AI提示词入门指南-提示词的高级技巧18

哈喽！伙伴们，我是小智，你们的AI向导。欢迎来到每日的AI学习时间。今天，我们将一起深入AI的奇妙世界，探索“AI提示词入门指南-提示词的高级技巧18”，并学会本篇文章中所讲的全部知识点。还是那句话“不必远征未知，只需唤醒你的潜能！”跟着小智的步伐，我们终将学有所成，学以致用，并发现自身的更多可能性。话不多说，现在就让我们开始这场激发潜能的AI学习之旅吧。

AI提示词入门指南-提示词的高级技巧18：

技巧18：选用最合适的AI大语言模型

如果你在使用AI大语言模型时遇到了较差的效果，可以考虑换为其他AI大语言模型进行尝试。在本书第一章中，我们总结了不同AI大语言模型的特点。在本节中，我会简单分析如何选择更合适的AI大语言模型来解决不同的问题。

日常对话与复杂逻辑处理：ChatGPT-3.5 和ChatGPT-4

绝大多数情况下，可以先考虑尝试ChatGPT-3.5和ChatGPT-4。它们的适应性最广，有着极强的理解和生成能力，可以适应各种对话场景。它们支持的语言也最多。ChatGPT-4与ChatGPT-3.5相比，在数学、推理和逻辑思维上更强，也有更强的创意类写作能力，支持更长的上下文长度（也就是可以支持更长的输入输出文本长度），因此也更适合分析和写作长文章。例如，如果你是一个小说作者，你可以使用ChatGPT-4生成更具创意的故事情节。

中文应用：文心一言、通义千问

文心一言、通义千问等各类国产AI大语言模型在理解和生成中文的能力上表现优秀，它们在训练时具有丰富的中文语料。例如，如果让文心一言生成一首七言古诗，它有可能比ChatGPT生成的七言古诗要更好。

代码生成应用：Github Copilot X

对于程序员来说，Github Copilot X无疑是一个神器。它具有强大的代码生成能力，能极大地提高开发效率。例如，你可以使用GithubCopilot X在编写新的函数或类时，生成初始的代码模板，从而节省编程时间。

图片生成应用：Midjourney

如果你的应用场景是图片生成，那么Midjourney将是你的首选，它具有强大的图片生成能力。例如，你可以使用Midjourney来创建一个艺术画作生成器，它可以根据你的描述，生成具有艺术感的画作。

长篇文章分析应用：Kimi

Kimi模型最多可支持200万字上下文，这个长度比ChatGPT-4的3.2万个Token更长，因此一篇较长的论文可以一次性被其理解和分析。如果你不需要太强的逻辑推理能力，而是需要AI大语言模型对长文章进行总结，或对文章的内容进行提问，你可以考虑使用Kimi模型。

在选择AI大语言模型时，你还需要考虑以下几个因素。

（1）模型的性能：不同的AI大语言模型在处理不同任务时，其性能可能会有所不同。例如，ChatGPT-4的输出速度明显慢于ChatGPT-3.5，速度差异可以达到几倍。

（2）模型的成本：虽然很多AI大语言模型可以免费使用，但是一些高性能的AI大语言模型可能需要较高的使用成本，如ChatGPT-4几乎是最贵的AI大语言模型之一，比大多数其他模型贵几倍甚至数十倍。你需要根据预算，选择最适合的模型。

扩展阅读：ChatGPT-4 的代码解释器

OpenAI在2023年7月宣布对所有Plus用户开放基于ChatGPT-4的新功能：代码解释器。它可以在30秒内将图片转换为视频、画出正态分布的示意图等。有人说：“一夜之间，无数打工人的岗位被颠覆了”。知名金融公司Flutterwave的欧洲国家经理兼立陶宛总经理LinasBeliunas说“OpenAI正在向所有人解锁自ChatGPT-4以来的最强大功能。现在任何人都可以成为数据分析师”。如果你看到这里依然云里雾里，我通过两个问题，与大家简单聊聊这个代码解释器。

