如何向GPT提问及参数配置

最新推荐文章于 2025-06-02 19:31:15 发布

newconniukang

最新推荐文章于 2025-06-02 19:31:15 发布

阅读量1.5k

点赞数

文章标签： gpt chatgpt prompt

本文链接：https://blog.youkuaiyun.com/newconniukang/article/details/132900179

版权

这篇文章，介绍一下ChatGPT Next开源项目封装的 ChatGPT API 接口网站的使用方法

功能参数设置

打开设置界面可以看到如下选项
请添加图片描述

model

model 是指使用的ChatGPT大模型类型，如上图所示，常用（默认）的是gpt-3.5-turbo，这个模型是目前速度最快，质量较好的，也是我最常用的选项。

gpt-4开头的模型，质量较高，但是速度慢，一般是在gpt-3.5模型的回复质量上有问题时，可以切换到gpt-4模型来使用，下面截图中最后一个选项也可以实时切换gpt模型

随机性

随机性范围是0到1，如果值趋近于0，则每次回复的内容越准确，如果值趋近于1，则每次回复的结果开放性越大。也就是如果想要GPT做一些精确的回答（如编程相关问题），则值小一些。但是这不是绝对的，一般情况下保持默认0.5即可。如果该参数不满足需求，可以自行调整。
请添加图片描述

附带历史消息数

是指每次聊天时，发送的历史聊天记录数量，每次发送聊天信息，调用ChatGPT的API接口时，需要附带多少之前的聊天记录信息，这里的聊天记录包括你的提问以及GPT的回复。当需要进行多次交互，进行很长的聊天时，可以把这个值调大，请求时携带更多的上下文信息，让GPT根据上下文，做出更准确的回复。（一般情况下维持默认值，感觉GPT对上下文理解不足时，值调整大一些）

历史摘要

这个是bool选择器，勾选时，代表将上下文信息压缩后发送给GPT，不勾选时，将所有聊天记录完整的发送给GPT。注意，这里的压缩不是调用数据压缩算法做压缩，而是将大段的聊天记录总结成一段更加精炼的文字，发送给GPT。

当需要GPT完整携带上下文信息时，去勾选。

面具选择

左下角新建一个聊天时，可以选择一个面具

请添加图片描述

“面具”的意思是，你需要这个GPT模型充当一个什么样的角色，完成什么样的功能，比如充当“小红书写手”输出文字会是适合在小红书上发表的文案。（程序员写代码，查资料一般用不上）

请添加图片描述

清除聊天功能

请添加图片描述

如果之前聊天已经做了多次交互，想要GPT下次回答时，不要携带之前的聊天记录，可以点击“清除聊天”，这样再次询问GPT，相当于重新开启一段对话。

注意：如果重新提问一个新的问题，必须清除之前的聊天或者重新开启一个聊天窗口，否则之前的上下文信息，会影响新问题的回答。

如何提问ChatGPT

需要遵循如下几个原则

****编写清晰、具体的指令。****提问时尽可能地使用非常具体的，不要带有模糊意思的语句，GPT才会给出足够准确的回答
GPT模型偶尔会生成一些看似真实实则编造的知识，一定要注意区分回答的真实性
GPT模型可以输出结构化信息，比如让它输出一段实现某个功能的代码、实现某个查询的SQL语句、输出带有某种结构的json文本
不断追问式提问，有时一个复杂的问题，GPT第一次回答的结果不够满意，你可以根据它回答的结果内容继续提问，GPT会联系上下文信息，做出更加准确的回答。来回交互提问的次数越多，GPT越能获得足够多的上下文信息。但是我实际使用过程中，感觉上下文不能太多，达到某个程度后，GPT回答的更加有问题了，这时可以重新开启一个聊天，将刚才交互中有用的部分提取出来，重新提问GPT

代码分析功能

代码中存在很多非文本内容，比如大括号、小括号、引号，这些符号都会影响GPT对这段代码的理解，可以使用反单引号 ````或者三个单引号 ''' 来包装代码文本，让GPT将代码识别为一个整体。

比如，提问句如下：

'''
async def aparse(self, completion: str) -> T:
        try:
            parsed_completion = self.parser.parse(completion)
        except OutputParserException as e:
            new_completion = await self.retry_chain.arun(
                instructions=self.parser.get_format_instructions(),
                completion=completion,
                error=repr(e),
            )
            parsed_completion = self.parser.parse(new_completion)

        return parsed_completion
'''
请解释一下这段代码是什么意思

返回结果如下：

这段代码是一个异步函数 `aparse`，接受一个字符串参数 `completion`，并返回一个类型为 `T` 的值。

代码中的主要逻辑如下：

1. 首先，代码尝试使用 `self.parser` 对象解析 `completion` 字符串，将解析结果赋值给 `parsed_completion` 变量。
2. 如果解析过程中抛出了 `OutputParserException` 异常，意味着解析失败，代码会进入 `except` 块。
3. 在 `except` 块中，代码会调用 `self.retry_chain.arun` 异步方法，传递一些参数：
   - `instructions`：通过调用 `self.parser.get_format_instructions()` 获取格式化指令。
   - `completion`：原始的 `completion` 字符串。
   - `error`：使用 `repr(e)` 获取异常 `e` 的字符串表示。
4. `self.retry_chain.arun` 方法会处理这些参数，并返回一个新的完成字符串 `new_completion`。
5. 接下来，代码再次使用 `self.parser` 对象解析 `new_completion` 字符串，并将解析结果赋值给 `parsed_completion` 变量。
6. 最后，函数返回 `parsed_completion`。

总体来说，这段代码的目的是尝试解析给定的 `completion` 字符串，如果解析失败，则通过调用异步方法 `self.retry_chain.arun` 获取一个修正后的字符串，并再次尝试解析该字符串。最终返回解析结果。

代码编写功能

我的提示词：

你是Python编程专家，请给一个足够典型的例子，来让我学习一下python中asyncio 特性

（提示词编写时，可以在前面添加一句你是Python编程专家这样会使GPT回答结果更加专业化）

GPT回答：

当然！下面是一个典型的例子，演示了如何使用`asyncio`库来实现异步编程。

```python
import asyncio

async def hello():
    print("Hello")
    await asyncio.sleep(1)
    print("World")

async def main():
    await asyncio.gather(hello(), hello(), hello())

asyncio.run(main())
```

在这个例子中，我们定义了两个异步函数`hello()`和`main()`。`hello()`函数打印"Hello"，然后等待一秒钟（使用`asyncio.sleep(1)`）并打印"World"。`main()`函数使用`asyncio.gather()`同时运行三个`hello()`函数。

最后，我们使用`asyncio.run()`来运行`main()`函数。这个函数会创建一个事件循环，执行异步任务，并等待它们完成。

运行这个例子，你会看到"Hello"会立即打印出来，然后等待一秒钟，最后打印出"World"。这个过程会在每个`hello()`函数中重复进行，因为我们同时运行了三个`hello()`函数。

这个例子展示了`asyncio`库的基本用法。它允许你编写异步代码，利用事件循环和协程来实现非阻塞的并发执行。你可以在`async`函数中使用`await`关键字来等待一个异步操作完成，而不会阻塞其他任务的执行。

希望这个例子能帮助你理解`asyncio`的基本概念和用法！如果你有任何问题，我会很乐意帮助你。