以下文章來源于code秘密花園，作者ConardLi

最近微軟宣布推出全新的生成式 AI 腳本：GenAIScript！

GenAIScript 是一種結合了生成式人工智能（Generative AI，簡稱 GenAI）和腳本編寫能力的新型腳本語言：

集成 LLMs：GenAIScript 無縫集成了大型語言模型，使得腳本能夠直接調用強大的生成式 AI 能力，簡化復雜的自然語言處理任務。

簡化 JavaScript 語法：結合標準的 JavaScript 語法，使開發者無需學習新的編程語言，降低了上手難度。

高效的自動化能力：通過腳本自動化各種任務，如數據處理、內容生成和執行 API 請求等，能夠高效完成。

$`Analyze${env.files}andreporterrors.Usegitmojis.`

通過簡化的 JavaScript 語法，它將大型語言模型（LLMs）引入到腳本編寫過程中，使開發者能夠更加靈活快捷地創建自動化任務和智能應用。

//definethecontext
def("FILE",env.files,{endsWith:".pdf"})
//structurethedata
constschema=defSchema("DATA",{type:"array",items:{type:"string"}})
//assignthetask
$`AnalyzeFILEandextractdatatoJSON.`
//saveresultstofile
defFileOutput("*.pdf.txt","Extracteddata",{schema})
//tools
defTool("weather","liveweather",{city:"Paris"},/*schema*/
async({city})=>{..."sunny"})/*callback*/
//agents!
defAgent("git","answergitquestions","Youareagitexpert.",{tools:["git"]})
...

支持 JavaScript 和 TypeScript

GenAIScript 支持使用 JavaScript 和 TypeScript 來構建 prompts，使得開發過程更加靈活和方便。腳本文件以 .genai.mjs 或 .genai.mts 擴展名命名，分別表示 JavaScript 或 TypeScript 文件，并設計用于通過 LLM 構建提示。

.genai.mjs：模塊化 JavaScript 語法，支持導入其他模塊。

.genai.js：非模塊化 JavaScript 文件，通過 eval 執行，不支持模塊導入。

.genai.mts：模塊化 TypeScript 文件，支持導入其他 TypeScript 模塊，包括動態導入。

system.*.genai.mjs：系統提示模板，默認情況下未列出。

GenAIScript 將自動檢測工作區中任何匹配 *.genai.mjs、*.genai.js 或 *.genai.mts 的文件。雖然腳本文件可以放置在工作區的任何位置，但擴展會默認將它們放置在 genaisrc 文件夾中。

以下是一個名為 shorten.genai.mjs 的示例文件，演示了如何創建一個縮短文本的提示腳本：

script({
title:"Shorten",//在UI和Copilot聊天中顯示
description:"Apromptthatshrinksthesizeoftextwithoutlosingmeaning",//也顯示但灰色顯示
})

