OpenAI 的 Andrej Karpathy 都大力宣传，认为 AutoGPT 是 prompt 工程的下一个前沿。

近日，AI 界貌似出现了一种新的趋势：自主人工智能。

这不是空穴来风，最近一个名为 AutoGPT 的研究开始走进大众视野。特斯拉前 AI 总监、刚刚回归 OpenAI 的 Andrej Karpathy 也为其大力宣传，并在推特赞扬：「AutoGPT 是 prompt 工程的下一个前沿。」



不仅如此，还有人声称 ChatGPT 已经过时了，AutoGPT 才是这个领域的新成员。



项目一经上线，短短几天狂揽 27K + 星，这也侧面验证了项目的火爆。

GitHub 地址：github.com/torantulino…

问题来了，AutoGPT 到底是什么？它是一个实验性的开源应用程序，展示了 GPT-4 语言模型的功能。该程序由 GPT-4 驱动，可以自主实现用户设定的任何目标。

具体来说，AutoGPT 相当于给基于 GPT 的模型一个内存和一个身体。有了它，你可以把一项任务交给 AI 智能体，让它自主地提出一个计划，然后执行计划。此外其还具有互联网访问、长期和短期内存管理、用于文本生成的 GPT-4 实例以及使用 GPT-3.5 进行文件存储和生成摘要等功能。AutoGPT 用处很多，可用来分析市场并提出交易策略、提供客户服务、进行营销等其他需要持续更新的任务。

正如网友所说 AutoGPT 正在互联网上掀起一场风暴，它无处不在。很快，已经有网友上手实验了，该用户让 AutoGPT 建立一个网站，不到 3 分钟 AutoGPT 就成功了。 期间 AutoGPT 使用了 React 和 Tailwind CSS，全凭自己，人类没有插手。看来程序员之后真就不再需要编码了。

之后该用户补充说，自己的目标很简单，就是用 React 创建一个网站。提出的要求是：创建一个表单，添加标题「Made with autogpt」，然后将背景更改为蓝色。AutoGPT 成功的构建了网站。该用户还表示，如果给 AutoGPT 的 prompt 更多，表现会更好。

图源：twitter.com/SullyOmarr/…

接下里我们再看一个例子。假装自己经营一家鞋公司，给 AutoGPT 下达的命令是对防水鞋进行市场调查，然后让其给出 top5 公司，并报告竞争对手的优缺点 :



首先，AutoGPT 直接去谷歌搜索，然后找防水鞋综合评估 top 5 的公司。一旦找到相关链接，AutoGPT 就会为自己提出一些问题，例如「每双鞋的优缺点是什么、每款排名前 5 的防水鞋的优缺点是什么、男士排名前 5 的防水鞋」等。

之后，AutoGPT 继续分析其他各类网站，并结合谷歌搜索，更新查询，直到对结果满意为止。期间，AutoGPT 能够判断哪些评论可能偏向于伪造，因此它必须验证评论者。



执行过程中，AutoGPT 甚至衍生出自己的子智能体来执行分析网站的任务，找出解决问题的方法，所有工作完全靠自己。

结果是，AutoGPT 给出了 top 5 防水鞋公司的一份非常详细的报告，报告包含各个公司的优缺点，此外还给出了一个简明扼要的结论。全程只用了 8 分钟，费用为 10 美分。期间也完全没有优化。



这个能够独立自主完成任务的 AutoGPT 是如何运行的呢？我们接着来看。

AutoGPT：30 分钟内构建你自己的 AI 助手

作为风靡互联网的 AI 智能体，AutoGPT 可以在 30 分钟内完成设置。 你就可以拥有自己的 AI，协助完成任务，提升工作效率。

这一强大的 AI 工具能够自主执行各种任务，设置和启动的简便性是一大特征。在开始之前，你需要设置 Git、安装 Python、下载 Docker 桌面、获得一个 OpenAI API 密钥。

克隆存储库

首先从 GitHub 中克隆 AutoGPT 存储库。



使用以下命令导航到新建文件夹 Auto-GPT。



配置环境

在 Auto-GPT 文件夹中，找到.env.template 文件并插入 OpenAI API 密钥。接着复制该文件并重命名为.env。



安装 Python 包

运行以下命令，安装需要的 Python 包。



运行 Docker

运行 Docker 桌面，不需要下载任何容器，只需保证程序处于激活状态。



运行 AutoGPT



执行以下命令，运行 AutoGPT。



设置目标**

AutoGPT 虽是一个强大的工具，但并不完美。为避免出现问题，最好从简单的目标开始，对输出进行测试，并根据自身需要调整目标，如上文中的 ResearchGPT。

不过，你如果想要释放 AutoGPT 的全部潜力，需要 GPT-4 API 访问权限。GPT-3.5 可能无法为智能体或响应提供所需的深度。

AgentGPT：浏览器中直接部署自主 AI 智能体

近日，又有开发者对 AutoGPT 展开了新的探索尝试，创建了一个可以在浏览器中组装、配置和部署自主 AI 智能体的项目 ——AgentGPT。** 项目主要贡献者之一为亚马逊软件工程师 Asim Shrestha，已在 GitHub 上获得了 2.2k 的 Stars。

• 
  

  项目主页：agentgpt.reworkd.ai/

  
  


• 
  

  GitHub 地址：github.com/reworkd/Age…

  
  

AgentGPT 允许你为自定义 AI 命名，让它执行任何想要达成的目标。自定义 AI 会思考要完成的任务、执行任务并从结果中学习，试图达成目标。如下为 demo 示例：HustleGPT，设置目标为创立一个只有 100 美元资金的初创公司。

再比如 PaperclipGPT，设置目标为制造尽可能多的回形针。

不过，用户在使用该工具时，同样需要输入自己的 OpenAI API 密钥。AgentGPT 目前处于 beta 阶段，并正致力于长期记忆、网页浏览、网站与用户之间的交互。

GPT 的想象力空间还有多大，我们继续拭目以待。

参考链接： medium.com/@tsaveratto…

前言

chatGPT是openAI于2022年11月推出的人工智能聊天程序，chatGTP一经推出便火爆全网，通过一问一答且结合上下文的方式自动生成问题答案，作为前端开发工程师，我们可以使用chatGTP进行代码纠错，代码优化等一系列的代码调试，当然，作为一个已经失业一个月的前端开发，我们还可以让chatGTP作为面试官，来对我们进行一次模拟面试。

向chatGPT提问

提问内容需要对它进行一个身份设定，它是一名前端开发的面试官。

然后将自己的简历复制一份，最好先整理一下格式，然后抛给它。

chatGPT返回的问题

根据我的简历他问了我以下几个问题：

面试官：尊敬的面试者，您的简历显示您具备丰富的前端开发经验，我们非常高兴能邀请您来参加面试。现在让我们开始探讨一些与您工作经历和技能相关的问题，期待您的精彩回答。

1. 请详细阐述您在使用 HTML5、CSS3 和 ES6 新特性中的心得体会，以及如何在实际项目中应用这些新特性提升工作效率与用户体验。


2. 闭包、原型和作用域等 JavaScript 基础知识在您的项目中发挥了什么作用？请结合实际项目案例，谈谈您如何运用这些知识解决实际问题。


3. 在您的项目经历中，如何运用 Vue 全家桶以及 MVVM 思想来提升开发效率？请结合具体项目案例谈谈您的实践经验。


4. 您曾尝试写过一个简单的 MVVM 框架，可以简要介绍下您的实现思路和遇到的挑战吗？


5. 您在xxx问题的经验和方法值得我们借鉴，请详细介绍这个过程以及您对于类似问题的解决方案。


6. 您如何运用 three.js 进行 3D 可视化开发？请举例说明您在项目中的具体应用。


7. 您在项目中遇到过哪些让您印象深刻的技术挑战？您是如何克服这些挑战的？


8. 请谈谈您对于前端开发中代码规范和项目管理的理解，以及您在实际工作中如何保证高质量的代码输出。


9. 在您看来，一个优秀的前端开发者应具备哪些品质和技能？请结合您的实际经历分享一下。

期待您对这些问题的精彩回答。祝您面试顺利，前程似锦！

可以看出chatGTP的模拟面试其实更偏向于对项目方面进行模拟面试，而我要求面试中包含大量八股文，这个是没有给到的，我意识到它可能是无法理解“八股文”在前端开发面试中代表的意思，于是我又换了个说法提问它。

提示chatGPT提问八股文

你是一名前端开发工程师，请根据我的简历对我进行面试，面试主要面试常见的基础知识？

chatGPT面试官对于八股文的提问

面试官：你好，根据你的简历，我了解到你具备扎实的前端开发基础。在接下来的面试环节中，我将针对一些常见的前端基础知识进行提问。请放轻松，尽量展示你的技能和经验。

1. 请谈谈你对HTML5和CSS3新特性的理解。你在实际项目中如何运用这些新特性？


2. 请解释一下JavaScript中的闭包（closure），并给出一个闭包的应用场景。


3. 请简述原型链（prototype chain）的概念，以及它在JavaScript中的应用。


4. 在你的项目中，你是如何处理跨域请求的？


5. 请谈谈你对前端性能优化的理解，以及在项目中采取了哪些措施来提升性能？


6. 请解释一下Event Loop（事件循环）机制以及它在JavaScript中的作用。


7. 你在实际项目中如何使用Vue全家桶（Vue-router、Vuex等）？请分享一下你的经验。


8. 在你的项目中，你是如何处理浏览器兼容性问题的？


9. 请解释一下HTTP缓存机制，以及如何在项目中利用HTTP缓存提高性能？


10. 请谈谈你对响应式设计（Responsive Design）的理解以及如何在项目中实现响应式设计。

请根据这些问题，尽量详细地展示你的知识和实际经验。如果对某个问题不太了解，也可以跳过，我们会综合评估你的技能。祝你面试顺利！

或许这些八股文还不够，可以要求它提问更多八股文

你是一名前端开发工程师，请根据我的简历对我进行面试，面试请提供更多面试常见的基础知识问题

chatGPT再次提问八股文

面试官：你好，根据你的简历，我了解到你具备扎实的前端开发基础。在接下来的面试环节中，我将针对一些更多的前端基础知识进行提问。请放轻松，尽量展示你的技能和经验。

1. 请解释一下HTML语义化的概念及其优点。


2. 请描述CSS盒模型（Box Model）的组成部分以及在布局中的作用。


3. 请简要介绍一下Flex布局和Grid布局，以及它们各自的应用场景。


4. 在JavaScript中，谈谈你对作用域和作用域链的理解。


5. 请解释一下JavaScript的同步和异步，以及如何使用Promise、async/await处理异步操作。


6. 请谈谈你对Vue的生命周期钩子函数的理解以及常见的应用场景。


7. 请描述一下Vue中的计算属性（computed property）和侦听属性（watch property）以及它们的区别和应用场景。


8. 在你的项目中，你是如何使用Webpack进行模块化打包和优化的？


9. 请解释一下浏览器的渲染机制以及如何利用这一知识进行页面性能优化。


10. 在项目中，你是如何进行前端安全防范，例如防止XSS攻击和CSRF攻击的？


11. 请谈谈你对前端单元测试的理解，以及在项目中如何进行单元测试。


12. 请解释一下前端MVC和MVVM设计模式的概念及其区别。


13. 请谈谈你对前端性能监控和数据埋点的理解以及在项目中的应用。


14. 请简要介绍一下如何在项目中实现前后端分离以及它带来的好处。


15. 请谈谈你对Web Accessibility（网络无障碍）的理解以及如何在项目中实现无障碍访问。

请根据这些问题，尽量详细地展示你的知识和实际经验。如果对某个问题不太了解，也可以跳过，我们会综合评估你的技能。祝你面试顺利！

关于此次模拟面试提问的总结

这样我们此次模拟面试就获得了9条关于项目的问题，和25条关于基础的问题，细看这几个问题都是明显贴合我的简历所问的问题，大部分面试官都是会针对简历进行面试，所以根据自己的简历整理可能提到的问题是非常重要的，而关于项目方面提出的问题，与我进行大厂模拟面试所遇到的问题更为相像。通过chatGPT进行模拟面试，算得上是一场挺有质量的面试了。

