GPT: Generative Pre-Training Transformer(生成式预训练模型)
生成式：内容实时生成。
预训练：提前学习过大量知识。
模型：算法。
误解：ChatGPT是搜索引擎？
ChatGPT不是搜索引擎，所有的结果都是ChatGPT通过给定的上下文逐字实时生成的。
它能够创造不存在的文本，而搜索引擎只能够从数据库中查询已有的数据。
搜索引擎不会混淆答案，但是生成语言模型可能会。
比如生活中根本不存在的内容。
ChatGPT: GPT模型的基础上进行了特定的微调和优化，以提供更好的对话交互能力。
Prompt: 一种使用自然语言来引导用户与机器之间的交互的技术。
本质就是单字接龙，通过上一次词自动计算出下一个词。
如何自动计算？
将每一个数据向量化，然后计算它们出现的概率分布，这样GPT就可以根据上文，通过概率去随机取得下一个关联的数据。这也是为什么每一次回答ChaptGPT的答案都不一样的原因。
注意：这里的数据可能是文本、可能是语音、可能是视频、可能是像素块等等。
任何数据均可向量化。比如，通过从身高、体重、籍贯等三个方面，就可以把人向量化为[11,22,33]。
最后形成多维空间的一个点。
数据被向量化后，有一个形象化的例子，就形成了空间中的概率分布图，点越密集的地方，证明某个数据出现的频次越高。
长的文章，通过单字接龙的自回归所生成。
什么是自回归生成？
将生成的所有数据作为下一次生成的参数，不断依次迭代进行，直到触发结束任务。
比如：输入一个"我"，希望ChatGPT生成一个我是一只小小鸟。
模型：GPT的大脑，也就是一种算法，对应着输入和输出。
通过大量高质量的学习材料，来学习通用规律，以便于能够根据上文自动生成下文内容，学习的方式就是单字接龙。
学习材料：各种互联网文本、书籍、语音、视频等…
还有一些问答范例的学习，比如：
白日依山尽的下一句是什么？
白日依山尽的下一句是黄河入海流。
…
- 通过大量的数据学习人类的语义关系和语法规律。（开卷有益）
让ChatGpt对海量的互联网文本做单字接龙，以扩充模型的词汇量，语言知识、关于世界的信息和知识。使ChatGpt从一只“不会说话的鹦鹉”变成脑容量超级大的懂王鹦鹉。
注意：模型训练的目的不是记忆，而是学习提问和回答的通用规律。以便于当遇见从没有记忆过的提问时，也能够生成用户想要的回答。
- 矫正GPT模型参数，让模型输出我们想要的结果 （模板规范）
让ChatGPT使用优质的，人工选择的优质对话范例进行单字接龙学习，以规范回答的对话模式和内容，使得ChaptGPT变成“懂规矩的博学鹦鹉”。
- 增强GPT的创新性，避免变成机械式的刻板回答（创意引导）
让ChatGpt根据人类对它生成答案的好坏评分来调节模型，以引导它生成人类认可的创意回答。使得ChatGPT变成既懂规矩又会试探的博学鹦鹉。
ChatGPT没有意识，没有思想，也没有欲望，只是一个算法模型，通过输入参数计算出输出结果而已。
原则：
你让模型猜测的东西越少，你得到的答案就会越精准。
示例一：
示例二：
对于简单直接的任务，使用分隔符可能不会对输出质量产生影响。然而，任务越复杂，消除任务细节的歧义就越重要。不要让模型费力去理解你具体要求什么。分隔符可以用 三引号、xml标签 等格式。
指定GPT的输出步骤：
当我们想要指定某一种输出格式，或者是某个想法难以用语言描述的时候，我们可以通过给出示例的方式来达到我们的效果。Gpt会模仿示例的要求进行回答。也就是"找规律"。
这些模型无法读懂你的想法。如果输出太长，就要求它简短答复。如果输出太简单，就要求它用专家级别的能力来回复。如果你不喜欢输出的格式，请演示你希望看到的格式。
编写一个mysql自动化部署脚本
你是一名ansible技术的大师，对ansible有着非常丰富的理论和实践经验。
我现在需要编写一个自动化部署mysql的剧本。以下是我当前已有的一些数据、环境现状以及要求：
“”"
- 通过容器部署mysql，最终部署目录在/data/mysql目录下。
- 在/opt/home目录下有mysql的docker容器、docker-compose.yml、.env文件，该容器通过docker-compose命令进行启动。
- 容器初始化的时候需要自动执行一些初始化的sql脚本，脚本目录在/opt/home/sql目录下。
- 容器的配置文件、数据等目录需要从容器中挂载到宿主机的/opt/data目录中。
- mysql的端口、运行密码需要从变量中读取。
“”"
请根据以上要求帮我编写一个自动化部署mysql的剧本。请确保你给出的剧本没有错误，如果你不清楚，请在{}中标注你不知道。另外，每一个步骤给出详细的注释。
以下是GPT生成的内容：
实现某个算法
Prompt
你是算法编程方面的大师，获得过国际上各种顶尖算法比赛的冠军。
我现在需要编写一个算法：
输入一个列表a和一个整数count，将列表a拆分为多个子列表，子列表的个数由count指定，最后输出这个子列表。
要求：Java语言实现、考虑到各种可能会发生的异常情况。
输出：
辅助编程
编写一个Cypher语句
我们来玩一个角色扮演游戏，你是Neo4j技术的大师，有着非常丰富的实战和理论经验。
我现在有两个节点：STUDENT、SCHOOL。一个关系：STUDY。我现在想要编写一个cypher语句：查找所有在SCHOOL中有STUDY关系的STUDENT节点。并根据SCHOOL进行分组。我的输入是一个SCHOOL节点id的列表。
要求：专业、严谨；确保你给出的代码是正确的，如果你不知道，请直接回答你不知道，否则不要给出任何的解释。
讯飞星火、百度等大模型中已经集成了很多类型的插件可以直接使用。
讯飞星火：
以生成PPT为例
百度文心一言:
可以通过自己Prompt制作各种各样的助手应用。也可以使用别人已经制作好的助手直接使用。
目前的ChatGpt可能还不能够很好的处理范围很大、业务性强的一些事情。(或者说需要完成这种任务需要编写的Prompt可能都需要成千上万个字)
但是对我们大部分普通人来说，在日常生活、工作中针对于某些具体的事情，非常细分且明确的事情，它往往能够给出比较好的答案，并且还能够极大程度的解放我们的双手，提高工作效率。
因此，非常值得在学习和工作中拥抱大模型，感受这个新的时代。
官网地址：openai.com/gpt-4
当前最强大的大模型。各方面性能都遥遥领先。
免费使用网址：chat-shared3.zhile.io/shared.html…
个人感觉比国内的一众大模型好用很多…
官网注册账号即可使用：yiyan.baidu.com/
百度开发的大模型，个人感觉比较适用于零基础小白。
官网注册账号即可使用：xinghuo.xfyun.cn/desk
科大讯飞开发的大模型，专业性稍微强一些。各种助手也很丰富。可以创建自己的模型。
官网注册即可使用：tongyi.aliyun.com/
阿里巴巴开发的大模型，更加专注于一个生态。
官网注册即可使用：hunyuan.tencent.com/bot/chat
腾讯开发的大模型，更加专注于一个生态。
OpenAi官网Prompt学习：platform.openai.com/docs/introd…
Prompt中文学习指南：prompt-guide.xiniushu.com/