ChatGPT 能够以类似人类的答案来响应各种基于文本的查询。 凭借其庞大的训练数据，ChatGPT 可以提供适合上下文的答案，使其成为语言翻译、客户服务和内容创建的有效工具，ChatGPT主要应用领域包括：
- 问答：ChatGPT 可用于根据其训练数据回答问题。 它可以生成各种问题的
- 文本生成：ChatGPT 可用于生成文本，例如故事、诗歌和新闻文章。 它还可用于为聊天机器人和虚拟助理生成文本。
- 语言翻译：ChatGPT 可以进行微调来执行语言翻译任务，将文本从一种语言翻译成另一种语言。
- 文本摘要：ChatGPT 可用于将长文本摘要为更短、更简洁的摘要。
- 聊天机器人：ChatGPT 可用作对话式 AI 来开发用于客户服务、销售和其他应用程序的聊天机器人。
- 情感分析：ChatGPT 可以进行微调以执行情感分析，其中涉及确定一段文本中表达的情绪（积极、消极、中立）。
- 命名实体识别：ChatGPT 可以进行微调以执行命名实体识别，其中涉及识别文本中的命名实体（例如人物、地点和组织）。
- https://openai.com/
- https://openai.com/blog/chatgpt
- https://chat.openai.com/
- OpenAI API and other LLM APIs response time tracker
- ChatGPT/GPT-3/GPT-4 models guide
- OpenAI GPT prompt generator
- OpenAI API Pricing calculator
- Token：按照一定的规则进行拆分，比如hamburger，被认为是3个token，分别是：ham、bur、ger；另外一个汉字是2个token。通过这个网址来测试内容有多少个token：https://platform.openai.com/tokenizer
- Model：具有推理能力的模型，不同模型的能力差异巨大，API调用费用也可以有百倍以上的差别
- Prompt：提示词，提问的内容。构建有效的提示词可以让模型给出更精确的结果，构建提示词本身都逐渐形成了一个专门的领域。
- Text completion：文本补全，让模型根据提示词内容返回结果
- Temperature：温度，0-1，0：风格更固定，1：风格更加多样化
- Fine tune：模型精调
- Retrieve：检索，找回
常用模型列表：
- GPT-4：截至目前位置最强大的AI模型
- GPT-3.5：免费的最新的模型，训练数据时间截至21年9月，可以满足绝大多数场景
- DALL·E (Beta)：用于生成和编辑图像的模型
- Whisper (Beta)：用于将音频转换成文本的模型
- Embeddings：将文本转换成数字的模型
- Moderation：监测文本是否敏感和安全的模型（比如是否包含：暴力、黄色、仇恨、自我伤害等）
Davinci model:
- GPT-Davinci模型是OpenAI开发的GPT语言模型最强大的版本之一。 它是一个大型语言模型，于 2021 年 6 月发布，作为 GPT-3 模型系列的一部分。 GPT-Davinci 模型拥有 1750 亿个参数。
- 为各种任务生成高质量的自然语言响应，包括语言翻译、摘要、问答等。 它能够理解语言的上下文和细微差别，并能够生成连贯且有意义的响应。
- GPT-Davinci 模型的关键特征之一是其执行零样本学习的能力，这意味着它可以执行尚未明确训练的任务。 这是通过其大量参数和所经历的广泛预训练来实现的，这使得它能够从大量语言数据中学习和概括。
Turbo model:
- 60亿参数，精确度较低，生成长文本能力有限，主要用于对话
- 模型规模：GPT4和GPT3.5的主要区别在于模型的规模。GPT4预计将拥有超过100万亿个参数（1e+15），而GPT3只有1750亿个参数（1.75e+11）。这意味着GPT4可以处理更多的数据，生成更长、更复杂、更连贯、更准确、更多样化和更有创造力的文本。
- 模型能力：由于模型规模的提升，GPT4也展现出了比GPT3.5更强大的能力。例如，在各种专业和学术考试中，如SAT、LSAT、GRE等，GPT4都表现出了与人类水平相当或超越的性能；而在日常对话中，也能够与人类进行流畅、自然、合理、有趣且富有逻辑性的交流。
- 模型输入：GPT4是一个多模态（multimodal）模型，即它可以接受图像和文本作为输入，并输出文本；而GPT3.5只能接受文本作为输入，并输出文本。这使得GPT4可以处理更复杂且具有视觉信息的任务，如图像描述、图像问答、图像到文本等。