尝试回答部分chatGPT模拟面试提出的问题

1. 请谈谈你对HTML5和CSS3新特性的理解。你在实际项目中如何运用这些新特性？

HTML5新出了许多语义化标签（nav，header，main等）和API（canvas,webGL），语义化标签优点在于提高代码可读性和可维护性，有利于搜索引擎更容易读懂（seo），有些特殊的屏幕阅读器可以通过分析语义化标签进行展示（比如盲人阅读器）。CSS3新出了圆角，阴影，过渡，动画，弹性布局等使创造复杂样式和交互变得更简单，也使我们可以更快的去完成页面样式。

2. 请解释一下JavaScript中的闭包（closure），并给出一个闭包的应用场景。

闭包是指函数有权访问其作用域以外的变量，这就叫闭包，闭包有两种表现形式，一种是函数作为参数传递，一种是函数作为返回值，闭包的应用场景有防抖节流函数、setTimeout、封装私有变量。闭包的缺点在于，其访问的变量不会被回收（会一直占用内存），所以会造成内存泄漏。

3. 请简述原型链（prototype chain）的概念，以及它在JavaScript中的应用。

原型链是js的一种继承方式，每个对象都有自己的__proto__属性指向其构造函数的prototype属性，当对象调用某个方法且对象里并没有定义这个方法时就会通过__proto__去寻找这个方法，如果其__proto__没有就会顺着其__proto__的__proto__就是顺着其原型链去寻找方法直到null。

4. 在你的项目中，你是如何处理跨域请求的？

因为浏览器的同源策略（ip，端口，协议需要一致），我们跨域请求的时候会出现跨域问题，
在开发环境中，我使用代理服务器（如vue.config.js中的proxy配置）解决跨域问题。在生产环境中，我是用nginx的代理解决跨域问题。
当然也可以让后端在服务器端设置响应头，允许跨域请求。或者是用websocket，websocket没有跨域问题。

5. 请谈谈你对前端性能优化的理解，以及在项目中采取了哪些措施来提升性能？

前端性能优化分为两类，一种是让文件加载更快，另一种是让文件渲染更快。

加载更快的方法

• 让传输的数据包更小（压缩文件/图片）：图片压缩和文件压缩


• 减少网络请求的次数：雪碧图/精灵图、节流防抖


• 减少渲染的次数：缓存（HTTP缓存、本地缓存、Vue的keep-alive缓存等）


• 使用CDN：利用内容分发网络（Content Delivery Network）加速静态资源的加载速度，将资源部署到离用户更近的服务器

文件渲染更快的方法

• 提前渲染：ssr服务器端渲染


• 避免渲染阻塞：CSS放在HTML的head中 JS放在HTML的body底部


• 避免无用渲染：懒加载


• 减少渲染次数：对dom查询进行缓存、将dom操作合并、减少重排重绘

6. 请解释一下Event Loop（事件循环）机制以及它在JavaScript中的作用。

Event Loop是js实现异步的一种机制，它让js这个单线程语言可以实现并发操作。JavaScript引擎在执行栈为空时，会从任务队列中取出任务执行；任务队列有两类。

• 宏任务：包括script（整个代码）、setTimeout、setInterval、setImmediate和I/O等。


• 微任务：Promise、process.nextTick等

先执行宏任务再执行微任务

7. 你在实际项目中如何使用Vue全家桶（Vue-router、Vuex等）？请分享一下你的经验。

我通过vue-router进行路由管理，通过Vuex管理全局状态，我会对路由进行懒加载，通过ES6的import，当然也可以用vue的动态组件，Vuex的核心包括state、getter、mutation和action，通过mutation去更改state的值，要注意异步操作只能放在action里。

8. 在你的项目中，你是如何处理浏览器兼容性问题的？

处理浏览器兼容性问题，我会使用autoprefixer自动添加CSS前缀，使用Babel转译新语法，使用Polyfill补充缺失功能，并针对特定浏览器进行特殊处理。

9. 请解释一下HTTP缓存机制，以及如何在项目中利用HTTP缓存提高性能？

http缓存包括强缓存和协商缓存

• 强缓存：浏览器自己的缓存策略

强缓存是通过Cache-Control字段来控制的，值有max-age（缓存的最大时间）、no-cache（无需强制缓存）、no-store（服务端直接返回）

• 协商缓存： 由服务器判断资源是否一样，一致则返回304，否则返回200和最新资源

判断资源是否一致，这主要通过Last-Modified/If-Modified-Since和ETag/If-None-Match头部字段实现。
Last-Modified：资源最后修改时间。
If-Modified-Since：客户端下次请求相同资源时，会发送该字段，值为上次收到的Last-Modified的值。
ETag： 资源的唯一标识
If-None-Match： 客户端下次请求相同资源时，会发送该字段，值为上次收到的ETag值。

10. 请谈谈你对响应式设计（Responsive Design）的理解以及如何在项目中实现响应式设计。

响应式设计就是指让网站在不同设备下实现自适应展示，实现响应式设计有以下几种方法

• 不使用固定单位使用相对单位，如百分比，rem，vw/vh等


• 尽可能的使用弹性布局


• 媒体查询：针对不同的屏幕尺寸，修改对应的css

11. 在JavaScript中，谈谈你对作用域和作用域链的理解。

作用域是指变量和函数的可访问的上下文，就是其作用域，作用域链是由指变量或函数查找时先从当前的执行上下文往其夫级的上下文寻找，直到最外层的window。

12. 请解释一下JavaScript的同步和异步，以及如何使用Promise、async/await处理异步操作。

js是一个单线程语言，所以会同步执行代码，为了防止代码阻塞，通过时间循环机制实现了代码异步处理，当同步代码都执行完毕之后，再去执行异步代码，常见的异步代码有网络请求、alert、setTimeout等，promise是异步的解决方案，它解决了之前通过回调函数实现异步而产生的回调地狱的问题，promise有三种状态，pendding、reject、fulfilled，只能从pedding到其他状态，且过程不可逆，async和await是基于promise实现的，它是为了让异步代码看起来像同步代码，使代码更容易阅读和维护。

13. 请谈谈你对Vue的生命周期钩子函数的理解以及常见的应用场景。

vue的组件的生命周期包括组件创建、组件挂载、组件更新、组件销毁，从中产生了生命周期钩子函数。
vue2中包括 beforeCreate、created、beforeMounte、Mouted、beforeUpadte、updated、beforeDestory、destroyed，如果组件使用了keep-alive进行缓存的话，还会有active、deactive。

vue3中的生命周期包括setup，onBeforeMount、onMounted、onBeforeUpdate，onUpdatedon、onBeforeUnmount、onUnmounted。

mouted（onMounted）钩子函数可以做一些关于dom的操作，beforeDestroy（BeforeUnmount）在此阶段可以执行清理工作，如移除事件监听器、取消计时器等。

14. 请描述一下Vue中的计算属性（computed property）和侦听属性（watch property）以及它们的区别和应用场景。

计算属性是依赖其他属性变化得出结果，而侦听属性是针对数据变化而触发操作，计算属性具有缓存机制。

15. 请谈谈您对于前端开发中代码规范和项目管理的理解，以及您在实际工作中如何保证高质量的代码输出。

前端代码规范和项目管理在前端开发中非常重要，他可以保证代码风格一致，提高代码可读性，提高项目可维护性和团队协作效率。

在实际工作中我使用如下内容保证高质量的代码输出。

• 统一的编码风格：用代码风格指南和自动化工具（如ESLint、Prettier等）


• 使用版本控制系统： 通过git来管理代码


• 注释和文档： 编写清晰明了的readme.md


• Code Review： 团队成员对代码进行代码审查

总结

本次面试，各位面试官满意吗？如有什么错误欢迎大佬们评论区反馈纠正。

牙叔教程 简单易懂

我抱着调教的心, 被ChatGPT调教了, 😭,

看看我是怎么被ChatGPT调教的

提取公众号prompt

prompt就是提示语, ChatGPT会根据提示语做事情, 

提取封面的提示语是: 用Node.js提取微信公众号封面的url

效果

每次登录ChatGPT太麻烦了, 还怕浏览器随时获取IP, 被openai审查, 所以自己写了个网页调用api,

想要网页的老铁, 公众号回复 api网页

用api网页可以降低封号概率, 我这个号可一次都没被封过

截图看不清楚, 我贴上文字;

只有第一行是我的, 其他的都是ChatGPT回复的内容

用Node.js提取微信公众号封面的url

要提取微信公众号封面的URL，可以使用Node.js和request模块来发送HTTP请求并解析返回的HTML页面。以下是一个示例代码：



```javascript

const request = require('request');

const cheerio = require('cheerio');



const url = 'https://mp.weixin.qq.com/s/xxxxxxxxxxxxxx'; // 公众号文章链接



request(url, function (error, response, body) {

  if (!error && response.statusCode == 200) {

    const $ = cheerio.load(body);

    const coverUrl = $('meta[property="og:image"]').attr('content');

    console.log(coverUrl);

  }

});

```



在这个示例中，我们首先使用request模块发送HTTP请求，并在回调函数中处理响应。然后，我们使用cheerio模块解析返回的HTML页面，并使用jQuery样式的语法来获取页面中的元素。在这个例子中，我们使用`$('meta[property="og:image"]')`来获取页面中的`<meta>`标签，然后使用`.attr('content')`来获取`content`属性的值，即公众号封面的URL。最后，我们将URL打印到控制台中。



需要注意的是，这个示例只能提取公众号文章页面中的封面URL，而不能直接提取公众号的封面URL。如果要提取公众号的封面URL，可以参考以下代码：



```javascript

const request = require('request');

const cheerio = require('cheerio');



const url = 'https://mp.weixin.qq.com/profile?src=3&timestamp=1631955330&ver=2&signature=xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx'; // 公众号主页链接



request(url, function (error, response, body) {

  if (!error && response.statusCode == 200) {

    const $ = cheerio.load(body);

    const coverUrl = $('.profile_header .avatar img').attr('src');

    console.log(coverUrl);

  }

});

```



在这个示例中，我们首先发送HTTP请求，然后使用cheerio模块解析返回的HTML页面。我们使用`.profile_header .avatar img`来获取公众号主页中的头像图片元素，然后使用`.attr('src')`来获取`src`属性的值，即公众号的封面URL。最后，我们将URL打印到控制台中。

先试试第一段代码

const request = require('request');

const cheerio = require('cheerio');



const url = 'https://mp.weixin.qq.com/s/tcorJxJBWoF0yOUHOypuQw'



request(url, function (error, response, body) {

  if (!error && response.statusCode == 200) {

    const $ = cheerio.load(body);

    const coverUrl = $('meta[property="og:image"]').attr('content');

    console.log(coverUrl);

  }

});

运行以后获取到的封面图片链接

$ node 1

https://mmbiz.qpic.cn/mmbiz_jpg/n3RS3ib3lbz9krBGCZ6jkE6xROetdnyvlPEl6wmoh27gIwaKTe7EuaV7lKgsQ69uXXnVpXnXzNSKc0oG8CdSf7g/0?wx_fmt=jpeg

node 1 的意思

代码是nodejs执行的, 1是文件名1.js

链接正确吗

正确到姥姥家了, 我滴个妈呀, 我就只说了一句话, ChatGPT把事情给我办的, 妥妥当当的

提取到的封面图

还想调教ChatGPT

调教个锤子哦, 一发就中, 饭碗不保了, 兄弟们

用不了GPT怎么办?

