《你好，ChatGPT》作者：通证一哥本书从基础概念、技术原理、应用领域、未来展望四大维度深度阐述了ChatGPT“从何而来？”“怎么工作？”“能做什么？”和“如何发展？”的问题，梳理了AI及AIGC
淘宝搜：【天降红包222】领超级红包，京东搜：【天降红包222】
淘宝互助，淘宝双11微信互助群关注公众号 【淘姐妹】
前一段时间，国外一位小哥哥在推特上发布了一条消息，声称GPT-4拯救了自家狗狗的性命。
这是怎么一回事呢？
这个小哥哥养了一只两岁的边境牧羊犬，这只牧羊犬被诊断出患有蜱传疾病，这属于一种细菌性传染病。
虽然小哥哥一直带着狗狗积极治疗，但是狗狗的病情仍然在加重，出现了严重的贫血。对于狗狗病情，兽医一时也找不到真正的原因，尝试了许多治疗方法都没能得到缓解。
小哥哥眼看着可爱的狗狗一天一天衰弱下去，预计不久就要回归汪星了，感到很无力。
就在这时候，OpenAI的新版本大模型GPT-4刚刚发布，小哥哥抱着试一试的心态，把小狗的病情现状，以及各种详细的检查和诊断数据输入给ChatGPT，并且请AI给出诊断意见。
ChatGPT分析了这些数据，非常智能地罗列出了一些对病因的猜测。
在AI所列出的狗病原因列表中，GPT-4表示，免疫介导性溶血性贫血(IMHA)最符合小狗当前的症状。
这一结论点醒了男主，他火速联系上兽医，兽医也果断采取针对性的治疗。因为这一次的对症下药，狗狗的病情很快康复了。
在GPT-4给出正确分析，拯救了自己小狗之后，小哥哥感慨万千，于是有了前面推特上的那一番话。
看到这条新闻，小灰也感到很欣慰。有很多人总是视AI如洪水猛兽，觉得某一天AI强大起来，会取代我们的工作，甚至会颠覆人类社会。
其实，AI在更多的情况下是我们的好朋友，好帮手，而非我们的敌人。我相信，未来的AI不但可以拯救狗命，也会拯救更多人类的生命。我们的世界，会因为AI而变得更美好。
python和chatgpt怎么结合使用 用chatgpt怎么写python代码
Python和chatGPT- python调用chatgpt api的方法
- 获取api可以调用的模型
- 各种任务代码示例
- 文本分类任务
- 文本生成（补全）任务
- 多轮对话任务
- 机器翻译任务
- 文本摘要任务
- 信息抽取任务
1、首先登录到【【微信】】界面，点击右上角的账号弹出的列表中，点击【【微信】】。 2、跳转界面后，点击Create new secret key，会生成新的key并且复制这个key（这个就是调用api时需要填写的openai key）。如果你已经生成过key并且记录下来就不用添加。 3、查看【【微信】】官方文档（Documention）。 4、点击Chat Completion。 6、参考文档提供的代码进行使用，注意使用前需要先安装openai包。
运行下面代码（官方提供的代码示例），注意填上前面复制好的api_key。
可以得到下面输出 { “content”: “The 2020 World Series was played at Globe Life Field in Arlington, Texas.”, “role”: “assistant” }
如果遇到问题： openai.error.APIConnectionError: Error communicating with 【【微信】】: HTTPSConnectionPool(host=‘【【网址】】’, port=443)
可参考&#【【网址】】/p/611080662?【【微信】】=0
调整下urllib3为1.25.11版本即可解决。
通过以下代码可以获取目前通过api可以调用的模型，并将模型名称写入到 model_list.txt 文件中。
一共有256个模型。 目前，补全任务最常用的是text-da【【微信】】（如文本生成，翻译等等）；对话任务最常用的就是 gpt-3.5-turbo（如多轮对话），最强的GPT-3.5模型（当然现在也已经申请GPT4的接口了），性能优异且成本较低，调用成本只有 text-da【【微信】】 的 1/10。
参数解读： 【【微信】】：生成文本的最大 token 数。所有模型都只能处理一定长度的文本（例如 4096 个 token），因此输入的模板长度加上 【【微信】】 不能超过这个限制。
temperature：采样温度，值介于 0 到 2 之间。较高的值（例如 0.8）会使得输出更随机，较小的值（例如 0.2）则会使得输出更确定。该参数与 top_p 通常只建议修改其中一个。
top_p：一种替代温度采样的方法，称为核采样 (nucleus sampling)，只考虑具有 top_p 概率质量的 token 的结果。例如设为 0.1 就只考虑构成前 10% 概率质量的 token。该参数与 temperature 通常只建议修改其中一个。
presence_penalty：值介于 -2.0 到 2.0 之间。正值会根据是否已经出现在文本中来惩罚新生成的 token，从而鼓励模型生成新的内容，避免出现大段重复。
fre【【微信】】：值介于 -2.0 到 2.0 之间。正值会根据新生成 token 在文本中的频率对其进行惩罚，从而降低模型逐字重复同一行的可能性。
当然，通过调用api可以做除上面所举例子之外的更多其他任务，只需要注意两点，一点是设定比较明确的prompt，让模型明白你要做的具体任务是什么，另一点是适当地调整参数，使得模型生成的答案尽可能满足你的要求。