constfile=def("FILE",env.files)//定義文件變量

//將文本附加到提示中
$`Shorten${file}.Limitchangestominimum.`

安裝與配置

GenAIScript 需要 Node.js 才能運行。我們推薦安裝 Node.js 的長期支持版 (LTS)。

VSCode 擴展

然后安裝 Visual Studio Code 擴展

在 Visual Studio Code Marketplace 中搜索 GenAIScript，安裝最新的穩定版本擴展。

安裝 Visual Studio Code。這是一個輕量且強大的源代碼編輯器，支持 Windows、macOS 和 Linux。

在 Visual Studio Code 中打開你的項目文件夾。

點擊左側活動欄中的擴展視圖圖標

搜索 GenAIScript 并點擊 安裝。安裝成功后，你將看到擴展視圖中的圖標

（可選）點擊擴展頁面上的 齒輪圖標，并選擇 添加到工作區推薦。

如果你需要安裝特定版本的擴展，建議將 genaiscript.vsix 存儲在你的倉庫中并使用手動安裝。步驟如下：

打開 GitHub 最新發布頁面，下載 genaiscript.vsix 到你的項目根目錄。

在 Visual Studio Code 中打開你的項目。

右鍵點擊 .vsix 文件，選擇 Install Extension VSIX… 進行安裝。

命令行工具

GenAIScript 命令行工具允許你從任何終端運行腳本。

使用 npx 運行腳本

npxgenaiscriptrunmy-scriptsome/path/*.pdf

npx 將自動安裝并緩存CLI。你也可以將它作為 devDependency 添加到你的項目中：

安裝 genaiscript 為開發依賴

npminstall-Dgenaiscript

GenAIScript 會在默認的終端中啟動一個 node 服務器。如果默認終端未配置或不支持 Node.js，你可能需要在用戶/工作區設置中更新它。

打開命令面板 Ctrl+Shift+P，搜索 Terminal: Select Default Profile。

選擇一個終端配置文件，比如 Git Bash。

這樣配置好之后，你便可以方便地在 Visual Studio Code 或命令行中進行 GenAIScript 的開發工作了。

運行模型

通過 GitHub Models 或 GitHub Copilot 運行模型：

script({...,model:"github:gpt-4o"})

支持 Ollama、LocalAI 等開源模型在本地運行：

script({...,model:"ollama:phi3"})

數據架構

在 GenAIScript 中，我們可以強制 LLM 生成符合特定架構的數據。這種方法效果相當不錯，并且 GenAIScript 還會提供自動驗證功能。GenAIScript 支持的架構比完整的 JSON 架構規范要簡單，建議使用簡單的架構以避免混淆 LLM，然后再將其導入到你的應用特定的數據格式中。

你可以使用 defSchema 來定義提示輸出的 JSON/YAML 架構。例如，下面定義了一個城市列表的架構：

constschema=defSchema("CITY_SCHEMA",{
type:"array",
description:"Alistofcitieswithpopulationandelevationinformation.",
items:{
type:"object",
description:"Acitywithpopulationandelevationinformation.",
properties:{
name:{type:"string",description:"Thenameofthecity."},
population:{type:"number",description:"Thepopulationofthecity."},
url:{type:"string",description:"TheURLofthecity'sWikipediapage."}
},
required:["name","population","url"]
}
})

$`GeneratedatausingJSONcompliantwith${schema}.`

根據 TypeChat 的 “All You Need Is Types” 方法，架構會在插入 LLM 提示前轉換成 TypeScript 類型。例如，上面的 CITY_SCHEMA 類型如下：

//Alistofcitieswithpopulationandelevationinformation.
typeCITY_SCHEMA=Array<{
????//?The?name?of?the?city.
????name:?string,
????//?The?population?of?the?city.
????population:?number,
????//?The?URL?of?the?city's?Wikipedia?page.
????url:?string,
}>

一旦定義了架構，你可以告訴 LLM 根據這個架構生成數據。你可以通過以下方式生成符合 CITY_SCHEMA 的 JSON 數據：

constschema=defSchema("CITY_SCHEMA",{
type:"array",
description:"Alistofcitieswithpopulationandelevationinformation.",
items:{
type:"object",
description:"Acitywithpopulationandelevationinformation.",
properties:{
name:{type:"string",description:"Thenameofthecity."},
population:{type:"number",description:"Thepopulationofthecity."},
url:{type:"string",description:"TheURLofthecity'sWikipediapage."}
},
required:["name","population","url"]
}
})
$`GeneratedatausingJSONcompliantwith${schema}.`

生成的數據示例：

[
{
"name":"NewYork",
"population":8398748,
"url":"https://en.wikipedia.org/wiki/New_York_City"
},
{
"name":"LosAngeles",
"population":3990456,
"url":"https://en.wikipedia.org/wiki/Los_Angeles"
},
{
"name":"Chicago",
"population":2705994,
"url":"https://en.wikipedia.org/wiki/Chicago"
}
]

當生成的 JSON/YAML 內容帶有架構標識符時，GenAIScript 會自動驗證其是否符合定義的架構。你可以在腳本運行時使用 parsers.validateJSON 來驗證 JSON 數據：

constvalidation=parsers.validateJSON(schema,json)