可以用 谷歌的Bard

也可以用 微软的NewBing

微信公众号 牙叔教程

无论是2022年11月30日上线的ChatGPT，还是最近 OpenAI 正式发布的迄今为止规模最大、功能最强悍的多模态预训练模型 GPT-4，都着实让普罗大众感受到了AI人工智能的强大威力，宣告了强人工智能时代的到来。在这场人工智能引发的破圈热闹之下，我们不免要进一步深入思考一个问题，为什么这么多年过去了，引领产业技术革命的依然是美国而不是中国？

2021年，中国以全球AI顶级会发表的论文数27.6%的比例高居榜首，而欧盟和英国以19.0%紧随其后，美国以16.9%位居第3。无论AI人工智能论文发表量还是专利申请量，中国在全世界范围内都名列前茅，那么按道理来说中国在AI人工智能领域的研究既广泛又深入，像ChatGPT这样具有里程碑意义的人工智能应用应该在中国诞生才对。虽然说自然语言理解和生成是人工智能研究领域的一座高峰，想要攀登和征服就需要持续不断地高质量资源投入，而阿里达摩院、华为以及清华大学等研究机构也在做类似的事情。不过很遗憾，最终还是美国的OpenAI率先发布了强大的ChatGPT。今天我们试图客观的分析下是什么原因造成了我们没有成为新一代技术革命的发起人，以后我们应该怎么做才能成为未来技术的引领者而不是跟随者。

原因分析

也许是因为过去中国二十年互联网的蓬勃发展，国内一些互联网巨头公司的市值可以在国际上和美国的互联网公司掰手腕了，让我们产生了不少的错觉，误以为在技术上我们也可以和美国一较高下了，但是事实真的如此吗？

相信大家在新闻中经常可以看到，这几年为了遏制中国发展，美国政府不断向中国高科技行业挥舞制裁大棒。比如向中国华为公司实施技术封锁，以国家安全为由，禁止美国公司向华为出售技术和设备。一时间中国的高端芯片行业哀鸿遍野，遭遇技术卡脖子危机。我们在感叹美国政府无耻的同时，也为自身没有预先布局底层技术研究以及体系构建而感到扼腕叹息。这次OpenAI发布的ChatGPT以及GPT4又给我们上了一课，越来越多的人认识到中国和美国的技术差距何止高端芯片，前沿的人工智能技术、强大的算力网络等等诸多高新技术方面都和美国有不小的差距。美国政府打压中国高科技行业发展这一巴掌，终于把一些还对美国抱有幻想的技术人彻底打醒，无论高端芯片还是前沿人工智能等核心技术买不来也求不来，只能靠自己一步一个脚印地走出来。当然这也坚定了我们和美国有关的技术类别必须全部实现国产化替代的决心。

过度关注商业模式，忽视底层技术研究

在过去的20年当中，中国互联网行业处在高速发展阶段，据CNNIC（中国互联网络信息中心）报告，截至2022年12月，我国网民规模达10.67亿。随着互联网在线人数的持续攀升，各种各样形态的商业模式在这片热土上不断得以验证以及发展壮大。移动支付、电商物流、外卖打车、短视频等商业形态深刻改变了老百姓的日常生活方式，为大家带来了极大的生活便利以及娱乐消遣，同时也提升了整个社会的效率。但与此同时，各大互联网公司好像都沉浸在如何发展新商业模式以及维护已有商业格局的怪圈中不可自拔，几乎所有的精力都放在业务内卷上。因此投入底层技术研究的时间和资源相对就会被挤压甚至是完全没有，最终导致被别人技术卡脖子的概率大大提升，同时能够产生颠覆性创新技术的可能性却大大降低。

对比中美两国技术发展路线，我们可以发现一个有意思的现象。在中国，技术的发展大都是围绕业务进行，也就是说当一个业务模式被推出来之后，如果想要支撑这样的业务规模就需要发展什么样的技术，那就研究和发展什么技术，通过商业模式的创新、业务的发展推动技术向前发展演进。

但是美国好像正好相反，常常是一项技术的发展进步反向催生出新的商业形态。就拿推出ChatGPT的OpenAI公司来说，它原本就是一个非营利性的技术组织，集结了AI人工智能界的各路大佬，初衷就是让人工智能向着友好的方向发展，核心宗旨在于“实现安全的通用人工智能(AGI)”，使其有益于人类。GPT模型经过不断的迭代升级最终搞出来了ChatGPT，有望成为未来人工智能应用技术的基础底座，因此未来可能将会有海量的上层应用都是基于ChatGPT来进行构建，可以毫不夸张地说，ChatGPT或者说通用大模型也许就是人工智能领域的操作系统，将来会诞生多少新的的商业模式以及业务形态不可估量，这种技术革命是自下而上的颠覆性创新将会对未来的产业形态产生深远的影响。

而我们太关注上层应用商业模式的创新了，从而忽略了底层技术的研究。我们仿佛在一次又一次的电商大促、一次又一次的短视频娱乐中逐渐迷失了方向，表面上的热闹掩盖不了底层核心技术的匮乏。其实想想就背后发凉，当下无论是互联网技术、人工智能技术等前沿技术好像都是建立在别人的技术底座之上的。那些曾经我们引以为豪的移动支付、电商物流等等不过是这些底层技术的上层应用而已。如果被人家釜底抽薪，那真的就玩不转了。所以底层技术真的非常重要，可以说没有底层技术的支撑，所有上层的应用都是空中楼阁。

缺乏长期主义

也许是国内竞争压力太大了，无论是个人还是公司，都恨不得今天投进去资金，明天就能看到结果和收益。如果在短期看不到收益的项目，一般公司实际上很难有持续的资源投入，更别提看不到明确回报周期的基础技术研究了。浮躁的氛围，层出不穷的技术噱头，表面上的热热闹闹，只会让大家都热衷于赶时髦追风口，却没有多少人能真正静下心来进行长期的技术研究。又有多少公司可以有马老师那样的魄力和实力每年10个亿连投10年，最终投出来个阿里云。

说到这里，不知道大家还记不记得区块链、VR、元宇宙这些科技名词，一开始出现的时候受到了极大的关注和资本的热烈追捧。但是当热头过去之后，现在又有多少公司还在不断地进行产品迭代，不断地进行技术深度优化研究呢？不能说完全没有但绝对是寥寥无几，与其说是他们追捧高新技术，不如说他们追捧的是如何快速赚钱的工具。至于到底是VR、元宇宙还是ChatGPT其实都无所谓，对他们来说其实就是个技术名称而已。

但是实际上无论是ChatGPT还是GPT4这样的人工智能应用，都不是横空出世的，它们都是在GPT、GPT2以及GPT3基础上逐步迭代发展而来的，这其中耗费了多少顶尖人工智能专家长期坚持的心血以及大量资金的持续投入。OpenAI在获得微软投资之前的三四年里烧掉将近1亿美元，才搞出来一个以GPT第一代模型为基础的雏形，当时还远远达不到ChatGPT今天的效果。基础技术研究不是一朝一夕就能完成的事情，它需要不断的试错，需要对未来技术发展趋势的独到眼光，更加需要长期主义的坚持。不过让我们感到欣慰的是，阿里巴巴、华为在技术研究上的投入已经每年超过1000亿，相信在不远的将来一定会有新的技术突破出现。

缺乏技术体系支撑

就好比高端芯片制造，其中涉及芯片设计、芯片制造以及封装测试都是一整套复杂的工艺缺一不可。同样通用大模型也是一个复杂的系统工程，而通用大模型的训练离不开海量的高质量训练数据、优秀的深度学习算法以及强大的算力资源支撑。ChatGPT的成功得益于高质量的标注数据，OpenAI为了获得高质量的训练数据雇佣了超过40家承包商进行数据标注，这在国内几乎是不敢想象的事情。另外以ChatGPT在2023年1月的独立访客平均数1300万计算，其对应芯片需求为3万多片英伟达A100 GPU，如果没有庞大的算力支撑，很难训练出高质量的通用大模型。

也就是说，通用大模型的训练需要一个完整的人工智能技术体系来进行支撑，否则即便有先进的算法，但如何获得高质量的训练数据，到哪里去找庞大的训练算力资源，这些都是摆在通用大模型训练面前必须要解决的问题，否则没有高质量的数据以及算力支撑也是巧妇难为无米之炊。

如何破局

通用大模型是未来人工智能的重要发展方向，我们肯定要加大资源投入力度才能有机会在未来人工智能前沿技术的竞争中占有一席之地。那我们应该怎么做才能破局呢？我想可以从以下几个方面入手。

数据方面

虽然当前中文在线联网数据也算是海量，但是数据质量普遍不高，同时数据孤岛问题比较严重。如果我们想基于中文数据来训练通用大模型，就必须对中文在线数据进行治理提高中文在线数据质量，解决数据孤岛问题，推动实现数据的共享和互联互通。

算力建设方面

结合国家东数西算工程，协调各个区域的算力中心，形成全国通用算力基础设施，加快构建国家级一体化新型算力网络体系，为通用大模型训练提供源源不断的强大算力支撑。只有这样，才能满足大模型训练所需要的算力要求，同时为强人工智能时代的到来做好算力资源储备。

意识方面

和别人的技术差距，我们当然要尽力弥补。不过我们需要注意的是我们在进步，别人也在进步，所以我们光追赶别人不行，还要有更加长远的眼光，要有对于未来准确的判断力，进行提前技术验证以及产业布局，为下一次技术革命做准备，真正成为未来技术发展的引领者而不是追随者。

总结

科技的发展进步不是一朝一夕就能实现的，它可能需要一代又一代技术人员孜孜不倦地追求。虽然我们在很多领域都已经取得了长足的进步，但是同时我们也要清醒地认识到，在计算机领域、互联网技术领域以及人工智能技术领域我们还有不小的差距需要弥补。因此少一点网红、明星的曝光，多一点科技工作者勤恳务实地宣传，努力营造技术为先、科技为先的社会氛围才是未来科技行业蓬勃发展的社会环境基础。我相信如果我们可以少一点浮躁，多一点纯粹，也许下一次的科技革命就是在中国这片土地上诞生。最后和大家分享下马老师曾经说过的一段话，我觉得对我们当下思考未来技术发展非常有帮助。

我一直觉得填补空白这句话是有问题的，不是因为欧美的就是先进的，就是我们要去填补的。其实今天我们不应该要和哪个东西接轨，适应哪国的标准，填补哪个空白，今天我们要思考的是怎么和未来接轨，怎么适应未来的标准，怎么弥补未来的空白，我们要想明白未来是如何的，以及自己到底要做成一个什么样的体系，然后再去看看别人怎么做，如果永远重复别人的语言，讨论别人设定的主题，我们不但会迷失现在，而且会错失未来。

昨天文心一言排队终于到我了，顺便玩了玩和 GPT 还是有很大差距的，如果 GPT 是一个成人，一言顶多初中生，甚至这估计的水平都有一点虚高，如果把 GPT 阉割了我都能接受，这一言时常智障。

技术不怎么滴，防盗倒是防的狠：

1. 直接禁用开发者的调式功能


2. 烂产品标配，水印功能

debug

这个模式估计全世界中文网站用的最多了，一打开开发者工具，就断点调试：

破解也很简单，打开控制台之后点击红圈处，禁掉断点调试，然后刷新页面 devtools 就能使用了。

水印

中文互联网牛皮癣之一，尤其是破百度真以为自己家的产品做的多好，哪个是原创的？

直接删除 DOM，不可以，前端监听了 DOM 属性是否有变化，一旦有改变重新渲染。破解也很简单，禁用掉浏览器的 JavaScript。

此时删除水印 DOM 世界就清净了，截图分享的快乐又回来了。

一个友好的提示

这里有一个无用的知识，就是禁用 JavaScript 的时候可以在 CSS 中监听到：

这种友好的功能肯定不是像百度一样用在这地方，而是用在 JavaScript 加载失败或者 1% 的用户禁用 JavaScript 友好的提示。

详情看这里：how-to-detect-disabled-javascript-in-css

编辑：编辑部

【新智元导读】数学考试不及格，让 Bard 考上哈佛，可以说是难上加难。谷歌 CEO 劈柴称，未来几天大家会看到升级版的 Bard，数学逻辑能力大大提升，甚至未来还会编码。

