力战略和投票结构,并质疑 AI 快速发展与安全之间的张力。AnthropicAI Safety企业 AI+2
0:26EN → 简体中文
Matthew Berman· 2026年10月25日Sam Altman 谈 AI 世界中的人类价值与问题解决Sam Altman · OpenAI在一段简短的访谈摘录中,Altman 思考解决难题的乐趣,以及人在解读结果时的作用。Human-AI CollaborationFuture of WorkAI Strategy
2 张幻灯片0:36EN → 简体中文
Matthew Berman· 2026年10月25日Kimi K3.1 与魔方求解演示Matthew Berman · Forward FutureMatthew Berman 展示一个被打乱的虚拟魔方如何复原,并对 Kimi K3.1 的测试给予积极评价。评估编程智能体Open-weight models
2 张幻灯片0:21EN → 简体中文
Matthew Berman· 2026年10月24日AI 生成的 Kimi 基准图表使用了虚构分数Matthew Berman · Forward FutureMatthew Berman 要求生成一张 Kimi K3.1 Pro 基准图表,随后发现图中的数字只是示意性占位值。Benchmarks评估Generative media
6 张幻灯片25:50EN → 简体中文
Matthew Berman· 2026年10月24日Kimi K3.1 Pro 实测:3D 演示出色,表现不一,价格有竞争力Matthew Berman · Forward FutureMatthew Berman 测试这款开放权重模型的编程、3D 渲染和视觉讲解能力,并比较基准成绩与价格。Open-weight modelsBenchmarksAI cost & performance+1