代码解释器究竟是什么？

按照OpenAI的定义，代码解释器扩展了ChatGPT的功能，为用户带来了更好的交互式编程体验和强大的数据可视化功能。借助此功能，即使不是程序员，只需要用自然语言向ChatGPT下达指令，也可以完成需要复杂编程技术的任务，可以用于分析数据、创建图表、编辑文件、执行数学运算等。

是不是看起来比较抽象？实际上，OpenAI给产品起名的能力我认为可能一般般，就连ChatGPT自身的名字，也算不上特别朗朗上口，只因为太火了，所以掩盖了这个缺点。这个代码解释器，一听就是用来解释代码的。但事实并非如此，如果你只是想让ChatGPT解释代码，那就像解释名词、解释论文一样，直接用合适的提示词询问 ChatGPT 就足够 了。按照我的理解，代码解释器其实是“初始化数据、生成代码、执行代码和展示输出”的一体化控制台。

这个工具对那些懒得写代码甚至根本不懂编程的人最有用，因为它能让ChatGPT-4上传和下载信息，并为用户编写和执行程序，实现各种以前无法实现的功能。原始版本的ChatGPT只能生成代码，但在代码解释器里，ChatGPT生成代码后，可以直接在你提供的数据上执行这些代码，根据你向ChatGPT的描述，帮你处理数据。

它的工作流程大概是这样的：

（1）将一些资料、数据上传到代码解释器，可以是个人数据集，也可以是从各种在线平台获得的公开数据集。

（2）向ChatGPT提出一些处理数据的要求，如将图片转换为视频、制作PowerPoint、生成Excel图表等。

（3）ChatGPT会把你上传的资料存储在临时位置，并生成一些Python代码，让Python代码使用你的数据作为输入。然后，自动执行这些代码，并将代码生成的结果保存在临时文件中。

（4）现在你就可以在网页上直接看到结果，或者下载生成的文件了。

看到这里你大概就会明白，这其实就是在ChatGPT上增加了一个代码执行的功能和一个读取、写入文件的功能。本质上讲，这些技术都是原本就有的，所以它并不能提升ChatGPT-4模型本身的能力。但是，因为它能直接执行代码，可以极大地提升ChatGPT实际的能力边界，通过生成代码和执行代码的“联动”，让纸上谈兵变成现实。例如，你让ChatGPT帮你画图，它原来只能帮你给出画图的步骤和代码，而现在，它可以直接画好图给你。

不知道你有没有注意到，上传数据这件事，可能是一种在现有技术边界内低成本突破 ChatGPT 上下文限制的通用解决方案，甚至这种突 破可以达到无限的数据量！ChatGPT可以通过写程序、获取程序的执行结果、根据结果执行下一步操作，形成数据获取的循环，在程序中根据ChatGPT的要求随意获取想要的数据。程序可以从本地文件和数据库中读取，也可以从网上查找。如果给这个程序提供网络连接，它可以获取全世界所有的数据。如果这一点被充分利用，可能会彻底改变构建AI知识库的方式。

代码解释器能干什么？

理论上，Python能干的它都能干。这样说太简单了，但事实就是如此。下面举一些例子：

（1）各种文件格式转化，如PDF转图片、Excel转Word、CSV转GIF等。

（2）对数据进行分析、统计。只要有数据，什么都可以分析。一位网友甚至用代码解释器生成了一个UFO的目击地图。

（3）分析歌单以概括你的音乐品位。

（4）绘制各类函数的图像。

（5）创建可下载的股票数据集。

（6）扔一个压缩包上去，让AI大语言模型看看里面有点啥，值不值得解压。

（7）写程序的时候，即使有AI大语言模型的帮助，也得自己调试。而有了代码解释器，AI大语言模型就能自己纠错了。

其实，代码解释器的例子远不止这些。相信在这一功能大规模开放后，一波新的AI大语言模型浪潮又会来临。

嘿，伙伴们，今天我们的AI探索之旅已经圆满结束。关于“AI提示词入门指南-提示词的高级技巧18”的内容已经分享给大家了。感谢你们的陪伴，希望这次旅程让你对AI能够更了解、更喜欢。谨记，精准提问是解锁AI潜能的钥匙哦！如果有小伙伴想要了解学习更多的AI知识，请关注我们的官网“AI智研社”，保证让你收获满满呦！