chatgpt,chatgpt官网,chatgpt怎么读,chatgpt怎么注册

原文链接：https://【【淘密令】】ve.io/posts/chatgpting-laf/

OpenAI 已经公布了 ChatGPT 正式版 API，背后的新模型是 gpt-3.5-turbo，这是 OpenAI 目前最先进的模型，响应速度更快，价格更便宜。

作为开发人员，我们还是希望通过 API 将 ChatGPT 和相关模型集成到自己的产品和应用中，尴尬的是，目前无法访问 ChatGPT API，原因大家都懂得。于是网上出现了各种各样的 API 反代服务，我们可以直接通过反代服务来变相访问 ChatGPT API。

即使我们解决了 API 的访问问题，还要准备一个开发环境，比如对于 Node.js 客户端来说，需要准备一个 Node.js 环境。

有没有一种简单快捷的方法来调用 ChatGPT API 呢？

那当然是用 Laf 了。

Laf 是一个完全开源的一站式云开发平台，提供了开箱即用的云函数，云数据库，对象存储等能力，让你可以像写博客一样写代码。

GitHub：https://github.com/labring/laf

如果你希望快速了解 Laf 的用法，可以参考这篇文章：三分钟学会 Laf。

言归正传，下面我们开始计时，三分钟时间用 Laf 实现一个自己的 ChatGPT！

前提条件：你需要准备一个 ChatGPT 账号并且生成一个 chatgpt (这一步可以问 Google )

首先需要登录 laf.dev，然后新建一个应用。

点击开发按钮进入开发页面。

在 NPM 依赖面板中点击右上角的 ：

然后输入 chatgpt 并回车进行搜索，选择第一个搜索结果，保存并重启：

重启之后，自定义依赖项中便出现了 chatgpt。

然后就可以像我一样新建一个云函数名字叫 send，并写入以下内容：

chatgpt 是通过环境变量 传入的，所以我们还需要创建一个环境变量。点击左下角的设置图标：

依次选择「环境变量」--> 「新增环境变量」，输入环境变量的名称和值，然后点击「确定」，再点击「更新」，便会重启应用。

现在点击右上角的「运行」，即可调试运行。

Perfect！现在我们来试试添加追踪上下文的功能。其实也很简单，只需要在对话时传入上一次对话的 ID 即可，代码如下：

运行一下看看：

好厉害，竟然两次就答对了我的问题！

好了，现在才开始真的计时，因为刚刚是教学环节，不计入耗时😁

接下来我们就可以开始动手打造自己的 ChatGPT 了，首先把上一节的函数替换为下面的内容：

现在应该很好理解这个函数了吧？

我们要实现的是 Web 版 ChatGPT，所以还需要一个前端页面。首先需要安装 Laf 的 SDK：

接下来，需要创建一个 cloud 对象：

这里我们看一下前端的核心代码，非常的简单，就是把提问的内容和上下文 id 传入云函数就可以了。

到这一步 我们已经可以发信息给 ChatGPT 并且拿到回复的消息了。

我们只要稍微加亿点点细节，就可以变成这样：

加完这点细节之后，基本开发工作就完成了，接下来就是把项目上线分享给你的朋友，顺便装个杯。

说到上线我们现在应该要去买一台服务器安装 Nginx，配置 Nginx，解析域名，绑定域名...

NO NO NO 我不允许你浪费年轻而美好的生命，life is short, you need laf 😃

打开你的 Laf，点击存储界面 --> 点击上方加号 --> 创建一个权限为 readonly 的存储桶（名字随意）。

创建完之后，在你的前端项目中运行打包命令。我这里用的是 。

打包完毕之后找到打包好的 文件夹，像我一样把 文件里面的所有东西都上传到我们刚刚创建的存储桶里面，记住是原封不动的上传哦，文件就是文件，文件夹就是文件夹。

上传完毕之后，发现右上角有一个 “开启网站托管”，点一下它！

点完之后出来一个链接，我们点击一下访问看看是啥东西。

哦！我的老天鹅呀 这不就是我刚刚开发的项目吗？？

恭喜，到这里你的项目已经上线了，快分享给你的好朋友吧！

• 项目源码：https://github.com/zuoFeng59556/chatGPT
• 示例网站：https://jyf6wk-chat-gpt.site.laf.dev/

chatgpt 狂飙 chatgpt比之前的强在哪儿

chatgpt,chatgpt是什么意思,chatgpt官网,chatgpt怎么用

还有人没听过、没用过 ChatGPT 吗？怕是没有！

现在，ChatGPT 几乎到了无所不能地步，写歌作诗、编代码、查资料、回答问题……你能想到的，它都能干！上线不到两个月，ChatGPT 的全球活跃用户就突破了一亿大关。如此火爆的背后，究竟是什么在支撑？

