跳转到内容
主站 新闻 控制台

用我的声音为博客开发的新功能

· Simon Willison
技巧LLM

今天我为博客上线了一个新功能:时事通讯(Newsletters) 页面。该页面汇总了我发送过的所有时事通讯索引,既包括我免费的 Substack 周刊,也包括针对 赞助者的每月专属更新。我几乎完全是用语音构建了这个功能——一边做晚饭,一边对着笔记本电脑聊天。

Codex 语音模式

我使用的是 ChatGPT 桌面端应用中的 Codex 标签页,开启语音对话模式,直接针对本地开发环境运行。界面看起来是这样的:

ChatGPT 应用的三栏界面。左侧栏显示最近的对话记录。中间一栏是对话的转录文本,其中跳动的黑色圆点代表语音模式。右侧栏显示我博客的本地开发服务器版本,可以看到 Newsletters 页面。

我通过输入以下内容,针对本地检出的 simonwillisonblog 仓库开启了这次会话:

Start dev server and open in browser

这让我能预览它将要操作的网站,也意味着之后我可以让它向我展示新页面,从而直观地追踪开发进度。

然后我点击了“Start new voice chat”(开始新的语音聊天)按钮——不是麦克风按钮,而是它右边的那个——并把笔记本电脑摆在厨房,这样我就可以一边做饭一边跟它对话。

对着电脑说话

我对自己想构建的东西心里很有数,而且这是一个足够简单的 Django 功能,我确信模型(这次是 GPT-6 Astra High)能够搞定:一个新的模型(model)、一次迁移(migration)、一些视图代码(views)、模板(templates),以及几个从外部数据源导入数据到数据库的导入函数。

以下是 Codex 记录的语音转录文本片段:

嗯,它们不会。嗯,这将是一种新的内容类型。嗯,它不会显示在……哦等等。对,不——我不希望它出现在我的标签页和日期归档页,以及……其实不是,我觉得……我不希望它出现在标签页上。我也不希望它出现在博客首页。但我确实希望它出现在基于日期的页面上。比如你浏览到 9 月 19 日,如果我在那天发了时事通讯,我希望它能显示出来。所以……这是——所以我认为我们可能需要一个新的模型。另一件事是,我希望它们可以被搜索,额 Substack 的那些不用支持搜索,因为它们其实只是我博客上其他内容的副本。但这些每月的时事通讯确实包含独家内容,特别……一旦它们……发布了,比如在发送一个月后公开时,我希望它们能出现在我的搜索结果中。

显然,这段话已经足够清晰,模型完全理解了我想构建什么!你可以在这个 Gist 中阅读完整的转录内容,包括所有的语言停顿与不流利(disfluencies)。

我们就这样交流了大约半小时(刚好是做晚饭的时间)。模型会做出回复,偶尔会提出问题以进一步澄清,然后着手修改代码。

我们构建了什么

完全通过语音交互,我们完成的成果令人惊叹:

  • 一个在 Django 中表示已导入时事通讯的新数据模型和数据库迁移,以及相应的 Django Admin 管理后台配置
  • 四个可正常工作的导入脚本:
    • 通过 RSS 导入最新的 Substack 条目
    • 通过 Substack 未公开的 API 导入其余所有 Substack 条目(GPT-6 Astra 居然知道这个 API,它直接尝试了 /api/v1/archive,随后通过搜索弄清楚了如何进行分页,并找到了 Karen Spinner 写的这篇文章)
    • 从我的 simonw/monthly-newsletter-archive GitHub 仓库导入所有已发布的月度时事通讯
    • 从私有仓库导入最新的赞助者专属私密时事通讯
  • /newsletters/ 和 /newsletters/2026/ 公开归档页面
  • 时事通讯也会显示在按日和按月的归档页面上,但不会出现在标签页或我的主页上
  • Substack 周刊直接链接至 Substack;已归档的月度时事通讯则拥有独立的详情页
  • 与全站搜索引擎完成集成

这几乎已经可以上线了。唯一的问题出在导入流程上:Astra 建议直接从我的本地副本中导出数据,再导入到生产环境,但我希望它能像我其他的导入脚本一样自动化运行。由于部分数据存放在一个私有的 GitHub 仓库中,这需要创建一个新的 API Key,我知道这得坐在键盘前操作一阵子了。

通过代码审查收尾

做完晚饭并判断功能基本完备后,我让 Codex 创建了一个分支并提了一个 Pull Request(PR)。

我在 GitHub 的 PR 界面上审查了代码。基本符合我的要求,除了一处:其中一个导入脚本它选择通过子进程(subprocess)调用 Git 命令行。因为其中一个导入需要从私有 Git 仓库拉取,我认为走 API 会更稳妥。于是我换成了键盘打字输入,让 Codex 把那部分换成了基于 API 的导入方案。

你可以在 PR 中的额外提交 中看到我在审查期间所做的修改。我修复了导入机制,并对这些公开页面的展示做了一些微调。之后又花了半小时通过键盘输入提示词(prompting),最终达到了满意的状态,合入 PR 并部署到了生产环境。

最终成果

你可以在全新的时事通讯索引页面看到最终成果,也可以查看往期月度通讯页面。

时事通讯页面。展示了两篇 Substack 文章(带缩略图)和一篇面向赞助者的 LLM 摘要通讯(带标题列表)。右侧是订阅我的 Substack 的行动号召按钮,以及另一个每月 10 美元的月度简报订阅入口。

索引页面按时间倒序混合展示了我最新的 Substack 周刊和 GitHub 赞助者月度通讯。页面下方则是按年份归档的链接。

GPT-6 Astra 设计了这个页面,随后根据我在厨房另一头瞄一眼本地预览后给出的语音反馈,对设计进行了微调。

更适合多任务处理,而非日常主力工作流

OpenAI 非常热衷在 DevDay 这样的活动 中展示类似的语音交互 Demo——在这种场合下效果确实不错。但我并不认为它会成为我日常开发的主力工具。

我之前写过自己在遛狗时用手机上的 ChatGPT 语音模式完成了多少“工作”——大部分是调研和头脑风暴,但偶尔也会进行真正的开发工作,让 ChatGPT 编写并测试……