全網最詳細中英文ChatGPT-GPT-4示例文件-個性化角色智慧對話從0到1快速入門——官網推薦的48種最佳應用場景(附python/node.js/curl命令原始碼,小白也能學)

虎嘯AI發表於2023-03-30

image

ChatGPT是目前最先進的AI聊天機器人,它能夠理解圖片和文字,生成流暢和有趣的回答。如果你想跟上AI時代的潮流,你一定要學會使用ChatGPT。如果你想了解OpenAI最新發布的GPT-4模型,以及它如何為ChatGPT聊天機器人帶來更強大的功能,那麼你一定不要錯過OpenAI官網推薦的48種最佳應用場景,不管你是資深開發者、初學者,你都能夠從0到1快速入門,並掌握他們。

在這個AI大時代,如果不想被人顛覆,就要先顛覆別人。如果你顛覆不了別人,那你就努力運用ChatGPT提高你的技術水平和創造力。

ChatGPT在使用過程中有一個有意思的地方,你可以讓ChatGPT扮演任何角色,比如朋友、家人、專家、明星,然後與其對話,每個角色都會根據其角色特點,與你展開非常不一樣的對話,這也極大地提高了與ChatGPT的對話趣味性,同時也能根據每個人的需求,獲取到想要的對話效果。

Introduce 簡介

Friend chat 朋友聊天
Emulate a text message conversation.
模擬文字訊息對話。

setting 設定

Engine: text-davinci-003
Max tokens:60
Temperature:0.5
Top p:1.0
Frequency penalty:0.5
Presence penalty:0.0
Stop sequenceYou:

說明:
0、Engine 設定定義了你要使用的模型,例如 text-davinci-003是一個文字生成模型。這種模型可以根據輸入的文字,生成新的、相關的文字。
1、Max tokens是指在請求中最多允許返回的 token 數目,比如你可以指定 chatGPT 返回最多60個 token。這可以幫助你控制輸出的內容大小,以便更好地控制響應速度和結果。一般1個token約4個字元或者0.75個單詞
2、Temperature 是一個引數,用於控制 chatGPT 的輸出。它決定了 chatGPT 在生成文字時會多麼“隨意”。值越高,chatGPT 生成的文字就越不可預測;值越低,chatGPT 生成的文字就越可預測。它在0.0到2.0之間,Temperature設定為0意味著ChatGPT將會生成更加保守的回覆,即更少的隨機性和更多的準確性,這可以幫助你在聊天中更好地控制語義,並且可以防止ChatGPT產生不相關的內容。通常建議更改此值或 Top P,但不要同時更改這兩個值。
3、Top p 是隨溫度取樣的替代方案,稱為核取樣,其中模型考慮具有top_p機率質量的標記的結果。因此0.1意味著僅考慮包括前10%機率質量的記號。通常建議更改此值或 temperature,但不要同時更改這兩個值。
4、Frequency penalty 是指在訓練時,模型會根據詞頻來調整每個單詞的重要性。它可以幫助模型更好地理解文字,並減少過擬合。介於-2.0和2.0之間的數字。正值會根據新標記在文字中的現有頻率懲罰新標記,從而降低模型逐字重複同一行的可能性。Frequency penalty設定為0意味著模型不會對重複的詞進行懲罰。它可以幫助模型生成更多的新詞,而不是重複使用已有的詞。
5、Presence penalty 是指在ChatGPT中,一些預先定義的條件或者狀態可能會影響機器人回答的質量,介於-2.0和2.0之間的數字。正值會根據新標記到目前為止是否出現在文字中來懲罰它們,從而增加模型談論新主題的可能性。如果將 Presence penalty 設定為 0,則表示不會有任何懲罰。
6、Stop sequence 是一種設定,透過它可以確定你的聊天會話的結束標誌。當你在 ChatGPT中設定 Stop sequence為 You: 時,表示你的聊天會話結束標誌是You:

Prompt 提示

You: What have you been up to?
Friend: Watching old movies.
You: Did you watch anything interesting?
Friend:
你:你最近在忙什麼?
朋友:看老電影。
你:你看了什麼有趣的節目嗎?
朋友:

Sample response 回覆樣本

Yeah, I watched an old classic called Casablanca. It was really good!
是的,我看了一部經典老片叫《卡薩布蘭卡》。真的很好看!

API request 介面請求

python介面請求示例

import os
import openai

openai.api_key = os.getenv("OPENAI_API_KEY")

response = openai.Completion.create(
  model="text-davinci-003",
  prompt="You: What have you been up to?\nFriend: Watching old movies.\nYou: Did you watch anything interesting?\nFriend:",
  temperature=0.5,
  max_tokens=60,
  top_p=1.0,
  frequency_penalty=0.5,
  presence_penalty=0.0,
  stop=["You:"]
)

node.js介面請求示例

const { Configuration, OpenAIApi } = require("openai");

const configuration = new Configuration({
  apiKey: process.env.OPENAI_API_KEY,
});
const openai = new OpenAIApi(configuration);

const response = await openai.createCompletion({
  model: "text-davinci-003",
  prompt: "You: What have you been up to?\nFriend: Watching old movies.\nYou: Did you watch anything interesting?\nFriend:",
  temperature: 0.5,
  max_tokens: 60,
  top_p: 1.0,
  frequency_penalty: 0.5,
  presence_penalty: 0.0,
  stop: ["You:"],
});

curl命令示例

curl https://api.openai.com/v1/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
  "model": "text-davinci-003",
  "prompt": "You: What have you been up to?\nFriend: Watching old movies.\nYou: Did you watch anything interesting?\nFriend:",
  "temperature": 0.5,
  "max_tokens": 60,
  "top_p": 1.0,
  "frequency_penalty": 0.5,
  "presence_penalty": 0.0,
  "stop": ["You:"]
}'

json格式示例

{
  "model": "text-davinci-003",
  "prompt": "You: What have you been up to?\nFriend: Watching old movies.\nYou: Did you watch anything interesting?\nFriend:",
  "temperature": 0.5,
  "max_tokens": 60,
  "top_p": 1.0,
  "frequency_penalty": 0.5,
  "presence_penalty": 0.0,
  "stop": ["You:"]
}

其它資料下載

如果大家想繼續瞭解人工智慧相關學習路線和知識體系,歡迎大家翻閱我的另外一篇部落格《重磅 | 完備的人工智慧AI 學習——基礎知識學習路線,所有資料免關注免套路直接網盤下載
這篇部落格參考了Github知名開源平臺,AI技術平臺以及相關領域專家:Datawhale,ApacheCN,AI有道和黃海廣博士等約有近100G相關資料,希望能幫助到所有小夥伴們。

相關文章