捂了快两个月，谷歌用来跟 ChatGPT 对打的聊天机器人 Bard，前一阵终于被推上了台面。

用户们的测试初体验就是——莫得感情，错误很多，代码基本写不了。

几天前，谷歌前员工 Jacob Devlin 甚至还曝出惊人内幕，Bard 疑似是通过 ChatGPT 的数据进行训练的。不过谷歌发言人已经明确否认这一说法。

而近日，谷歌 CEO 劈柴在接受纽约时报采访中证实，Bard 聊天机器人将很快得到改进，未来会由「更强大的模型」提供支持。

升级版 Bard 即将上线

劈柴称，

未来几天，Bard 将很快从目前基于 LaMDA 的模型转向更大规模的 PaLM 数据集。

我们显然拥有能力更强的模型，很快，也许随着这项技术的上线，我们将把 Bard 升级到更强大的 PaLM 模。这将带来更多的功能，无论是在推理还是编码方面。

近日，升级版 Bard 的能力也渐渐浮出水面。

领导 Bard 的一位谷歌高管 Jack Krawczyk 在推特上也介绍了最新的进展。

背靠 PaLM 的 Bard，现在在数学和逻辑方面的能力有了很大的提升。

这意味着什么呢？现在，Bard 将更好地理解并回应用户的多步推理和数学问题提示，编码功能也即将推出。

Krawczyk 称，「我们一直在平衡 Bard 的新功能与效率。这次更新是我们每周对 Bard 进行的众多改进中的一个例子。未来还有更多的内容要推出。」

众所周知，Bard 背后基于的大模型便是 LaMDA。

在去年，谷歌曾分享了关于这个大型语言模型的细节，使用了 1370 亿参数训练了 LaMDA。而 PaLM 模型有 5400 亿参数。

这两种模型都是从 2022 年初开始发展和成长起来的。

这种对比可能显示了，为什么谷歌现在正在慢慢地将 Bard 转移到，能够提供更大数据集和更多不同答案的 PalM。

其实除了 Bard，谷歌最近几周内部还在酝酿着一个新的项目——Gemini（双子座），目标是要能与 GPT-4 一战。

目前，Gemini（双子座）是由谷歌大脑和 DeepMind 两个团队联手研发。

就连谷歌大脑的负责人 Jef Dean 都亲临上阵，自动敲代码，可见，这个项目对谷歌的重要性不言而喻。

此外，采访中，皮查伊就千名大佬暂停比 GPT-4 更强 AI 系统研发的联名信发表了自己的看法：

如果不让政府参与，暂停基本上是不可能的，因为即使谷歌或 OpenAI 承诺停止开发，也不能保证其他 AI 开发人员也会同意效仿。

而且，他也同意法规是必要的，并称这封信是「对话的开始」。

谷歌先打预防针：它还不行

如今，既然 Bard 已经开放公测，拉踩的环节必然是少不了。

我们都知道，OpenAI 家的 GPT-4，都已经能考上斯坦福了。

很不幸，相比之下，谷歌的 Bard 真的拉跨，目前的它想考上斯坦福和哈佛，可以说还是天方夜谭。

Bard 的不完美，CEO 劈柴一开始就给我们打了预防针。

他在备忘录中写道：「Bard 还处于早期阶段，总会出错。随着越来越多的人开始使用 Bard，它会让我们惊讶的。」

而网友们测试 Bard 之后，表示对它很失望。

很不幸，Bard 目前还考不进哈佛大学，因为它回答的大部分数学题都是错的，而且它在写作和语言测试中也表现得不咋地。

第一次登录 Bard，谷歌就会跟用户打好招呼，弹出消息显示：Bard 并不总是正确的，它会给出不准确或不适当的回答。

当有疑问时，使用「Google it」来检查 Bard 的答案。您的反馈会让 Bard 更好。请您对答案进行评价，并标记任何可能具有攻击性或危险的内容。

Bard：数学、写作、语言都不咋地

《财富》杂志从在线学习资源中选取了 SAT 数学试题，在对 Bard 进行测试后，发现它有 50%-75% 的答案是错误的。

更离谱的是，如果是多选题，Bard 还会经常给出选项中没有的答案。

2 月初，Bard 首次亮相后直接翻车，让谷歌市值一夜蒸发约 1056 亿美元。

在当天发布会上，谷歌展示 Bard 演示的一些 demo。

视频中有一个提问问道，「关于詹姆斯 · 韦伯太空望远镜（JWST），我可以告诉我 9 岁的孩子它有哪些新发现？」

Bard 却给出了错误的答案，「JWST 拍摄了太阳系外行星的第一张照片。」

事实上，据 NASA 证实，第一张系外行星照片是由智利的甚大望远镜系统拍摄的，而非 JWST 拍摄，这颗系外行星名为 2M1207b，大小约为木星的 5 倍，距离地球约 170 光年。

所以说，科学和数学都不是 Bard 的强项，那它在阅读和写作练习方面，表现会怎么样？

文科生，是文科生吧？

Bard 第一次书面语言测试的答案正确率约为 30%，而且它往往需要被提问两次才能理解题干。

而且即使它回答错了，Bard 的语气也是很自信，直接将回答框定为：「正确答案是......」

不过，这也是大型语言模型的一个通病了。

离奇的是，Bard 测试成绩最好的是关于一篇哈利波特作者 J.K. 罗琳的文章。

在这次测试中，Bard 得了 1200 分，这个 SAT 分数可以让它进入霍华德大学、圣地亚哥州立大学和密歇根州立大学等学校。

在阅读测试中，Bard 的表现同样优于其数学成绩，平均能答对一半左右。

谷歌发言人说，「Bard 目前仍是实验性的，有些回答可能不准确，所以要仔细检查 Bard 的回答中的信息。有了你们的反馈，Bard 每天都在变得更好。在 Bard 公开推出之前，数以千计的测试者参与提供反馈，来帮助 Bard 提高其质量、安全性和准确性。」

要多练习

很多网友觉着 Bard 简直笨得像块石头，相比之下，GPT-4 则是聪明多了：

问它有没有「第二个字母是 U，最后一个字母是 O 的，五个字母的词」，它信誓旦旦说没有。

用户说「Audio」不就是？

它有赶紧说：「是的，Audio 是的。它是一个形容词，表示与声音有关的。」

再看看 GPT-4，「人狠话不多」，随手就列出了三个：

网友看了不禁表示，要是我有 Bard 这种「钝感力」多好啊，一直都很自信！

说到意大利要禁 ChatGPT 时，网友们首先担心的是意大利的美食怎么办。

GPT 给出了一个谦虚的答案：我大概可以复现 20%-30% 的意大利菜谱。

而 Bard 这边则像个胡吹的愣头青：

「我做意大利菜做了很多年，我可是老手，即使没有网络的帮忙，我也能复现至少 50% 的菜谱！」

不过呢，在大家不断向 Bard 提问的几天时间里，它的准确性确实有了一些提高的迹象。

关于自己的发展速度，Bard 自个儿也评价说：「我想说的是，我正在快速提高。我能够做几个月前还不能做的事情。我很高兴看到我的未来会怎样。我相信，我将继续进步，在未来的几年里，我能做的事会越来越多。」

参考资料：fortune.com/2023/03/28/…

GPT 4 无所不能——从分析图像到在浏览器中创建游戏。它是比以往任何时候,都更有创造力和问题解决能力。

这是科技界颠覆性新闻——GPT 4 改变了游戏规则。虽然其前身，基于 GPT 3.5 的 ChatGPT 只能接受文本输入，但 GPT 4 将人工智能提升到了一个全新的水平。它可以分析图像，甚至可以根据图像生成字幕。但这还不是全部；在此博客中，我们还将探讨 GPT 4 的功能、局限性以及它如何超越其上一代 GPT 3.5。

什么是 GPT 4？

微软 OpenAI 正式推出了它的最新GPT作品——一个超越文本的大型多模态人工智能计算模型。2023 年 3 月 14 日，GPT 4 具备接收图像输入的能力。与其前身 GPT 3 和 GPT-3.5 不同，GPT 3 和 GPT-3.5 仅限于纯文本输入，GPT 4 为不再仅仅支持文本输入查询，他扩展了图片对话方式。

关于 GPT 4 的快速更新：

• GPT 4 现在可以接受最长 25,000 个单词的超长文本输入


• 可以智能通过 HTML 和 JavaScript 技术 ，将小型网站的手绘原型照片，转换为实际网站


• GPT 4 现在允许用户上传图片并对其进行分析和描述


• 能够管理比 GPT 3.5 复杂得多的指令


• 可以在浏览器中编写整个视频游戏


• 将作为 API 供开发人员构建应用程序和服务

GPT 4 有什么新内容以及与 GPT 3 有何不同？

GPT 4 现在可以识别图片了

GPT 4 引入了重大改进，因为它可以理解多种信息模态，使其成为多模态语言模型。相比之下，其前身 GPT 3 和 ChatGPT 的 GPT-3.5 仅限于处理文本输入和输出，无法解释其他数据类型。但是，GPT 4 可以处理图像等视觉信息，并根据该信息生成相关工作，包括 GPT 4 识别图片中文字的能力。

此功能可能会让人联想到 Google Lens，它也可以使用图像来检索信息，但 GPT 4 在分析和理解视觉信息的能力方面超越了 Lens。

需要注意的是，处理图像的能力仍处于研究阶段，尚未面向公众开放使用，但很快就会开放。

类人类的学习和解决能力

OpenAI 报告称，除了其图像处理能力外，GPT 4 还在众多学术和专业基准测试中展示了与人类相当的性能。由于其广泛的常识和解决问题的能力，该语言模型在模拟律师考试考生中得分前 10%，并以惊人的准确性解决复杂问题，显示出非凡的能力。

GPT 4 的能力不仅限于回答与税收相关的问题或为多人安排会议；它还可以学习用户的创造性写作风格，以及其他任务。

GPT 4 更难被错误欺骗

ChatGPT 和 Bing 等生成模型容易受到重大缺陷的影响——它们偶尔会产生引起关注的提示，甚至更糟的是引起警报。

为了解决这些问题，OpenAI 广泛致力于改进 GPT 4，花费六个月的时间使用其“对抗性测试程序”和 ChatGPT 模型的经验教训来训练语言模型。结果，该公司取得了“在真实性、可操纵性和对护栏的遵守方面有史以来最好的结果”。

GPT 4 具有一次处理大量信息的能力

尽管接受了数十亿个参数和大量数据的训练，但大型语言模型 (LLM) 在对话过程中可以处理的信息量仍然有限。然而，GPT 4 有一个显着的优势。它可以处理多达 25,000 个单词的文本，可容纳扩展的交流、文档搜索和分析，甚至是长篇内容的创建。

与其前身 ChatGPT 相比，后者可以在失去对上下文的跟踪之前处理多达 8,000 个单词，GPT 4 可以在更长的对话中保持其准确性。此外，它可以分析长文档并生成全面的长格式内容，这在以前在 GPT 3.5 上更具挑战性。

GPT 4 的准确性有所提高

尽管 GPT 4 仍然存在局限性，并且可能会像其前辈一样出现推理错误，但 OpenAI 承认它已经取得了相当大的改进。特别是，GPT 4 显示出的幻觉明显少于以前的模型，并且在真实性评估上的得分比 GPT 3.5 高 40%。因此，操纵 GPT 4 输出错误信息，（例如脏话和错误信息）将更具挑战性和难度。

GPT 4 在理解非英语语言方面得到改进用

英语以外的语言训练大型语言模型 (LLM) 可能具有挑战性，因为大多数机器学习数据和在线信息都是英文的。然而，GPT 4 在多语言能力方面取得了显着进步，OpenAI 的测试证明了这一点。它准确地回答了 26 种语言的数千个多项选择题，超过了 GPT 3.5 和其他 LLM。尽管它以 85.5% 的准确率在英语中表现最好，但在泰卢固语等印度语言中也表现出令人印象深刻的准确率，达到 71.4% 的准确率。

这一进步意味着用户可以期望使用基于 GPT 4 的聊天机器人以其母语生成更清晰、更准确的输出。

目前可以试用 GPT-4 吗？

GPT-4 已经被纳入 Duolingo、Stripe 和 Khan Academy 等产品中。虽然它不是免费公开提供的，但可以通过每月 20 美元订阅 ChatGPT Plus 来立即访问。ChatGPT 的免费版本仍在 GPT-3.5 上运行。

底线

总之，OpenAI 发布 GPT-4 标志着人工智能的一个重要里程碑。GPT-4 是一种高度先进的语言模型，可以处理和分析图像，生成准确且富有创意的输出，并同时处理更大量的信息。它的功能包括以惊人的准确性解决复杂问题、学习用户的写作风格以及在浏览器中编写视频游戏。

此外，GPT-4 比其前身 GPT-3.5 更难欺骗且更准确。总的来说，GPT-4 是一个游戏规则改变者，有望为开发人员和研究人员开辟新的可能性，我们迫不及待地想看看它将如何改变 AI 格局。