特性和功能

文本文件處理

GenAIScript 支持從 PDF、DOCX 等文件中提取文本內容，比如處理和解析 PDF 文件：

def("PDF",env.files,{endsWith:".pdf"})
const{pages}=awaitparsers.PDF(env.files[0])

def 函數將自動解析 PDF 文件并從中提取文本，parsers.PDF 函數會讀取 PDF 文件并嘗試將其干凈地轉換為適合 LLM 的文本格式。

表格數據處理

可以從 CSV、XLSX 等表格文件中提取數據并進行處理。

def("DATA",env.files,{endsWith:".csv",sliceHead:100})
constrows=awaitparsers.CSV(env.files[0])
defData("ROWS",rows,{sliceHead:100})

文件操作

GenAIScript 提供了對工作區文件系統以及在用戶界面中選定文件的訪問權限。

env.files 變量包含了通過用戶界面或命令行選中的文件數組，你可以直接在 def 函數中傳遞并添加額外過濾條件。

def("PDFS",env.files,{endsWith:".pdf"})

使用 defFileOutput 指定允許輸出的文件路徑及其用途描述。

defFileOutput("src/*.md","Productdocumentationinmarkdownformat")

使用 glob 模式在工作區中查找文件：

constmds=awaitworkspace.findFiles("**/*.md")
def("DOCS",mds)

使用 grep 方法在工作區中搜索含有特定模式的文件內容：

const{files}=awaitworkspace.grep("example","**/*.md")
def("FILE",files)

讀取 JSON 文件內容：

constdata=awaitworkspace.readJSON("data.json")

將文本內容寫入文件：

awaitworkspace.writeText("output.txt","Hello,world!")

LLM 工具

你可以注冊 JavaScript 函數作為工具來使用。

defTool(
"weather",
"queryaweatherwebapi",
{location:"string"},
async(args)=>
awaitfetch(`https://weather.api.api/?location=${args.location}`)
)

注冊 JavaScript 函數作為工具并結合 prompt 成為代理。

defAgent(
"git",
"QueryarepositoryusingGittoaccomplishtasks.",
`YourareahelpfulLLMagentthatcanusethegittoolstoquerythecurrentrepository.
AnswerthequestioninQUERY.
-Thecurrentrepositoryisthesameasgithubrepository.`,
{model,system:["system.github_info"],tools:["git"]}
)
thenuseitasatool

script({tools:"agent"})

$`Doastatisticalanalysisofthelastcommits`

內置 RAG

支持矢量搜索功能。

const{files}=awaitretrieval.vectorSearch("cats","**/*.md")

運行代碼

LLM 可以在沙箱環境下運行代碼。

script({tools:["python_code_interpreter"]})

也可以在 Docker 容器中運行代碼。

constc=awaithost.container({image:"python:alpine"})
constres=awaitc.exec("python--version")

還可以運行 Prompty 文件。

---
name:poem
---

Writemeapoem

應用示例

示例1：生成 Git 提交信息

gcm 腳本提供了生成提交信息的引導流程。它會根據 Git 倉庫中的暫存變更生成一個提交信息，并引導用戶提交這些變更或重新生成提交信息。

首先，我們定義 script 函數，設置腳本的標題和描述，并指定要使用的模型：

script({
title:"gitcommitmessage",
description:"Generateacommitmessageforallstagedchanges",
model:"openai:gpt-4o",
})

接下來，使用 git diff 檢查你 Git 倉庫中的暫存變更。如果沒有暫存任何變更，GenAI 會通知你將所有變更暫存：

//檢查暫存的變更，如果沒有則暫存所有變更
constdiff=awaitgit.diff({
staged:true,
askStageOnEmpty:true,
})
if(!diff)cancel("nostagedchanges")
console.log(diff.stdout)//輸出變更內容供你查看

此部分是關鍵。我們進入一個循環，根據 diff 生成提交信息。如果你對生成的信息不滿意，可以選擇編輯、接受或重新生成：

letchoice
letmessage
do{
//生成一個符合規范的Git提交信息
constres=awaitrunPrompt((_)=>{
_.def("GIT_DIFF",diff,{maxTokens:20000,language:"diff"})
_.$`GenerateagitconventionalcommitmessageforthechangesinGIT_DIFF.
-doNOTaddquotes
-maximum50characters
-useemojis`
})
message=res.text
}while(choice!=="commit")

