gpt-engineer：用自然语言让 AI 写代码

gpt-engineer 是一个开源的 AI 编程工具，GitHub Star 数超过 5.5 万，属于最早一批探索"用自然语言生成完整代码"的项目。它的核心思路很直接：你用文字描述想要什么软件，AI 把代码写出来，还能直接跑起来看效果。

能做什么

用法分两步。新建一个文件夹，在里面创建一个叫 prompt 的文件，把需求写进去。然后运行 gpte 命令指向这个文件夹，AI 自动生成代码并执行。

除了从零生成，它还支持改进已有代码。加一个 -i 参数，AI 会在现有代码基础上按你的要求做修改。

对于做性能评测的人，gpt-engineer 内置了 bench 工具，可以拿 APPS、MBPP 这些公开数据集来跑自己的 Agent 实现，不用自己搭评测框架。

几个设计亮点

可定制的预设提示词。 项目有一个 preprompts 文件夹，定义了 AI 的行为模式。你可以换成自己的版本，让 Agent 记住跨项目的偏好设置，同一个工具能适应不同团队的工作流。

视觉输入。 除了文字 prompt，它还支持传入图片。画一个页面的线框图，或者贴一张架构图，AI 会参考这些视觉信息来生成代码。对需要把设计稿快速转成原型的场景比较实用。

多模型支持。 默认接 OpenAI API，也支持 Anthropic 的模型。稍微配置一下，还能跑 WizardCoder 这类开源模型，或者通过 Azure 部署。

和同类工具比

AI 编程工具现在不少，gpt-engineer 的定位偏向全流程代码生成，不是 Copilot 那种补全工具。跟后来出现的 aider 比，gpt-engineer 更像是一个实验平台，适合探索 AI 编程的边界。项目团队自己也提到，想要成熟的 CLI 工具可以看 aider，想要商业化的托管服务可以看 gptengineer.app。

实际体验

装起来不复杂，pip install gpt-engineer 就行，需要 Python 3.10 到 3.12 环境。配好 OpenAI API Key 就能跑。

生成的代码质量取决于 prompt 的清晰度，写得越具体，结果越好。对于简单的 CRUD 应用、脚本工具这类需求，效果不错。复杂的企业级项目，还是需要人工调整。

项目由一个贡献者委员会来治理，核心维护者比较活跃。MIT 协议，商用没有限制。

如果你对 AI 编程感兴趣，gpt-engineer 是一个不错的起点。5.5 万 Star 的背后，是社区对"自然语言写代码"这个方向的持续关注。

.5 万 Star 的背后，是社区对"自然语言写代码"这个方向的持续关注。