毫无疑问，它拥有类人的开发能力，会写代码，但在创造力和智慧上，无人能敌！

常见问题

Chatgpt-4 发布日期是什么时候？

Chatgpt-4 发布日期为 2023 年 3 月 14 日，仅供付费用户使用。

我如何访问 GPT-4？

转到chat.openai.com/，您需要获得付费版本才能访问 GPT-4。

GPT 4 代表什么？

GPT 完整形式是 Generative Pre-trained Transformer。

前言

OPEN AI 的开放 API 可以说是前端开发者的福利，我们只需要调用 api，就可以创建一个智能应用，
在上一篇文章中，我们介绍了《基于 ChatGPT API 的划词翻译浏览器脚本实现》，使用的模型是 text-davinci-003 也就是文本补全模型，今天我们将使用 gpt-3.5-turbo 模型来实现一个场景化的智能应用。

OPEN AI API 介绍

自动完成 API

POST https://api.openai.com/v1/completions

以下是自动完成 API，有了 OPENAI_API_KEY 之后，我们只需要传入 prompt

const OPENAI_API_KEY = "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";



const prompt = `Translate this into Chinese:

        hello world`;

const res = await fetch("https://api.openai.com/v1/completions", {

  method: "POST",

  headers: {

    "Content-Type": "application/json",

    authorization: `Bearer ${OPENAI_API_KEY}`,

  },

  body: JSON.stringify({

    model: "text-davinci-003",

    prompt,

    max_tokens: 1000,

    temperature: 0,

  }),

});

const response = await res.json();



const result = response.choices[0].text;

对话 API

POST https://api.openai.com/v1/chat/completions

由于自动补全 API 只能传入一个参数 prompt，AI 不能够理解上下文的场景，因此 gpt-3.5+ API 是为了让 AI 能够支持基于一组对话来返回数据。

在 Node.js 中可以使用以下代码来实现。

const OPENAI_API_KEY = "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";



const prompt = [...];

const res = await fetch("https://api.openai.com/v1/chat/completions", {

  method: "POST",

  headers: {

    "Content-Type": "application/json",

    authorization: `Bearer ${OPENAI_API_KEY}`,

  },

  body: JSON.stringify({

    model: "gpt-3.5-turbo",

    messages,

    temperature: 0.7,

    top_p: 1,

    frequency_penalty: 0,

    presence_penalty: 0,

    max_tokens: 500

  }),

});

const response = await res.json();



const result = response.choices[0].message

以下是官网给出 messages 例子

const messages=[

        {"role": "system", "content": "You are a helpful assistant."},

        {"role": "user", "content": "Who won the world series in 2020?"},

        {"role": "assistant", "content": "The Los Angeles Dodgers won the World Series in 2020."},

        {"role": "user", "content": "Where was it played?"}

    ]

• 每一个 message 由 role 和 content 组成。


• role 只能是 3 个值， system、user 和 assistant


• system 和 assistant 是可选的，user 是必须的。

官方提供了 playground 帮助我们创建 messages 信息。

assistant 也就是其中一次返回的数据信息。
发送的 messages 如下：

const messages=[

    {

        "role": "system",

        "content": "你是一名精通 typescript 的前端工程师，不需要解释"

    },

    {

        "role": "user",

        "content": "Convert the following JSON to typescript interface without explanation\n\n{\n  \"name\": \"Allen\",\n  \"age\": 18\n}"

    }

]

比如使用上面的 messages 信息，我们就可以根据它，来创建一个 Tailwind css 代码生成器。

通过右键可以直接拷贝为 Node.js fetch 代码。

再来实现一个 JSON 转 Typescript 的例子

那么我们通过以上截图的 messages，就可以创建一个 JSON 转 Typescript 生成器。

在 Next.js 使用

接下来，我们就在 Next.js 中创建一个全栈应用。

那为什么选择使用 Next.JS 呢？

1. 它是一个全栈框架，既可以写接口也可以使用 react 写前端；


2. 可以很轻松部署到 verel， 让我们可以直接访问 OPENAI 的接口，摆脱网络限制。

这里我选择使用大圣老师的email-helper模板

点击 GitHub 选择 Use this Template， 创建一个自己的仓库

这个项目很简单，在 pages 目录下 api/generate.ts 用于代理请求接口。

index.tsx 也就是我们的主界面，一个按钮，一个请求，没有其他复杂逻辑。

接下来我们就根据它来创建一个智能的Tailwind CSS 代码生成器

1、首先将 messages 改成以上截图中的 message

2、然后将需要生成的变量存到 state 中，我们就可以实现如下界面

点击生成代码就可以 让 ai 帮我们写代码了。

这个界面，有些单调，可以在这个页面上列一些常用的组件，那么也可以直接使用 chatGPT 来生成。

将 GPT 回答直接转换成 JSON 数据

将数据渲染到页面中，就可以生成快捷标签了

接下来，再将 Tailwind css 的颜色，作为我们的变量，同样使用 GPT 来生成数据

用同样的方式，转化成 JSON，拷贝到我们的代码中。

最后一步，我们需要实现一个预览效果，这样的话，就可以所见即所得，根据效果，直接拷贝想要的代码。

小结

本文介绍了 openai 的 api 使用方法，以及如何使用 openai 的 playground 生成需要的 messages 信息。并且通过一个 Next.js 实战例子，结合 ChatGPT 开发了一个 Tailwind CSS 代码生成器。

最后

贴一下文本的代码仓库和预览地址

代码仓库：github.com/maqi1520/op…

预览地址：openai.maqib.cn/

如果对你有帮助，记得给个三连，感谢你的阅读。

GPT-4 火爆全球，引发了人工智能大浪潮。过去的一个月，OpenAI、微软、谷歌加上百度不断释放王炸，所有人都相信，AI 的就是未来的生产力。俗话说，人红是非多，树未大已招风，这不，反对 AI 继续前进的声音就来了。

千人呼吁暂停AI训练

3月29日，马斯克、苹果联合创始人 Steve Wozniak、Stability AI创始人 Emad Mostaque 等上千名科技大佬和AI专家签署公开信，呼吁暂停训练比 GPT-4 更强大的 AI 系统，为期6个月。

根据公开信的表示，在这 6 个月内，全社会需要完成这些事：

• 所有 AI 实验室和独立学者都应该合力开发一套共享安全协议，用于高级 AI 的设计和开发


• 协议完成后，应该由独立的外部专家进行严格的审计和监督


• 这些协议必须确保这些 AI 系统毋庸置疑的安全


• 如果不能迅速暂停，就应该让政府介入。

所有的人工智能研究和开发，都应该重新聚焦于这一点——让当如今最强大的 SOTA 模型更加准确、安全、可解释、透明、稳健、对齐，值得人类信赖，对人类忠诚。

代表人物分析

这次呼吁大佬众多，最具代表性的无疑是马斯克和 Stability AI 创始人 Emad Mostaque。

马斯克是 OpenAI 公司的联合创始人之一，可谓是原始股东，但他在2018年离开了 OpenAI 的董事会。马斯克一直对微软和比尔盖茨持批评意见，对于OpenAI也是如此，此前曾表示“ OpenAI 最初是作为一家开源的非营利性公司而创建的，为了抗衡谷歌，但现在它已经成一家闭源的营利性公司，由微软有效控制……这完全不是我的本意。”

言外之意，OpenAI 不应该成为一个赚钱的公司，应该开源，让所有人看到核心代码和核心算法。如果是这样，应该建议特斯拉免费开源所有自动驾驶技术源码，马斯克对这个问题的回复是“如果其他汽车制造商想要获得授权并在他们的汽车上使用特斯拉的自动驾驶技术，这将是非常酷的一件事情，但是考虑到该系统开发成本极高，特斯拉将会收取一定的费用。”

划重点就是自动驾驶技术成本高，所以要收费。ChatGPT 的训练成本高，惨遭无视。

另一位代表人物 Emad Mostaque 是 AIGC 独角兽企业 Stability AI 的创始人，号称“要让10亿人用上开源大模型”。Stability AI 最牛的项目是人工智能文本转图像模型 Stable Diffusion ，如今，这个项目深陷侵权旋涡。在今年一月份，全球知名图片提供商华盖创意（Getty Images）和艺术家萨拉·安德森（Sarah Andersen）, 凯利·麦克南（Kelly McKernan）和卡拉·奥尔蒂斯（Karla Ortiz）起诉了Stability AI，认为Stability AI在未经许可或考虑的情况下，使用他人的知识产权，为自己的经济利益服务。

下面这幅图中，左边是知名油画家Erin Hanson的作品 "Crystalline Maples"，右边是CNN记者通过 Stable Diffusion 生成的结果。

以我们受过九年义务教育的眼光来看，这两幅图风格、色彩，线条几乎一样，说是出自同一人之手也不为过。

在自己公司严重侵犯他人知识产权的情况下，去说另一家公司影响了人类安全和社会稳定，不过是五十步笑百步了。

反对原因分析

信息安全

信息安全是过去三个月最容易攻击ChatGPT的理由，联名信提出了一条质询，我们是否应该让机器用宣传和谎言充斥我们的信息渠道？综合起来的观点是，不良行为者可能会故意创建带有事实错误的内容，作为战略影响力活动的一部分，传播错误信息、虚假信息和彻头彻尾的谎言，这可能会对社会和个人造成危害。将这个观点强加于ChatGPT上，是避重就轻之举。

虚假信息，有什么比搜索引擎更多吗？虚假广告，违禁视频，歧视言论等数不胜数，上当受骗的人同样数不胜数。相较而言，ChatGPT的表现已经非常遵守道德和法律了。

错误信息，对于企业而言，文本信息会经过员工的二次编辑和确认，才会发布；错误的代码会经过程序员的修改和验证，才会用于产品中。只要责任制明确，风险是可控的。

人身安全

这次事件，被大家提起最多一条理由就是比GPT-4更先进AI系统将威胁人类安全，AI将杀死人类。若说威胁安全，智能驾驶和机器人更具有天然不安全属性。GPT-5终究是活在互联网世界中，任他搅的天翻地覆，也不会直接对人类进行物理攻击。智能驾驶如果失去控制，将导致车毁人亡，交通瘫痪。未来给机器人装上武器，就是最强特种兵。

不可否认的是，AI未来确实存在风险，但我们不能饮鸩止渴，因为未来的风险而停止新技术的前进。人工智能炒作了这么多年，直到ChatGPT才真正点燃了火炬，我们不应该在刚刚见到光明时，就亲手熄灭了它，技术推进和安全协议制定完全可以同步进行。

失业

根据高盛研究报告，全球预计将有3亿个工作岗位被生成式AI取代。目前欧美约有三分之二的工作岗位都在某种程度上受到AI自动化趋势的影响，而多达四分之一的当前岗位有可能最终被完全取代。该研究计算出美国63%的工作暴露在“AI影响范围”中，其中7%的工作有一半以上的流程可以由AI自动化完成，这使他们很容易马上被人工智能取代。

对于国内来说，目前感觉还好，可能主要在图像创作领域感受到寒意比较强，上周看到有博主表示，公司一次性裁了三个原画师。

当新技术出现时，初期给社会带来的冲击会让很多人感到不适应，因为不适应，所以会本能的去排斥它。比如曾经的克隆，刚出现时引起了大家恐慌，认为会制造另一个自己，同时带来繁衍上的伦理问题。再比如前几年新能源起步时，大家纷纷嘲讽新能源车，认为它是来收智商税的，时至今日，新能源车已经是大势所趋。

现在的失业主要是国际经济形势带来的，而不是刚刚发展的AI系统带来的。ChatGPT只是一个工具，若说替代，机器人替换下来的劳动人口更多，但没有千名大佬站出来说要暂停机器人技术的发展。

利益

世上没有无缘无故的爱,也没有无缘无故的恨，天下熙熙，皆为利来，天下攘攘,皆为利往，所谓者，都是为了自身利益。呼吁暂停训练比 GPT-4 更强大的 AI 系统，目前只有OpenAI有能力训练比GPT-4更强大的系统GPT-5。根据预测，作为过渡的 GPT-4.5 模型将在 2023 年 9 月或 10 月推出，刚好就是联名信提出的暂停6个月。因此，所谓的的暂停，完全就是针对OpenAI的GPT-5。

