如何借助ChatGPT在40小时内开发一个糖尿病工具

近日，纽约大学的研究人员在 JMIR Human Factors 上发表了一项研究，探讨了ChatGPT在软件设计中的应用，该软件是一个面向糖尿病患者的管理工具PAMS，即“个性化自动消息系统”（personalized automatic messaging system），它通过短信鼓励患者吃得更健康并加强锻炼。研发团队由11名资深的医学和计算机专业人员构成，他们使用ChatGPT成功地在40个小时内完成了开发。

PAMS干预措施的主要组成部分包括：（1）一个基于理论模型并按照以人为本的设计策略构建的行为干预消息内容库；（2）个性化自动消息系统传送平台（基于短信）；（3）集成了电子病历的数据可视化系统。开发过程采用了敏捷软件开发方法，包括需求规划、设计、开发和测试几个环节。

具体过程如下。

1.确定ChatGPT的提示语Prompt生成框架。提示（Prompt）工程的重点在于设计和创建有效的提示，以引导ChatGPT为任务生成最佳输出。该项目的ChatGPT提示框架和示例如下图所示。

图注原文：ChatGPT prompt structure and prompt examples. CDC: Centers for Disease Control and Prevention; GenAI: generative artificial intelligence; PAMS: personalized automatic messaging system.

（1）选择行为干预的基本理论和方法。 根据提示，ChatGPT 确定了七种已被广泛接受的行为改变理论和框架。（下图）

3.PAMS 技术开发。包括生成PAMS需求文件，设计架构和生成代码。

（1）技术要求（用例）。在最初阶段，让ChatGPT自主生成潜在的解决方案。审查并评估这些输出结果，剔除不切实际或不兼容的解决方案路径。一旦取得了令人满意的结果，针对下一步行动，指示ChatGPT换一种角色（例如软件架构师），并将之前的输出结果作为新角色初始提示的基础。在整个过程中，鼓励每个角色通过提问和提供反馈来澄清问题，而不偏向于任何预先确定的解决方案。对每种角色类型至少重复四次这一过程。

（2）架构设计。利用需求阶段的产出和可用的ChatGPT插件，将GenAI模型指定为软件工程师，着手开发架构图。在此过程中，进行了迭代提示，并向ChatGPT提供了明确的指示，指定使用亚马逊网络服务（AWS）进行开发、集成Twilio和REDCap等外部系统，并采用微服务方法来促进开发团队的工作。（下图）

（3）代码实现。为了便于使用ChatGPT生成代码，为模型分配了一个软件工程师的角色，并特别要求它为一个特定功能生成Scala代码。通过与ChatGPT进行多轮互动，对提示及其输出进行迭代，同时提供专家指导，以确保获得最佳结果。（下图）

对于上述整个过程，评估人员从可理解性、可用性、新颖性、相关性、完整性和效率等方面对ChatGPT生成结果进行了评分，大多数指标都获得了肯定的分数。这说明ChatGPT可以支持开发人员更快地开发出高质量的产品，促进技术和非技术团队成员之间的非技术交流，从而实现快速、简便地构建医疗解决方案。

当然，研究人员也注意到ChatGPT的一些重大局限。虽然ChatGPT能够提供一般指导，但却无法提供证据来支持其做出这些选择的理由，同时在最初阶段往往偏离目标，并包含错误，需要专家提供更具体的指导，反复迭代，才能获得所需的结果。而且越往后，提升也会越来越难，需要一名经验丰富的开发人员来加快代码生成过程，并确保实现更强大的功能。这些局限性凸显了人类专业知识在开发过程中的重要性。