go-让AI像写代码一样执行任务：深度解析 gptscript —— 赋予LLM结构化控制力的革命性框架

摘要： 什么是 gptscript？ 在传统的 LLM 应用开发中，我们通常在“纯提示词（Prompting）”和“硬编码（Hard-coding）”之间做选择。前者灵活但不可预测，后者稳...

什么是 gptscript？

在传统的 LLM 应用开发中，我们通常在“纯提示词（Prompting）”和“硬编码（Hard-coding）”之间做选择。前者灵活但不可预测，后者稳定但缺乏灵活性。gptscript 旨在打破这一僵局。

gptscript 是一门专门为 AI 设计的脚本语言，它允许开发者将自然语言的灵活性与编程语言的结构化控制（如循环、条件判断、变量赋值）结合在一起。简单来说，它让你可以编写一个 .gpt 脚本文件，在这个文件中，你可以像写 Bash 脚本一样调用 LLM，同时通过定义自定义函数（Tools）来扩展 AI 的能力。

核心设计理念

gptscript 的核心逻辑是：将 LLM 视为一个可编程的运行时（Runtime）。

1. 自然语言作为指令：脚本中的每一行如果没有特殊标记，都被视为给 LLM 的指令。
2. 结构化控制流：支持变量定义、条件分支和循环，解决了 LLM 在处理复杂多步任务时容易“迷路”的问题。
3. 可扩展的工具集：你可以用 Go、TypeScript 或 Python 编写具体的函数，然后通过 gptscript 调用这些函数，实现从“对话”到“执行”的跨越。
4. 状态管理：脚本在执行过程中维护上下文状态，使得多步推理的结果可以被精确地传递给下一步。

快速上手实例

为了让你直观感受 gptscript 的威力，我们来看几个从简单到复杂的场景。

场景一：简单的链式任务

假设你需要一个脚本：先总结一篇长文章，然后将其翻译成法文，最后生成一个推特推文。

workflow.gpt

# 步骤1：总结内容
let summary = "请总结以下文章的核心观点，要求不超过100字：{{article_content}}"

# 步骤2：翻译
let translation = "将以下总结翻译成法语：{{summary}}"

# 步骤3：生成推文
"基于以下法语总结，写一条吸引人的推特，并加上相关标签：{{translation}}"

在这个例子中，let 关键字定义了变量，LLM 的输出被存储在变量中，并在后续步骤中通过 {{}} 引用。

场景二：结合自定义工具（Tool Use）

gptscript 最强大的地方在于它可以调用外部函数。假设你定义了一个名为 get_weather 的 Go 函数。

weather_report.gpt

# 调用自定义工具获取实时天气
let weather_data = get_weather(city: "Shanghai")

# 让 AI 根据数据生成人性化的建议
"当前上海的天气数据是 {{weather_data}}。请根据这个天气，给用户推荐一套合适的穿衣方案，并提醒是否需要带伞。"

场景三：复杂逻辑控制（条件判断）

你可以根据 LLM 的判断结果来决定执行路径。

content_filter.gpt

let analysis = "分析以下文本是否包含敏感词或违规内容，仅回答 'YES' 或 'NO'：{{user_input}}"

if (analysis == "YES") {
    "文本包含违规内容，已拦截。请遵守社区规范。"
} else {
    "文本通过审核。请将其改写得更加专业且具有商业感：{{user_input}}"
}

开发者视角：如何集成到 Go 项目中？

由于 gptscript 提供了强大的 Go SDK，你可以轻松地将其集成到你的后端服务中。

1. 安装依赖

go get github.com/gptscript-ai/gptscript

2. 基础集成代码

package main

import (
	"fmt"
	"github.com/gptscript-ai/gptscript"
)

func main() {
	// 1. 初始化运行时
	runtime := gptscript.NewRuntime()

	// 2. 定义一个自定义工具 (Tool)
	// 假设这是一个查询数据库的函数
	runtime.RegisterFunction("get_user_balance", func(args map[string]interface{}) (interface{}, error) {
		userID := args["userId"].(string)
		// 模拟数据库查询
		return fmt.Sprintf("用户 %s 的余额为 100.00 USD", userID), nil
	})

	// 3. 编写 gpt 脚本
	script := `
		let balance = get_user_balance(userId: "user_123")
		"用户查询结果如下：{{balance}}。请用礼貌的语气告知用户，并建议他们如何通过理财增加余额。"
	`

	// 4. 执行脚本
	result, err := runtime.Execute(script)
	if err != nil {
		panic(err)
	}

	fmt.Println(result)
}

gptscript vs 传统 LangChain/AutoGPT

适用场景

1. 复杂的工作流自动化：当你需要 AI 完成一个包含 5 个以上步骤的任务，且每一步都有严格的前后依赖时。
2. 低代码 AI 平台：你可以允许非技术用户编写 .gpt 脚本，而你提供底层的 Go 函数库，实现“插件化”的 AI 能力。
3. 确定性 AI 代理：在需要严格控制执行路径（例如金融审批流、企业内部合规检查）的场景下。
4. 快速原型开发：无需编写大量胶水代码，直接通过脚本定义 AI 行为。

总结

gptscript 不仅仅是一个库，它提供了一种新的编程范式：将 LLM 视为一种特殊的“指令集”，而将传统的编程语言（如 Go）作为其“外设驱动”。通过这种解耦，开发者可以获得极高的开发效率，同时确保 AI 任务的结构化和可预测性。如果你厌倦了在 Prompt 中写冗长的“Step 1… Step 2…”，那么 gptscript 将是你构建下一代 AI 应用的利器。