OpenAI和微软在三月份的一系列进展让其他的公司产生了深深的危机感，这次的专家有的是自己拥有AI公司，有的是自己在AI领域深耕多年，通常来说，大多数人已经成为了利益团体的代言人。既生瑜何生亮，我没有的你也不能有，我有了，但你一枝独秀，那就枪打出头鸟。只有减缓OpenAI的发展速度，才能给自己追赶的机会。

正如前谷歌大脑成员吴恩达所说，我们该做的，应该是在AI创造的巨大价值与现实风险之间，取得一个平衡。把“让AI取得超越GPT-4的进展”暂停6个月，这个想法很糟糕。

总结

AI不是洪水猛兽，暂停GPT-5训练的做法解决不了安全问题，只有技术演进和安全协议制定同步进行，才能实现科技繁荣。6个月后的GPT-4.5依然只是一个工具，不存在威胁人类安全的可能，之后需要更多训练时间的GPT-5同样只是一个工具，这段时间，足够制定联名信期望的安全协议了。

所以，当务之急不是暂停训练比 GPT-4 更强大的 AI 系统，而是立即推动安全协议条款的研究。

人工智能正在影响各行各业，近年来它对创意产业的影响越来越大。由于AI绘画生成器的可操作性，许多人有机会用自己的想法进行艺术创作——即使他们没有接受过系统的专业艺术教育。

最先进的人工智能绘画生成器可能会改变我们未来创作艺术的方式。使用 AI 绘画生成软件，您可以生成肖像、风景和抽象艺术。您甚至可以模仿著名艺术家的风格。

简单说，您可以使用在线 AI 绘画生成器。通过使用在线AI图像生成器，输入文本，就可获得根据您描述而来的逼真的样式图像。

市场上出现了一系列AI绘画生成器，可以尝试一下。本文是对市场上推荐的一些流行的AI绘画生成器的全面回顾。请继续阅读。

1. 福托尔（Fotor）

Fotor，一站式多合一在线照片编辑器，最近发布了一个 精湛的AI图像生成器 。你只需要把你的想法输入到生成器中，然后你可以看到它在几秒钟内变成一个图像。Fotor有多种图像样式供您选择，例如随机，3D，动漫等。

Fotor的AI文本到艺术生成器最显着的特点是它非常适合初学者使用，只需填写文本并选择要生成图像的效果即可。如果您对照片不满意，可以多次重复生成，以确保获得最满意的结果。每个帐户每天都有一个积分可供您免费使用高质量的 AI 艺术。

主要特点：

• 每天生成 10 张免费图片。


• 9种灯光效果供您选择。


• 9种不同的转换风格供您选择。


• 文本到图像和图像到图像的转换模式。


• 6种作品可供选择。

2. 达尔-E 2（DALL-E 2）

公众已知的最受欢迎的AI绘画生成器是 Dall-E-2图像生成器 ，由OpenAI开发的AI图像生成器。只需几分钟，您就可以使用 AI 技术创建高度逼真的图像。该工具可用于创建插图、设计产品和为业务产生新想法。Dall-E-2 是一个易于使用的界面，任何人都可以使用 AI 创建高质量的图像。DALL-E 2 支持向生成的图像添加详细信息或对其进行其他修改。

主要特点：

• 高度逼真的图像。


• 创建插图。


• 设计产品。


• 可定制的多层图像。


• 编辑和修饰功能。


• 免费试用（尽管您必须通过等候名单获得邀请）。

3. 火锅（Hotpot ai）--支持api

火锅 AI 可帮助您创建令人惊叹的图形、图像和文本。它激发创造力并自动化工作，而易于编辑的模板使任何人都可以创建设备模型、社交媒体帖子、营销图像、应用程序图标和其他工作图形。

火锅AI的文本到图像AI绘画生成器使任何人都可以创建有吸引力的绘画，插图和图像。描述你想要什么，并观看火锅将其变为现实。

付费创作在 3-10 秒内完成。免费请求需要 1-15 分钟，具体取决于流量。付费用户可以获得更快的服务器、更好的图像、商业用途，并避免每日限制。该系统为不太富裕的人免费提供补贴。您还可以免费申请积分以减少等待时间。

主要特点：

• 无需代码即可创建 API/批量。


• 快速照片生成（付费）。


• 每日免费照片生成积分可用。

4. 夜间咖啡厅（NightCafe）

夜咖啡馆是著名的人工智能艺术生成器之一。它以比其他 AI 绘画生成器具有更多的算法和选项而闻名，并且新手很容易上手。您需要做的就是前往他们的网站并根据您的想象力输入文本提示。然后，您需要等待最多 30 秒，一件艺术品才会出现在您面前。Nightcafe有自己的一套积分系统，您可以通过参加各种活动来获得积分，然后拥有可以免费生成图像的次数。此外，您还可以购买积分。

主要特点：

• 信用赚取系统。


• 视频生成工具。


• 有用的社交功能。


• 获得您生成的艺术品的所有权。


• 比其他生成器更多的算法

5. 深度人工智能（DeepAI）

自 2016 年以来，DeepAI 是首批通过开源软件生成人工智能图像的 AI 绘画生成器之一。

DeepAI允许您创建任意数量的图像，并且每个图像都是唯一的。它是高度可定制的，允许您更改细节、颜色、纹理等的数量。如果您输入插图，DeepAI 可以立即生成与分辨率无关的矢量图像。

这是一个免费的在线AI图像生成器，这意味着您无需下载或进行其他设置。DeepAI还有一个API，开发人员可以使用它来连接到另一个软件项目。

主要特点：

• 始终免费使用。


• 为每个提示生成四个输出图像。


• 开源软件。


• 更改每个图像的各种细节。


• 使用卡通 GAN 创建卡通

6. 深度梦境生成器（Deep Dream Generator）

深度梦境生成器 是另一种流行的 AI 绘画生成器，支持在线人工智能来创建逼真的图像。Deep Dream依赖于用数百万张图像训练的神经网络。它易于使用，只需要您上传图像，然后根据原始图像自动生成新图像，您还可以选择不同地方或时期的绘画风格。

该工具允许您选择一个类别，例如动物或风景，然后基于它创建逼真的图像。最重要的是，Deep Dream允许您从三种样式中进行选择。深风格，薄风格或深梦。选择样式后，可以预览图像。

主要特点：

• 训练神经网络的数百万张图像。


• 不同的绘画风格。


• 图像的分类。


• 文本到图像，图像到图像。

7. 克雷永（Craiyon）

Craiyon，以前称为DALL-E mini，是一种人工智能模型，可以从任何文本提示中绘制图像。只需输入文本描述，它将根据您输入的文本生成 9 个不同的图像。该模型需要大量计算，因此Craiyon依靠广告和捐赠来支付其服务器的费用。只要您尊重使用条款，您就可以随意使用它们供个人使用，无论您是想与朋友分享还是将它们打印在 T 恤上。
主要特点：

• 易于使用。


• 无需注册或注册。


• 免费生成无限的AI图像。


• 一次生成 9 张图像，以有趣和创造性的方式

8. 星空人工智能（StarryAI）

星空 AI 是一个 AI 绘画生成器，专注于将您的想法转化为 NFT 艺术。与大多数其他AI艺术生成器类似，Starry AI赋予您生成图像的所有权。这意味着您可以在任何地方使用图像，用于个人或商业用途。

Starry AI最好的部分是它是完全免费的。它是最好的免费 AI NFT 艺术生成器之一。它不需要用户的任何输入。它可以使用机器学习算法处理图像。该技术在不断改进，但已经有令人难以置信的使用该应用程序创作的艺术示例。

主要特点：

• 自动图像生成器。


• 无需用户输入。


• 免费的 NFT 生成器。


• 文本到图像

结论

这是人工智能的时期。使用 AI 图像生成器的强大功能自己创作令人惊叹的艺术品。自动将您的想象力变成绘画。AI图像生成器是未来。

在本文中，我们简要介绍了市场上顶级的AI绘画生成器，并推荐了八种最好的AI绘画生成器供您尝试。希望本指南对您有所帮助，谢谢！

微信小程序完成某些需求功能需要获取精准经纬度，需要微信小程序后台-开发管理-接口设置，申请“获取当前的地理位置、速度（wx.getLocation）”，一直审核不通过，有的人甚至提交了10多次都没有通过，如果你没有掌握方法，及时申请几个月还是一样不给通过。

包括本人也是申请数次未通过，思考是否是理由不够充分，借助ChatGPT帮助我丰富申请理由，我用ChatGPT的回答来申请，立马审核通过。以下是模拟对ChatGPT的提问和回复。

提问

这是一个社区团购的微信小程序，由于团购服务点功能，需要精准定位到最近的服务点，因此需要wx.getLocation接口申请。请你基于我的需求，编写一个充分的申请原因，并包含操作步骤说明。

ChatGP回答

申请原因：

该社区团购微信小程序需要使用wx.getLocation接口获取用户的地理位置信息，以便精准定位用户所在地区，并显示最近的服务点。服务点根据用户所在地区的需求，提供更加贴近实际的商品和服务，确保用户的用户体验。该接口可以通过用户授权的方式获得用户所在位置信息，不会泄露用户的隐私信息。

操作步骤：

1. 首先在微信小程序中调用wx.getLocation接口进行定位，用户将会收到授权提示，需同意授权以便应用获取用户的地理位置信息。

2.定位成功后，小程序将通过得到的经纬度信息，计算用户位置与服务点之间的距离，并返回最近的服务点信息给用户。

3. 如果用户不同意授权，将无法获取用户地理位置信息，定位功能将无法使用，导致无法提供精准的服务点查找。

4.在使用wx.getLocation接口时，需要注意用户个人隐私问题，小程序应在提供提醒并遵守相关规定的前提下，妥善保护用户隐私信息。

接口申请总结

ChatGPT的回答固然帮助我们丰富了申请原因，但是申请该接口的基本要点还是要掌握。

1. 确保小程序的服务类目可申请wx.getLocation，最好是主营类目，包含两个类目。


2. 原因表达充分，主要以用户体验角度，及用户隐私。


3. 提交的图片、视频，符合申请的步骤。

最后

ChatGPT是自然语言处理工具，需要充分的表达清楚，才可能接近输出我们需要的答案，且我们能够甄别验证它的输出。

其他
# 经验分享：快速通过“获取当前的地理位置、速度（wx.getLocation）接口”审核

上周三OpenAI推出了GPT-4，引起了全球轰动，仅仅过去一周多时间，OpenAI又宣布推出插件功能。如果说ChatGPT是AI的“iPhone时刻”，那么插件就是ChatGPT的“App Store”。超强的开发迭代能力，层出不穷的王炸级新产品，让我们不得不对OpenAI由衷赞叹。

插件发布

3月24日，OpenAI宣布ChatGPT能够支持第三方插件接入，同时为ChatGPT发布了多个插件，它们将帮助ChatGPT联网实时检索信息、运行计算或使用第三方服务。目前装上插件后，用户可以用 ChatGPT 执行以下操作：

• 
  

  检索实时信息：例如体育比赛比分、股价、最新消息等；

  
  


• 
  

  检索知识库信息：例如公司文件、个人笔记等；

  
  


• 
  

  代表用户执行操作：例如，订机票、订餐等。

  
  

由此可以看出，ChatGPT不再是一个单一的知识问答机器人，它将完全走进我们的日常工作和生活，成为全天候平台生态系统。

根据OpenAI官方发布信息，ChatGPT的第一批第三方插件包含Expedia、FiscalNote、Instacart、KAYAK、Klarna、Milo、OpenTable、Shopify、Slack、Speak、Wolfram、Zapier等11种。例如Open Table插件允许用户搜索可预订的餐厅，Wolfram插件能够提高计算能力，Instacart插件允许ChatGPT在本地商店购物，Zapier可与谷歌Gmail等应用程序连接，适用于办公场景。除了第三方插件，OpenAI同时推出了自己的两款插件——网络浏览器（web browser）和代码解释器（code interpreter）。

网络浏览器

网络浏览器(web browser)是此次最受大家关注的插件，该插件使用微软必应搜索API从网络上检索内容，同时显示它在概括答案时所访问的网站，并在ChatGPT的回应中引用其来源。此前的ChatGPT包括GTP-4训练数据库的信息内容仅限于2021年9月之前的数据，现在通过该插件ChatGPT可以获得网络上最新的数据，极大提高问题回答的时效性。

例如下面的问题中，ChatGPT可以给出2023年的奥斯卡颁奖名单。

ChatGPT以往是被动接收数据进行推理，开发人员给它投喂大量历史数据，基于这些数据进行推理，从而给出答案。因此，ChatGPT能够获得巨大成功的原因是其出色的推理能力，人总是处于学习知识的过程，要求的是知识回答准确度，对于新鲜度反而要求不高，出色的推理能力有效保证了知识回答的准确性和条理性。相信掘友们没少让ChatGPT写诗，写小说，写代码，这些出色创作并不需要从网络上去获取最新的内容。

但随着大家对ChatGPT的越来越熟悉，使用需求也越来越多，从知识问答扩展到日常生活、工作和出行，个人事务、财务和交际，这就需要当前最新的回答，需要ChatGPT从最新网络数据去检索、分析和推理，也就是从被动接收数据变为主动获取数据，ChatGPT具备了眼睛和耳朵，能够去听去看，去与当前的网络世界进行同步。

代码解释器

代码解释器则能够执行数学问题、数据分析、可视化和文件格式转换等任务，使ChatGPT能够使用Python并在沙盒环境中处理上传和下载任务。简单来说，代码解释器能够为你复杂的问题直接提供代码，省去你大部分的编码工作，也能够阅读代码，修改代码bug。

根据官方的例子，当问到：一块砖的重量是这块砖自身 30% 的重量与 5 个 GPU 的重量之和，已知每吨重量包含了 100 块砖和 200 个 GPU，那么一块砖的重量是多少?