据统计，ChatGPT 需要超过1万颗 A100 GPU 提供算力支持，单次训练成本超过400万美元，每天成本超过10万美元。而研究机构 TrendForce 也在3月1日的报告中测算称，处理1800亿个参数的 GPT-3.5大模型，需要的 GPU 芯片数量高达2万枚。

归根到底：没有强大的算力支撑，ChatGPT 就没法无所不能。

云端算力，软硬系统协同优化才是标配

想要获得强大的算力，自研芯片是国内外云计算大厂发力的重点，并以此打造核心竞争优势和差异化。此外，云计算领域木桶效应越来越明显，软件和硬件不能有短板；未来算力进化方向，一定是软硬件协同优化。而在这方面，亚马逊云科技是最早发力的。

硬件之力：自研芯片，加速算力进化

目前，亚马逊云科技自研的 Amazon Nitro 和 Amazon Grachatgpt，已经助力企业在性能、成本、安全性方面实现了大规模突破。

Nitro：亚马逊云科技的基石芯片

Nitro 是亚马逊云科技自研芯片的起点，它的核心设计理念，就是为了很好的平衡云计算的性能、成本和安全性。从2013年推出首颗 Nitro 芯片起，它已经经历了4代迭代，并且已经成为驱动当今所有 Amazon EC2 实例的基础性技术。

2022年，最新一代 Nitro v5 芯片发布，重点聚焦在通信带宽的提升：PCIe 带宽提升2倍、DRAM 速度提升50%、数据包处理速度提升60%、通信延时降低30%。和前一代相比，Nitro v5 的晶体管数量增加一倍，并由此带来每瓦性能40%的提升。

Nitro 的高性能和虚拟化功能，也给用户提供了更多的计算实例。在2022年初，Amazon EC2 实例有400多款；经过一年的发展，已经超过600款，这就让算力的供给更加快速和灵活。

Grachatgpt：一切为了高算力

基于 ARM 架构的服务器 CPU 芯片 Graviton，是亚马逊云科技的看家芯片。Graviton 系列处理器，不仅能取得高性能、更能兼顾 ARM 架构低功耗的优势，从而实现更好的「性能功耗比」。和 x86 实例相比，基于 Graviton3 的实例能取得高达60%的每瓦功耗提升。

在去年的 re:Invent 大会上，chatgpt 在第三代的基础上增加了对高性能计算的优化，特别优化了对向量计算和浮点计算的支持。这也是 ARM 架构进一步进军 HPC 的重要尝试。在性能、功耗、成本、性价比。在这些方面，ARM 架构有着更大优势。再加上自研芯片的加持，通过大规模部署进一步摊薄成本，就会让性价比进一步提升。

软件之功：协议服务助力持续创新

云计算未来的发展方向，肯定是软硬件协同优化。对于云厂商来说，芯片和硬件只是一小部分，剩下的主要部分，都集中在软件和系统层面的创新。

在协议层面，亚马逊云科技提出了新的网络协议 SRD（Scalable Reliable Datagram）和 TCP，采用了多路径路由，并且可以乱序传输数据包，从而达到更高的吞吐量。

在服务层面，亚马逊云科技持续加码 chatgpt。2006年就搭建了 Amazon S3 存储服务。2014年，发布了著名的 chatgpt 计算服务 Amazon Lambda ，直到目前已经有超过百万用户、每月的调用请求量超过100万亿次。最新推出的 Amazon Lambda SnapStart，在首次启动时会执行标准初始化，并且将内存和磁盘状态进行快照并缓存，将启动延时降低90%以上。

为云计算的客户提供更强、更灵活的算力，实现算力像水和电一样能随用随取，是云计算未来的发展趋势。作为全球云计算的开创者和引领者，亚马逊云科技正通过提供强大、经济且绿色的云端算力，赋能企业实现更大的商业成功。