焦点讯息：全网最详细中英文ChatGPT-GPT-4示例文档-类比语句智能生成从0到1快速入门——官网推荐的48种最佳应用场景（附python/node.js/curl命令源代码，小白也能学）
【资料图】
- Introduce 简介
- setting 设置
- Prompt 提示
- Sample response 回复样本
- API request 接口请求
- python接口请求示例
- node.js接口请求示例
- curl命令示例
- json格式示例
- 其它资料下载
ChatGPT是目前最先进的AI聊天机器人，它能够理解图片和文字，生成流畅和有趣的回答。如果你想跟上AI时代的潮流，你一定要学会使用ChatGPT。如果你想了解OpenAI最新发布的GPT-4模型，以及它如何为ChatGPT聊天机器人带来更强大的功能，那么你一定不要错过OpenAI官网推荐的48种最佳应用场景，不管你是资深开发者、初学者，你都能够从0到1快速入门，并掌握他们。
在这个AI大时代，如果不想被人颠覆，就要先颠覆别人。如果你颠覆不了别人，那你就努力运用ChatGPT提高你的技术水平和创造力。
我们在写文章时，为了生动化一些事物，会经常使用类比的方法，将一类事物比喻成其它更加形象的事物，从而加强事物给到我们的感受。ChatGPT可以帮助我们快速准确地生成多种类比语句，有助于我们增强创作效率，并产生更多高质量的、极富创造力的想法。
Introduce 简介
Analogy maker 生成类比Create analogies. Modified from a community prompt to require fewer examples.创造类比。从社区提示修改为需要更少的示例。
setting 设置
Engine： text-davinci-003Max tokens：60Temperature：0.5Top p：1.0Frequency penalty：0.0Presence penalty：0.0
说明：0、
Engine设置定义了你要使用的模型，例如 text-davinci-003是一个文本生成模型。这种模型可以根据输入的文本，生成新的、相关的文本。1、Max tokens是指在请求中最多允许返回的 token 数目，比如你可以指定 chatGPT 返回最多60个 token。这可以帮助你控制输出的内容大小，以便更好地控制响应速度和结果。一般1个token约4个字符或者0.75个单词2、Temperature是一个参数，用于控制 chatGPT 的输出。它决定了 chatGPT 在生成文本时会多么“随意”。值越高，chatGPT 生成的文本就越不可预测；值越低，chatGPT 生成的文本就越可预测。它在0.0到2.0之间，Temperature设置为0意味着ChatGPT将会生成更加保守的回复，即更少的随机性和更多的准确性，这可以帮助你在聊天中更好地控制语义，并且可以防止ChatGPT产生不相关的内容。通常建议更改此值或Top P，但不要同时更改这两个值。3、Top p是随温度采样的替代方案，称为核采样，其中模型考虑具有top_p概率质量的标记的结果。因此0.1意味着仅考虑包括前10%概率质量的记号。通常建议更改此值或temperature，但不要同时更改这两个值。4、Frequency penalty是指在训练时，模型会根据词频来调整每个单词的重要性。它可以帮助模型更好地理解文本，并减少过拟合。介于-2.0和2.0之间的数字。正值会根据新标记在文本中的现有频率惩罚新标记，从而降低模型逐字重复同一行的可能性。Frequency penalty设置为0意味着模型不会对重复的词进行惩罚。它可以帮助模型生成更多的新词，而不是重复使用已有的词。5、Presence penalty是指在ChatGPT中，一些预先定义的条件或者状态可能会影响机器人回答的质量，介于-2.0和2.0之间的数字。正值会根据新标记到目前为止是否出现在文本中来惩罚它们，从而增加模型谈论新主题的可能性。如果将 Presence penalty 设置为 0，则表示不会有任何惩罚。
Prompt 提示
Create an analogy for this phrase: 为这个短语打个比方：Questions are arrows in that: 问题是箭头，其中：
Sample response 回复样本
Questions are like arrows in that they both have the power to pierce through the surface and uncover the truth that lies beneath.问题就像箭一样，它们都有穿透表面的力量，揭示隐藏在表面之下的真相。
API request 接口请求
python接口请求示例
import osimport openaiopenai.api_key = os.getenv("OPENAI_API_KEY")response = openai.Completion.create( model="text-davinci-003", prompt="Create an analogy for this phrase:\n\nQuestions are arrows in that:", temperature=0.5, max_tokens=60, top_p=1.0, frequency_penalty=0.0, presence_penalty=0.0)node.js接口请求示例
const { Configuration, OpenAIApi } = require("openai");const configuration = new Configuration({ apiKey: process.env.OPENAI_API_KEY,});const openai = new OpenAIApi(configuration);const response = await openai.createCompletion({ model: "text-davinci-003", prompt: "Create an analogy for this phrase:\n\nQuestions are arrows in that:", temperature: 0.5, max_tokens: 60, top_p: 1.0, frequency_penalty: 0.0, presence_penalty: 0.0,});curl命令示例
curl https://api.openai.com/v1/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer $OPENAI_API_KEY" \ -d "{ "model": "text-davinci-003", "prompt": "Create an analogy for this phrase:\n\nQuestions are arrows in that:", "temperature": 0.5, "max_tokens": 60, "top_p": 1.0, "frequency_penalty": 0.0, "presence_penalty": 0.0}"json格式示例
{ "model": "text-davinci-003", "prompt": "Create an analogy for this phrase:\n\nQuestions are arrows in that:", "temperature": 0.5, "max_tokens": 60, "top_p": 1.0, "frequency_penalty": 0.0, "presence_penalty": 0.0}其它资料下载
如果大家想继续了解人工智能相关学习路线和知识体系，欢迎大家翻阅我的另外一篇博客《重磅 | 完备的人工智能AI 学习——基础知识学习路线，所有资料免关注免套路直接网盘下载》这篇博客参考了Github知名开源平台，AI技术平台以及相关领域专家：Datawhale，ApacheCN，AI有道和黄海广博士等约有近100G相关资料，希望能帮助到所有小伙伴们。