经过代码解释器后，给出了代码和答案

这里我们可以看到，回答问题不再简单的文字描述，而是升级到源码描述，说实话惊叹之余感觉到了一丝丝的危机感，假以时日，随着ChatGPT能力不断提升，如果能够完成系统级编程，程序员门槛会不断降低，对于大多数程序员都将形成冲击。

平台生态

通过上面对这次插件的分析可以看到，ChatGPT不再满足于单纯作为一个聊天机器人，插件功能就是ChatGPT的应用商店。在3月34日之前，我们认为的合作关系是ChatGPT接入到其他APP，为其他APP赋能，属于从属低位。在3月34日之后，我们发现所有APP将纳入ChatGPT，形成ChatGPT生态系统，ChatGPT去指挥其他APP工作，属于主导地位。

ChatGPT试图通过插件功能建立生态系统。在这个生态系统中，开发人员可以创建并发布他们自己的插件，借助ChatGPT获取用户和收益。目前手机厂商的应用商店也是这样，第三方应用经过应用商店安装，消费者发生购买行为后，应用商店可以进行抽成获取利润。三个月前，我们担心ChatGPT训练成本非常高，但没有良好的商业化模式，发展困难。现在插件功能出来后，没有一个人会再去担心ChatGPT商业能力，反而是担心自己能不能搭上人工智能的快车，自己会不会被时代所淘汰。

微软魄力

说完OpenAI的重大突破，回过头来，不得不佩服微软的魄力和决心。在必应接入GTP后，必应搜索引擎的访问量增长15%，谷歌降低了1%，一片形势大好，接入GTP的产品就是New Bing，因此这次插件功能的发布最尴尬的反而是New Bing。拥有插件功能的ChatGPT明显比搜索引擎属性加身的New Bing更有发展前景，对于市场前景来说，New Bing基本等同于完整版的必应，微软推陈出新，斩人先斩己。

这与腾讯有点相似，在QQ还是即时通信老大的情况下，坚决推出了微信，时至今日，微信建立起的生态帝国让腾讯无往不利。如果说插件功能即将构建的生态系统，未来将匹敌甚至超过App Store和谷歌搜索的商业价值，已经不会让人觉得是异想天开了。

总结

从GTP3.5到GTP4，从微软Office Copilot到ChatGPT插件，AI技术的演进和应用正以超乎想象的速度袭来，在过去的这几个月，尤其这两周，我们听惯了重磅、史诗、王炸等词，面对日新月异的技术发展，对于个人来说，我们需要选择拥抱新的领域，新的技术，通过了解来调整自己的工作方式和学习目标；对于企业来说，需要熟悉AI技术的现状和未来预期，积极评估面临的冲击和机遇。

一、前言

我们问了10个问题，开发的、生活中有疑问的，ChartGPT都给了我们答案。这些答案怎么样，请往下看吧。

• ChatGPT-1、写一个车牌号的正则表达式


• ChatGPT-2、写一个中国大陆车牌号的正则表达式


• ChatGPT-3、用kotlin写一个车牌号的校验函数


• ChatGPT-4、用Kotlin写一个String装换成金额的扩展函数


• ChatGPT-5、用Kotlin写一个String装换成人民币的扩展函数


• ChatGPT-6、用Kotlin写一个String转换成人民币的扩展函数


• ChatGPT-7、用Kotlin写一个将TextView的文本内容复制到粘贴板的扩展函数


• ChatGPT-8、美食探店怎么做？


• ChatGPT-9、台湾卤肉饭？


• ChatGPT-10、牛皮弃面馆(柏庐南路店)

二、ChatGPT使用初体验

ChatGPT-1、写一个车牌号的正则表达式

ChatGPT-2、写一个中国大陆车牌号的正则表达式

^[京津沪渝冀豫云辽黑湘皖鲁新苏浙赣鄂桂甘晋蒙陕吉闽贵粤青藏川宁琼][A-HJ-NP-Z](?!DD)[A-HJ-NP-Z0-9]{4}[A-HJ-NP-Z0-9挂学警港澳]$

ChatGPT-3、用kotlin写一个车牌号的校验函数

三、ChatGPT PK 5年+年程序员

ChatGPT-4、用Kotlin写一个String装换成金额的扩展函数

ChatGPT-5、用Kotlin写一个String装换成人民币的扩展函数

ChatGPT-6、用Kotlin写一个String转换成人民币的扩展函数

PK

ChatGPT-7、用Kotlin写一个将TextView的文本内容复制到粘贴板的扩展函数

PK

四、总结

ChatGPT-1、写一个车牌号的正则表达式

ChatGPT-2、写一个中国大陆车牌号的正则表达式

ChatGPT-3、用kotlin写一个车牌号的校验函数

以上问题，明确的告诉了我们答案，并且配上了讲解和使用方法。

极大的减少了我们自己写正则的错误概率，或者网上查，答案质量参差不齐的筛选验证的烦恼。

对这种重复劳动、通用的功能函数，ChatGPT很好用

ChatGPT-4、用Kotlin写一个String装换成金额的扩展函数

ChatGPT-5、用Kotlin写一个String装换成人民币的扩展函数

ChatGPT-6、用Kotlin写一个String转换成人民币的扩展函数

ChatGPT-7、用Kotlin写一个将TextView的文本内容复制到粘贴板的扩展函数

以上问题，实现了在开发过程中实际的问题，直接Copy就可以使用

请注意我的问题，用Kotlin写一个String转换成人民币的扩展函数，只要你问题问的明确，ChatGPT就会给你想要的答案

ChatGPT-4、ChatGPT-5转换写错了，写成了装换，ChatGPT理解了我的意思，并且他自我纠正了

ChatGPT-6、ChatGPT-7，ChatGPT与5年+程序员的PK，功能都实现了，实现思路基本相同。但是5+程序员写的更简洁，自由 （程序员的个人素质了，Lewis对个人要求标准较高，这就是通往大佬的之路）。

你在通往IT大佬的路上，不要轻视ChatGPT哦，我们使用的ChatGPT是通用版，训练出来的模型是面向所有用户的。

一个假设，如果使用Githut上所有的代码训练ChatGPT，训练出来的模型还会比不过5年的程序员吗？Githut+ChatGPT好像都为微软的，这个假设可能已经在实验室阶段了。

以上假设已经有了，GitHub Copilot X ，GitHub + GPT-4联手的产品

五、ChatGPT最后的胡说八道

ChatGPT-8、美食探店怎么做？

ChatGPT-9、台湾卤肉饭？

ChatGPT-10、牛皮弃面馆(柏庐南路店)

ChatGPT-8、美食探店怎么做？

ChatGPT-9、台湾卤肉饭？

ChatGPT-10、牛皮弃面馆(柏庐南路店)

以上问题，初一看ChatGPT回答的很专业，以下详细说一下

ChatGPT-8、ChatGPT-9，很多人都有疑问的问题，网上资料很多，回答的很专业，也很有条理，挺好。作为一个技术就不都说了，可以看看这个「打不过，就加入」，我和ChatGPT的故事

ChatGPT-10，昆山一家小店，没有名气，主打台湾牛肉面和台湾小吃，ChatGPT就开始胡说八道了，但是显得很专业，他谈的模板就是按照逻辑去介绍一家店。如果你问他一家有名的店或者连锁店（例如：海底捞），他会回答的应该很专业。

其实还有很多疑问的，移动开发未来前景怎么样？ETH今天会不会大跌，短线做空可以吗？，但是毕竟今天周五了，让自己过一个愉快的周末吧^_^。

六、延伸阅读

mp.weixin.qq.com/s/PyH2SzFQ9…

juejin.cn/post/721177…

juejin.cn/post/719767…

mp.weixin.qq.com/s/prXyAUf_8…

mp.weixin.qq.com/s/Y1LUxcInd…

mp.weixin.qq.com/s/a3xZZLRgD…

前两天，百度紧随GPT-4发布了自己的语言模型文心一言。

讲道理，对于国内能够发布这样一个敢于对标CHAT GPT的高质量语言模型，大家应该更多感受到的是赛博朋克与现实生活贴近的真实感，对这个模型应该有着更多的鼓励或赞美。

可不知是因为整个发布会搞的过于像没有好好准备的学生毕业答辩PPT，还是它的实际表现并没有那么如人意，大家貌似对文心一言并不那么买账。

于是我决定看一下知乎大神们对文心一言的评价，哪想到随便打开一个问题，居然有600多条回答…

要是我这一条一条翻完所有回答， 估计就得拿出一天来全职摸鱼了 ，那么有没有什么办法能够最快的分析出对待这个问题大家的综合评价呢？

那么今天就让我纱布擦屁股，给大家露一小手，写一个爬虫扒下来所有的回答，再对结果进行一下分析。

WebMagic

正式开始前，咱们得先搞定工具。虽然python写起爬虫来有天然的框架优势，不过鉴于大家都是搞java的，那么我们今天就用java框架来实现一个爬虫。

咱们要使用的工具 WebMagic，就是一款简单灵活的java爬虫框架，总体架构由下面这几部分构成：

• Downloader：负责从互联网上下载页面，以便后续处理。WebMagic默认使用了Apache HttpClient作为下载工具。


• PageProcessor：负责解析页面，抽取有用信息，以及发现新的链接。WebMagic使用Jsoup作为HTML解析工具，并基于其开发了解析XPath的工具Xsoup。


• Scheduler：负责管理待抓取的URL，以及一些去重的工作。WebMagic默认提供了JDK的内存队列来管理URL，并用集合来进行去重。也支持使用Redis进行分布式管理。


• Pipeline：负责抽取结果的处理，包括计算、持久化到文件、数据库等。WebMagic默认提供了输出到控制台和保存到文件两种结果处理方案。

在4个主要组件中，除了PageProcessor之外，其他3个组件基本都可以复用。而我们实际爬虫中的重点，就是要针对不同网页进行页面元素的分析，进而定制化地开发不同的PageProcessor。

下面我们开始准备实战，先引入webmagic的core和extension两个依赖，最新0.8.0版本搞里头：

<dependency>

    <groupId>us.codecraftgroupId>

    <artifactId>webmagic-coreartifactId>

    <version>0.8.0version>

dependency>

<dependency>

    <groupId>us.codecraftgroupId>

    <artifactId>webmagic-extensionartifactId>

    <version>0.8.0version>

dependency>

PageProcessor 与 xpath

在正式开始抓取页面前，我们先看看知乎上一个问题的页面是怎么构成的，还是以上面图中那个问题为例，原问题的地址在这里：

如何看待百度发布的文心一言?

