前言
本篇文章的内容，包括项目都是 ChatGPT 辅助完成的，有很多简介，专业术语、代码实现都是问的 TA，边问边写。
开篇会以 ChatGPT 介绍为主，文末会重点介绍如何搭建专属行业的数字人（这里会涉及到前端一个比较有意思的技术点），文末有小程序体验二维码
下面某些场景会以“
TA”来代指ChatGPT，当然，我相信有一天“TA”会变成“他”和“她”～
ChatGPT 是什么
TA 是一种基于人工智能技术的自然语言处理工具，它可以模拟人类的对话方式，实现与人类的交互。TA 的核心技术是GPT（Generative Pre-trained Transformer）模型，TA 是一种基于Transformer架构的自然语言生成模型，由OpenAI公司开发。
ChatGPT 的优势
TA 通过学习大量的语言数据，可以模拟人类的语言表达方式，理解人类的语言意图，并且可以根据对话上下文生成自然流畅的回复。
ChatGPT 应用场景
TA 可以应用于多个领域，例如客服机器人、智能助手、智能客服甚至能完成撰写邮件、设计素材、视频脚本、文案、翻译、代码，写论文等任务。 TA 的应用场景非常广泛，它可以为企业提供高效的客服解决方案，减少客服人员的工作量，提高客户满意度。同时，TA 还可以为智能家居、智能汽车等领域提供智能化的语音交互解决方案，让人们更加方便地使用智能设备。
周围已经很多朋友开始训练各行业模型了，比如说帮大学生写论文（当然不推荐），保险行业导师、生成特定图片素材等等，目前我主要把TA当作工具来用，比如写文章、写脚本和格式化特定数据文件等。
总之，ChatGpt是一种非常有前景的人工智能技术，它可以为人们带来更加智能化、高效化的语言交互体验，为企业提供更加优质的客户服务。
呃～以上官方话术很多是 TA 自己介绍的自己
ChatGPT 如何使用
知乎：只需访问 chat.openai.com 并创建一个 OpenAI 帐户即可访问 ChatGPT。登录后，您就可以开始使用 ChatGPT 聊天了…
当然很扯，看上图就知道没那么简单了
实际上需要做：
1. 国外服务器代理
国内是无法直接访问的（香港🇨🇳服务器也不行），所以得挂个代理，伪装在日本、新加坡或者美国，我们租的是日本服务器
2. 拥有一个美国手机号
接码平台注册：打开网站：sms-activate.org/ 使用邮箱注册，选择充值1$，可以用支付宝，充值完毕会随机分配一个手机号。
我们使用的手机号是之前创业的一个合伙人的手机号，他是定居美国，所以直接用的他的。
3. 注册 OpenAI
打开链接 beta.openai.com/signup 选择使用 Google 登录即可，第二步中输入分配给你的手机号，然后发送验证码，回到刚刚的接码平台，就能看到收到的验证码了（20min有效）
4. 访问
重新登录：chat.openai.com/auth/login
然后访问：chat.openai.com/chat
和注册美区 Apple ID 差不多的流程，当然也支持公司账户注册
ChatGPT 怎么收费？
最新官方定价——每1k个token的价格为0.002美元，比现有的GPT-3.5模型便宜10倍！
没错，是按字收费的，中文的话按两个 token 计算，因为 TA 的成本主要集中在服务器成本和算力成本，光参数都不到2000亿个，可想而知成本是相当大的，这个也是和传统搜索引擎相比最大的一个缺点，毕竟搜索是免费的，所以这些成本会均摊在用户请求的每个字符上，按 token 计费
注册账号后每个账户会发放18$的赠送金额，如果用完了是需要付费的
ChatGPT 开发专属数字人
训练范围
那有了账号之后可以随时和 TA 进行问答了，但是问题也来了，大家都用一个 TA 问问题，训练模型，那 TA 听谁的呢？
举个例子：
小红问：乾隆和雍正什么关系
TA：乾隆是雍正他爹
小红：啊？应该是雍正是乾隆他爹啊，记住了吗？
TA：记住了
小明问：乾隆和雍正什么关系
TA：乾隆是雍正他爹
小明：雍正是乾隆他爷爷，记住了吗
TA：记住了
这时候小强也问了同样的问题，那么 TA 怎么回答？
答案是：各自回答各自账号训练范围内的答案。
其实不难理解，就像 gitlab 代码仓库管理一样，TA 也会有一个基座数据，相当于代码主仓库，每个账户是基于基座数据 fork 出来的个人仓库，允许在个人仓库训练特定行业数据，但是不允许合并到基座。一句话理解：不能 merge 到基座， 只能 rebase 基座数据到个人仓库。