- 模型训练：由于数据量和计算资源的限制，目前没有公开发布完整版的GPT4或者其训练代码；而OpenAI已经公开了部分版本（如Davinci）以及其API接口供用户使用或测试。
- http://chat.openai.com/ ，ChatGPT Plus subscribers，50条消息每3小时。（2023/07/06）
- 充值麻烦，需要国外银行卡
- 使用计费说明：按回答内容计费，API调用计费方式：总消耗=提问消耗+答案消耗
- 1K tokens 大约750个英文单词，375个汉字
- 免费用户：200请求每天，3请求每分钟，15wToken每分钟，免费账户有$5的额度，注册后90天内有效
- GPT-4 8K context：Prompt $0.03 / 1K tokens，Completion $0.06 / 1K tokens
- GPT-4 32K context：Prompt $0.06 / 1K tokens，Completion $0.12 / 1K tokens
- gpt-3.5-turbo：$0.002 / 1K tokens
- OpenAI Rate limits | 问一下现在OpenAI的计费是怎么样的？
| 模型 | 训练费用 / 1K token | 使用费用 / 1K token |
| Ada | $0.0004 | $0.0016 |
| Babbage | $0.0006 | $0.0024 |
| Curie | $0.0030 | $0.0120 |
| Davinci | $0.0300 | $0.1200 |
基本指南：
- 提供更多的细节
- 要求模型进行角色扮演
- 使用分隔符清楚的指示输入的不同部分
- 指定完成任务的具体步骤
- 提供例子
- 指定输出的长度
三层提示词结构：
- 先说明目的，最总交付的内容时什么
- 输入资料，说明任务、北京、相关的人物、事件、时间、地点和物品
- 设定输出格式：输出几个、特殊格式（问题-答案）、使用的语气风格、是否使用表格、JSON或Markdown
- Cumulative Reasoning With Large Language Models
- 使用累积和迭代的语言模型来模拟人类思考过程。通过将任务分解成更小的部分,我们简化了解决问题的流程,使其更加可管理且更有效。
- Awesome ChatGPT Prompts | https://prompts.chat/
- AI Short
- 面向开发者的 LLM 入门课程
- ChatGPT 提示語說明書：通用三層結構與 9 個技巧提高 AI 生產力
- Custom instructions for ChatGPT 通过自定义提示词，可以让ChatGPT的返回结果更符合预期
- 如何让 ChatGPT 更懂你？新功能 Custom Instructions 尝试 使用自定义提示词更有效的生成Python代码
- Prompt Engineering For Generative AI Gets Pumped Up Via Release Of Persistent Context Capabilities, Showcased By OpenAI’s New Custom Instructions ChatGPT Feature
- https://gptstore.ai/ ChatGPT插件
- How to Use ChatGPT & OpenAI Without a Phone Number
- 国内开通Chat GPT Plus保姆级教程
- GPT best practices
- 完全免费白嫖 GPT-4 的终极方案！ 想法很好
- 奥特曼不止ChatGPT
- The GDELT Project 不同提示词在ChatGPT/Bard的输出效果对比
- 是什么让CHATGPT变得如此聪明？思维链？涌现？
- Overview of LLM landscape: Usage, latency, pricing and more.
- Battle of the LLM Giants: Google PaLM 2 vs OpenAI GPT-3.5
- Uncovering the power of top-notch LLMs
- 12 Best Large Language Models (LLMs) in 2023