gpt-engineer 是一个用于代码生成实验的命令行平台，也是 lovable.dev 的前身。它允许用户用自然语言指定软件需求，然后由 AI 编写并执行代码，还可以要求 AI 实现改进。
主要能力：
- 用自然语言描述软件，AI 自动编写并执行代码。
- 对现有代码提出改进要求，AI 进行修改。
- 支持通过覆盖 preprompts 文件夹自定义 AI 代理的“身份”，让代理在项目间记住信息。
- 支持图像输入（适用于具备视觉能力的模型），可添加 UX 或架构图作为额外上下文。
- 安装 bench 二进制文件，提供简单接口，用于针对流行公共数据集（目前支持 APPS、MBPP）对自定义代理实现进行基准测试。
使用方式： 安装： 稳定版：python -m pip install gpt-engineer 开发版：git clone https://github.com/gpt-engineer-org/gpt-engineer.git，然后 cd gpt-engineer，使用 poetry shell 激活虚拟环境。 支持 Python 3.10 - 3.12，最后支持 Python 3.8 - 3.9 的版本是 0.2.6。 设置环境变量：export OPENAI_API_KEY=[your api key]，或创建 .env 文件（复制 .env.template 为 .env 并填入 OPENAI_API_KEY）。 自定义模型：参见文档，支持本地模型、Azure 等。 Windows 使用请查看 Windows README。 其他运行方式：使用 Docker（有说明）；在浏览器中完成所有操作。
创建新代码（默认用法）：
- 在电脑任意位置为项目创建空文件夹。
- 在新文件夹内创建名为 prompt（无扩展名）的文件，填入指令。
- 运行 gpte <project_dir>，使用相对路径指向文件夹。例如：从 gpt-engineer 目录根运行 gpte projects/my-new-project，新文件夹位于 projects/ 下。
改进现有代码：
- 在电脑任意位置找到要改进的代码文件夹。
- 在新文件夹内创建名为 prompt（无扩展名）的文件，填入改进指令。
- 运行 gpte <project_dir> -i，使用相对路径指向文件夹。例如：从 gpt-engineer 目录根运行 gpte projects/my-old-project -i，文件夹位于 projects/ 下。
基准测试自定义代理： gpt-engineer 安装 bench 二进制文件，提供简单接口，用于针对流行公共数据集对自定义代理实现进行基准测试。最简单的入门方式是查看模板仓库，其中包含详细说明和代理模板。目前支持的基准：APPS、MBPP。社区已开始不同的基准测试计划。
开源、本地和替代模型： 默认支持通过 OpenAI API 或 Azure OpenAI API 使用 OpenAI 模型，以及 Anthropic 模型。稍作额外设置，也可运行 WizardCoder 等开源模型，参见文档中的示例说明。
适用场景：
- 快速原型开发：用自然语言描述应用，自动生成代码。
- 代码改进：对现有项目提出改进需求，由 AI 修改。
- 代理基准测试：评估自定义编码代理在公共数据集上的表现。
- 实验性代码生成研究。
限制：
- 运行 gpt-engineer 即表示同意其条款。
- 需要自行提供 API 密钥（如 OPENAI_API_KEY）。
- 图像输入需要具备视觉能力的模型。
- 自定义模型和开源模型需要额外设置。
- 关于收费、价格、具体平台支持等更多信息，资料中暂未提供。