基座数据目前只更到2021年，所以需要用户去手动训练一些新的数据（如果有需求的话），当然由于 TA 是一个持续更新的模型，数据会随着时间推移而不断的更新。
OpenAI API
OpenAI提供了API接口，通过这个接口，开发者可以使用 chatGPT 等 OpenAI 模型来构建自己的应用程序。
也就是我们可以通过调用开源接口来搭建自己的专属应用，也就是某个行业专属的数字人。
上下文记录
体验过的可能了解 TA 是能记录并且分析上下文的，在 API 中每个请求支持的最大 token 数为 4000，一般会设置回答占 2000 token，上下文用 2000 token，这样当你提问的时候 TA 会优先结合存储的上下文给出 TA 认为最匹配的回答，这也是能进行持续性对话的基础。
前端er需要搞点什么
既然有开源接口，那后端需要做的是作为 client 向 server 发送请求来调用开源 API（国外服务器挂代理的原因）
前端需要做的是实现一个和 TA 有相同功能的 UI 界面（就以聊天对话场景为例）：
1. 需要做聊天交互组件
比如说需要支持文字，文件，视频，图片等展示，推荐一个开源 UI 库：ChatUI
这个是阿里小蜜团队开源的聊天组件，也就是淘宝里的机器人客服的 UI
2.服务端推送数据接收-字节流
体验过 TA 的聊天方式的人不难看出，TA 在回答问题的时候是逐字逐句回答的，每一个字或者每一句都有可能停顿，然后再返回，像极了人类在思考或者输入的状态，那 TA 是怎么做的呢？
因为涉及到聊天，所以作为前端来说第一想到的是需要升级 http 协议为 websoket，然后通过服务端广播，客户端监听接收来实现；
然而并不用这么麻烦！！！重点来了！！！👇
OpenAI API 是一个字一个字生成的边生成边输出，接口返回的是 generator 格式，也就是流式文本数据。
通常来说普通的 http 请求我们会设置 content-type:application/json，也就是是获取带有结构体的 json 数据，如果在这种请求场景下，你让 TA 写一篇长篇小说，那得等很久才能看到结果～，因为数据量太大了而且需要计算，等接口返回的时候是所有数据加载完的结果。
如果是 generator 格式，对应的 content-type:application/octet-stream，那么通过 ES6 中的 async/await 关键字以及 fetch API来接收 generator 对象并将其循环输出到网页上即可（下面是 ChatGPT 给出的示例代码）：
其实流对于前端来说并不陌生，很多文件的下载都是基于流文件处理的，但是这种 generator 的结构我是第一次有场景用到，所以感觉还挺有意思的～
简单放了 generator 的动图，因为有大小限制所以不太清晰，文末有完整小程序体验链接码，感兴趣的可以扫码体验下
上图可以看到左侧文字一直在输出，右侧接口请求 response 并没有内容，只是 time 一直在 pendding
3.利用 ChatGPT 写代码
其实对于开发来讲，TA 比查文档解决问题的效率高的不是一点半点，注解比某些官方文档写的都细致，比如
下面是用python 生成微信 js-sdk 签名的代码示例：
个人觉得比微信文档写的要清楚多了…
效果演示
ChatGPT 项目体验
微信小程序搜索“猿记忆”或者扫下面二维码即可体验（入口放到了小程序首页）👇
上面是一个开放的小程序作为示例体验，回答的问题可能比较基础，没有针对某个行业做单独训练，模型比较干净👆；朋友公司是保险行业，已经用这个训练出保险行业的数字人，据说已经训练了上百万条数据，期待最近能有好的收获，但是由于数据比较敏感只能贴几张图（已训练好行业模型的示例）👇。
训练好的模型已经支持文本、图片、视频、文件等
ChatGPT 发展前景
未来每个行业可能都会需要训练出一个专属的模型，来做一些重复性的低级别的工作，来提效降成本，所以所有参与者，开发者未来都会充当一个调参师的角色，所以高效的训练模型是未来 B 端业务值得做的一件事。
总结
说了这么多，目前还没有看到某个行业广泛使用，基本上都是图个新鲜在观望，那原因我分析现在有两个门槛摆在开发者面前，一个是国内未开放，要接入到国内成本还是比较高的，另外一个是行业数据手动训练的成本也很高，所以希望百度能够解决这两个问题，还是很期待三月份文心一言的上线，到时候体验体验👊
以上都是周末短时间内的个人理解，如有错误欢迎评论指正～
本文正在参加 ✍🏻 技术视角深入 ChatGPT 征文活动
