ChatGPT 正確的使用姿勢。
自 ChatGPT 問世以來，OpenAI 一直被認為是全球生成式大模型的領導者。2023 年 3 月，OpenAI 官方宣佈，開發者可以透過 API 將 ChatGPT 和 Whisper 模型整合到他們的應用程式和產品中。在 GPT-4 釋出的同時 OpenAI 也開放了其 API。
一年過去了，OpenAI 的大模型使用體驗究竟如何，行業內的開發者怎麼評價？
最近，初創公司 Truss 的 CTO Ken Kantzer 釋出了一篇題為《Lessons after a half-billion GPT tokens》的部落格，闡述了在使用 OpenAI 的模型（85% GPT-4、15% GPT-3.5）處理完 5 億個 token 之後，總結出的七條寶貴經驗。
Ken Kantzer
機器之心對這篇部落格進行了不改變原意的編譯、整理，以下是部落格原文內容：
經驗 1：prompt，少即是多
我們發現，如果 prompt 中的資訊已經是常識，那麼該 prompt 不會幫助模型產生更好的結果。GPT 並不愚蠢，如果您過度指定，它實際上會變得混亂。
這與編碼不同，編碼中的一切都必須是明確的。
舉一個讓我們感到困擾的例子：
pipeline 的一部分讀取一些文字塊，並要求 GPT 將其分類為與美國 50 個州之一相關。這不是一項艱鉅的任務，可以使用字串 / 正規表示式，但有足夠多奇怪的極端情況，因此需要更長的時間。所以我們的第一次嘗試大致是這樣的：
Here's a block of text. One field should be "locality_id", and it should be the ID of one of the 50 states, or federal, using this list:
[{"locality: "Alabama", "locality_id": 1}, {"locality: "Alaska", "locality_id": 2} ... ]
這有時會起作用（約超過 98% 的情況），但失敗的情況足以讓我們不得不進行更深入的挖掘。
在調查時，我們注意到欄位「名稱」始終返回州的全名，儘管我們沒有明確要求它這樣做。
因此，我們改用對名稱進行簡單的字串搜尋來查詢狀態，然後模型就一直執行良好。
總而言之，GPT 顯然知道 50 個州。當 prompt 更加模糊時，GPT 的質量和泛化能力都可以提高，這太瘋狂了 —— 這是高階思維的典型標誌。
經驗 2：不需要 langchain
你只需要 chat API，不需要 langchain，甚至可能不需要 OpenAI 去年在其 API 中釋出的任何其他內容。
Langchain 是過早抽象的完美例子。我們開始認為我們必須使用它。但相反，數百萬個 token 之後，我們可能在生產中使用了 3-4 個非常多樣化的 LLM 函式，而我們的 openai_service 檔案中仍然只有一個 40 行的函式：
def extract_json(prompt, variable_length_input, number_retries)我們使用的唯一 API 是 chat API。我們不需要 JSON 模式、函式呼叫等等（儘管我們做了所有這些），我們甚至不使用系統 prompt。gpt-4-turbo 釋出時，我們更新了程式碼庫中的一個字串。
這就是強大的廣義模型的美妙之處 —— 少即是多。
該函式中的 40 行程式碼大部分都是圍繞 OpenAI API 被關閉的 500s/socket 的錯誤處理。
我們內建了一些自動截斷功能，因此不必擔心上下文長度限制，我們有自己專有的 token 長度估計器。
if s.length > model_context_size * 3
# truncate it!
end
在存在大量句點或數字的極端情況下（token ratio < 3 characters /token），這種方法會失敗。所以還有另一個專有的 try/catch 重試邏輯：
if response_error_code == "context_length_exceeded"
s.truncate(model_context_size * 3 / 1.3)
我們已經依靠上述方法取得了很大進展，並且該方法足夠靈活，可以滿足我們的需求。
經驗 3：透過流式 API 改善延遲並向使用者顯示變速輸入的單詞是 ChatGPT 一項重大的使用者體驗創新
我們曾經認為這只是一個噱頭，但實際上使用者對「變速輸入字元」的反應非常積極 —— 這感覺就像是人工智慧的滑鼠 / 游標使用者體驗時刻。
經驗 4：GPT 不擅長產生零假設
「如果找不到任何內容，則返回空輸出」—— 這可能是我們遇到的最容易出錯的 prompting 語言。在此情況下，GPT 不僅會經常出現幻覺而不返回任何內容，還會導致「缺乏信心」，返回空白的次數比應有的要多。
我們大多數的 prompt 都是以下形式：
“Here’s a block of text that’s making a statement about a company, I want you to output JSON that extracts these companies. If there’s nothing relevant, return a blank. Here’s the text: [block of text]”
有一段時間，我們會遇到 bug，[文字塊] 可能為空，幻覺不時出現。順便說一句，GPT 很喜歡幻想麵包店，這裡有一些很棒的麵包店：
陽光面包店
金糧麵包店
極樂麵包店
經驗 5：「上下文視窗」命名不當
「上下文視窗」只會因輸入而變大，而不會因輸出而變大。
一個鮮為人知的事實是，GPT-4 的輸入視窗可能有 128k token，但輸出視窗卻只有區區 4k！
我們經常要求 GPT 返回 JSON 物件的列表 —— 一個 json 任務的陣列列表，其中每個任務都有一個名稱和一個標籤，而 GPT 無法返回超過 10 項。
我們最初認為這是因為上下文視窗大小是 4k，但我們發現 10 個專案，可能只有 700-800 個 token，GPT 就會停止。
經驗 6：向量資料庫和 RAG / 嵌入對我們普通人來說幾乎毫無用處
我認為向量資料庫 / RAG 確實是用於搜尋的，以下是一些原因：
1. 相關性沒有界限。有一些解決方案，你可以建立自己的相關性截止啟發式，但它們並不可靠。在我看來，這確實「殺死了 RAG」—— 你總是冒著用不相關的結果危害檢索的風險；或者過於保守，錯過重要的結果。
2. 為什麼要將向量放入專門的專有資料庫中，遠離所有其他資料？除非你處理的是 google/bing 規模的工作，否則上下文的丟失絕對不值得進行權衡。
3. 除非你正在進行非常開放的搜尋（例如整個網際網路），否則使用者通常不喜歡返回他們沒有直接輸入的內容的語義搜尋。
在我看來（未經驗證），對於大多數搜尋案例，LLM 的更好用法是使用正常的完成 prompt 將使用者的搜尋轉換為分面搜尋（faceted-search），甚至是更復雜的查詢。但這根本不是 RAG。
經驗 7：幻覺基本上不會發生
我們的每個用例本質上都是「這是一段文字，從中提取一些內容」。通常，如果要求 GPT 提供一段文字中提到的公司名稱，它不會為你提供「隨機公司」（除非文字中沒有公司，即零假設問題）。
類似地，GPT 並不會真正產生幻覺程式碼。如果用例完全、詳細，那麼 GPT 實際上非常可靠。
原文連結：
https://kenkantzer.com/lessons-after-a-half-billion-gpt-tokens/