如果你選擇提交，GenAI 會用你的信息運行 git commit 命令，如果你愿意，還可以立即將變更推送到倉庫：

if(choice==="commit"&&message){
console.log(
(awaithost.exec("git",["commit","-m",message,"-n"])).stdout
)
if(awaithost.confirm("Pushchanges?",{default:true}))
console.log((awaithost.exec("gitpush")).stdout)
}

使用以下命令在終端運行腳本：

npxgenaiscriptrungcm

這就是完整的 gcm 腳本實現，通過運行上述命令，可以自動化生成 Git 提交信息并進行提交。

示例2：圖片替代文本生成器

圖片的替代文本（alt text）對于使圖片對包括視障人士在內的所有人可接觸是至關重要的。它為圖片提供了一種文字描述，使屏幕閱讀器能夠將內容傳達給看不到圖片的用戶。然而，為圖片編寫替代文本可能非常耗時，尤其是當你要處理大量圖片時。這時，AI 可以大顯身手。使用類似于 OpenAI 的 GPT-4 的語言模型，你可以自動生成圖片替代文本，從而節省時間和精力。

這個示例展示了如何構建一個工具來為 Markdown 文件中的圖片生成替代文本。腳本主要由 Typescript 代碼組成，并在 GenAIScript CLI 中運行。讓我們來逐步解析這些代碼。

首先，我們定義 script 函數，設置腳本的標題和描述，并指定要使用的模型：

script({
title:"ImageAltTextify",
description:"Generatealttextforimagesinmarkdownfiles",
parameters:{
docs:{
type:"string",
description:"pathtosearchformarkdownfiles",
default:"**.{md,mdx}",
},
force:{
type:"boolean",
description:"regeneratealldescriptions",
default:false,
},
assets:{
type:"string",
description:"imageassetspath",
default:"./assets/images",//修改為你的資產文件夾路徑
},
},
})

在這里，我們聲明了腳本，并使用 OpenAI 的 GPT-4 模型。我們還設置了文件路徑、是否重新生成所有描述，以及資產路徑等參數。

接下來，提取環境變量：

const{docs,force,assets}=env.vars

然后，我們定義一個正則表達式來查找 Markdown 中的圖片：

constrx=force
?/![[^]]*](([^)]+.(png|jpg)))/g//匹配包含或不包含替代文本的圖片
:/![s*](([^)]+.(png|jpg)))/g//匹配沒有替代文本的圖片

const{files}=awaitworkspace.grep(rx,{
path:docs,
glob:"*.mdx",
readText:true,
})

我們使用 workspace.grep 來查找指定文檔中符合正則表達式模式的所有內容。

對于找到的每個圖片 URL，我們使用一個內聯提示來生成替代文本：

for(constfileoffiles){
const{filename,content}=file
constmatches=content.matchAll(rx)

for(constmatchofmatches){
consturl=match[1]
constresolvedUrl=resolveUrl(filename,url)
const{text}=awaitrunPrompt(
(_)=>{
_.defImages(resolvedUrl)
_.$`
Youareanexpertinassistivetechnology.
Youwillanalyzetheimage
andgenerateadescriptionalttextfortheimage.
-Donotincludealttextinthedescription.
-Keepitshortbutdescriptive.
-Donotgeneratethe[character.`
},
{
system:["system.safety_harmful_content"],
model:"openai:gpt-4o",
}
)
imgs[url]=text
}
}

最后，我們將替代文本更新到 Markdown 內容中：

constnewContent=content.replace(
rx,
(m,url)=>`![${imgs[url]??""}](${url})`
)
if(newContent!==content)awaitworkspace.writeText(filename,newContent)

我們使用生成的替代文本替換原始內容中的占位符，并保存更新后的文件。

你需要通過 GenAIScript CLI 來運行這個腳本。如果你還沒有安裝 GenAIScript CLI，請查看安裝指南。安裝后，可以通過以下命令運行腳本：

npxgenaiscriptruniat

腳本默認導入了一個安全系統消息，以防止生成有害文本內容：

//safetysystemmessagetopreventgeneratingharmfultext
system:["system.safety_harmful_content"],

通過這個腳本，你可以自動化生成 Markdown 文件中圖片的替代文本，大大提高工作效率并確保內容的可訪問性。