我们先做个简单的测试，来获取这个问题的标题，以及对这个问题的描述。

通过浏览器的审查元素，可以看到标题是一个h1的标题元素，并且它的class属性是QuestionHeader-title，而问题的描述部分在一个div中，它的class中包含了QuestionRichText。

简单分析完了，按照前面说的，我们要对这个页面定制一个PageProcessor组件抽取信息，直接上代码。

新建一个类实现PageProcessor接口，并实现接口中的process()这个方法即可。

public class WenxinProcessor implements PageProcessor {

    private Site site = Site.me()

            .setRetryTimes(3).setSleepTime(1000);



    @Override

    public void process(Page page) {

        String title = page.getHtml()

                .xpath("//h1[@class='QuestionHeader-title']/text()").toString();

        String question= page.getHtml()

                .xpath("//div[@class='QuestionRichText']//tidyText()").toString();



        System.out.println(title);

        System.out.println(question);

    }



    public Site getSite() {

        return site;

    }



    public static void main(String[] args) {

        Spider.create(new WenxinProcessor())

                .addUrl("https://www.zhihu.com/question/589929380")

                .thread(2)

                .run();

    }

}

查看运行结果：

可以看到，在代码中通过xpath()这样一个方法，成功拿到了我们要取的两个元素。其实说白了，这个xpath也不是爬虫框架中才有的新玩意，而是一种XML路径语言（XML Path Language），是一种用来确定XML文档中某部分位置的语言。它基于XML的树状结构，提供在数据结构树中找寻节点的能力。

常用的路径表达式包括：

在上面的代码中，//h1[@class='QuestionHeader-title']就表示选取一个类型为h1的节点，并且它有一个class为QuestionHeader-title的属性。

至于后面的text()和tidyText()方法，则是用于提取元素中的文本，这些函数不是标准xpath中的，而是webMagic中特有的新方法，这些函数的使用可以参考文档：

webmagic.io/docs/zh/pos…

看到这，你可能还有个问题，这里对于问题的描述部分没有显示完全，你需要在页面上点一下这个显示全部它才会显示详细的信息。

没关系，这里先留个坑，这个问题放在后面解决。

获取提问的答案

我们完善一下上面的代码，尝试获取问题的解答。按照老套路，还是先分析页面元素再用xpath写表达式获取。修改process方法：

@Override

public void process(Page page) {

    String contentPath= "div[@class='QuestionAnswers-answers']"+

            "//div[@class='RichContent RichContent--unescapable']" +

            "//div[@class='RichContent-inner']"+

            "/tidyText()";

    List answerList = page.getHtml().xpath(contentPath).all();

    for (int i = 0; i < answerList.size(); i++) {

        System.out.println("第"+(i+1)+"条回答:");

        System.out.println(answerList.get(i)+"\n=======");

    }

}

在上面的代码中，使用了xpath获取页面中具有相同属性的元素，并将它们存入了List列表中。看一下运行结果：

纳尼？这个问题明明有着689条的回答，为什么我们只爬到了两条答案？

如果你经常用知乎来学习摸鱼的话，其实就会知道对于这种有大量回答的问题，页面刚开始只会默认显示很少的几条的消息，随着你不断的下拉页面才会把新的回答显示出来。

那么如果我想拿到所有的评论应该怎么做呢？这时候就要引出webMagic中另一个神奇的组件Selenium了。

Selenium

简单来说，selenium是一个用于Web应用程序测试的工具，selenium测试可以直接运行在浏览器中，就像真正的用户在操作一样，并且目前主流的大牌浏览器一般都支持这项技术。

所以在爬虫中，我们可以通过编写模仿用户操作的selenium脚本，模拟进行一部分用互操作，比如点击事件或屏幕滚动等等。

WebMagic-Selenium需要依赖于WebDriver，所以我们先进行本地WebDriver的安装操作。

安装WebDriver

查看自己电脑上Chrome版本，可以点击设置->关于chrome查看，也可以直接在地址栏输入chrome://settings/help：

可以看到版本号，然后需要下载对应版本的WebDriver，下载地址：

chromedriver.storage.googleapis.com/index.html

打开后，可以看到各个版本，选择与本地浏览器最接近的版本：

点击进入后，根据我们的系统选择对应版本下载即可。

下载完成后，解压到本地目录中，之后在使用selenium模块中会使用到。这个文件建议放在chrome的安装目录下，否则之后在代码中可能会报一个WebDriverException: unknown error: cannot find Chrome binary找不到chrome文件的错误。

修改Selenium源码

webMagic中已经封装了selenium模块的代码，但官方版本的代码有些地方需要修改，我们下载源码后要自己简单改动一下然后重新编译。我这下载了0.8.1-SNAPSHOT版本的代码，官方git地址：

github.com/code4craft/…

修改配置文件地址，在WebDriverPool将selenium配置文件路径写死了，需要改变配置路径：

// 修改前

// private static final String DEFAULT_CONFIG_FILE = "/data/webmagic/webmagic-selenium/config.ini";

// 修改后

private static final String DEFAULT_CONFIG_FILE = "selenium.properties";

在resources目录下添加配置文件selenium.properties：

# What WebDriver to use for the tests

driver=chrome

# PhantomJS specific config (change according to your installation)

chrome_driver_loglevel=DEBUG

js模拟页面操作

修改SeleniumDownloader的download()方法，在代码中的这个位置，作者很贴心的给我们留了一行注释：

意思就是，你可以在这添加鼠标事件或者干点别的什么东西了。我们在这添加页面向下滚动这一模拟事件，每休眠2s就向下滚动一下页面，一共下拉20次：

//模拟下拉，刷新页面

for (int i=0; i < 20; i++){

    System.out.println("休眠2s");

    try {

        //滚动到最底部

        ((JavascriptExecutor)webDriver)

                .executeScript("window.scrollTo(0,document.body.scrollHeight)");

        //休眠，等待加载页面

        Thread.sleep(2000);

        //往回滚一点，否则不加载

        ((JavascriptExecutor)webDriver)

                .executeScript("window.scrollBy(0,-300)");

    } catch (InterruptedException e) {

        e.printStackTrace();

    }

}

修改完成后本地打个包，注意还要修改一下版本号，改成和发行版的不同即可，我这里改成了0.8.1.1-SNAPSHOT。

mvn clean install

调用

回到之前的爬虫项目，引入我们自己打好的包：

<dependency>

    <groupId>us.codecraftgroupId>

    <artifactId>webmagic-seleniumartifactId>

    <version>0.8.1.1-SNAPSHOTversion>

dependency>

修改之前的主程序启动时的代码，添加Downloader组件，SeleniumDownloader构造方法的参数中传入我们下好的chrome的webDriver的可执行文件的地址：

public static void main(String[] args) {

    Spider.create(new WenxinProcessor())

            .addUrl("https://www.zhihu.com/question/589929380")

            .thread(2)

            .setDownloader(new SeleniumDownloader("D:\\Program Files\\Google\\Chrome\\Application\\chromedriver.exe")

                    .setSleepTime(1000))

            .run();

}

进行测试，可以看到在拉动了40秒窗口后，获取到的答案条数是100条：

通过适当地添加下拉页面的循环的次数，我们就能够获取到当前问题下的全部回答了。

另外，在启动爬虫后我们会看到webDriver弹出了一个chrome的窗口，在这个窗口中有一个提示：Chrome正受到自动测试软件的控制，并且可以看到页面不断的自动下拉情况：

如果不想要这个弹窗的话，可以修改selenium模块的代码进行隐藏。修改WebDriverPool的configure()方法，找到这段代码：

if (driver.equals(DRIVER_CHROME)) {

	mDriver = new ChromeDriver(sCaps);

}

添加一个隐藏显示的选项，并且在修改完成后，重新打包一下。

if (driver.equals(DRIVER_CHROME)) {

	ChromeOptions options=new ChromeOptions();

	options.setHeadless(true);

	mDriver = new ChromeDriver(options);

}

获取问题详细描述

不知道大家还记不记得在前面还留了一个坑，我们现在获取到的对问题的描述是不全的，需要点一下这个按钮才能显示完全。

同样，这个问题也可以用selenium来解决，在我们下拉页面前，加上这么一个模拟点击事件，就可以获得对问题的详细描述了：

((JavascriptExecutor)webDriver)

  .executeScript("document.getElementsByClassName('Button QuestionRichText-more')[0].click()");

看一下执行结果，已经可以拿到完整内容了：

Pipeline

到这里，虽然要爬的数据获取到了，但是要进行分析的话，还需要进行持久化操作。在前面的webMagic的架构图中，介绍过Pipeline组件主要负责结果的处理，所以我们再优化一下代码，添加一个Pipeline负责数据的持久化。

由于数据量也不是非常大，这里我选择了直接存入ElasticSearch中，同时也方便我们进行后续的分析操作，ES组件我使用的是esclientrhl，为了方便我还是把项目整个扔到了 spring里面。

定制一个Pipeline也很简单，实现Pipeline接口并实现里面的process()接口就可以了，通过构造方法传入ES持久化层组件：

@Slf4j

@AllArgsConstructor

public class WenxinPipeline implements Pipeline {

    private final ZhihuRepository zhihuRepository;



    @Override

    public void process(ResultItems resultItems, Task task) {

        Map map = resultItems.getAll();

        String title = map.get("title").toString();

        String question = map.get("question").toString();

        List answer = (List) map.get("answer");



        ZhihuEntity zhihuEntity;

        for (String an : answer) {

            zhihuEntity = new ZhihuEntity();

            zhihuEntity.setTitle(title);

            zhihuEntity.setQuestion(question);

            zhihuEntity.setAnswer(an);

            try {

                zhihuRepository.save(zhihuEntity);

            } catch (Exception e) {

                e.printStackTrace();

            }

        }

    }

}

把selenium向下拉取页面的次数改成200后，通过接口启动程序：

@GetMapping("wenxin")

public void wenxin() {

    new Thread(() -> {

        Request request = new Request("https://www.zhihu.com/question/589929380");

        WenxinProcessor4 wenxinProcessor = new WenxinProcessor4();

        Spider.create(wenxinProcessor)

                .addRequest(request)

                .addPipeline(new WenxinPipeline(zhihuRepository))

                .setDownloader(new SeleniumDownloader("D:\\Program Files\\Google\\Chrome\\Application\\chromedriver.exe")

                        .setSleepTime(1000))

                .run();

    }).start();

}

运行完成后，查询一下es中的数据，可以看到，实际爬取到了673条回答。

另外，我们可以在一个爬虫程序中传入多个页面地址，只要页面元素具有相同的规则，那么它们就能用相同的爬虫逻辑处理，在下面的代码中，我们一次性传入多个页面：

Spider.create(new WenxinProcessor4())

        .addUrl(new String[]{"https://www.zhihu.com/question/589941496",

              "https://www.zhihu.com/question/589904230","https://www.zhihu.com/question/589938328"})

        .addPipeline(new WenxinPipeline(zhihuRepository))

        .setDownloader(new SeleniumDownloader("D:\\Program Files\\Google\\Chrome\\Application\\chromedriver.exe")

                .setSleepTime(1000))

        .run();

一顿忙活下来，最终扒下来1300多条数据。

分析

数据落到了ES里后，那我们就可以根据关键字进行分析了，我们先选择10个负面方向的词语进行查询，可以看到查到了403条数据，将近占到了总量的三分之一。

再从各种回答中选择10个正向词语查询，结果大概只有负面方向的一半左右：

不得不说，这届网友真的是很严厉…

Proxy代理

说到爬虫，其实还有一个绕不过去的东西，那就是代理。

像咱们这样的小打小闹，爬个百八十条数据虽然没啥问题，但是如果要去爬取大量数据或是用于商业，还是建议使用一下代理，一方面能够隐藏我们的IP地址起到保护自己的作用，另一方面动态IP也能有效的应对一些反爬策略。

个人在使用中，比较推荐的是隧道代理。简单的来说，如果你购买了IP服务的话，用普通代理方式的话需要你去手动请求接口获取IP地址，再到代码中动态修改。而使用隧道代理的话，就不需要自己提取代理IP了，每条隧道自动提取并使用代理IP转发用户请求，这样我们就可以专注于业务了。

虽然网上也有免费的代理能够能用，但要不然就是失效的太快，要不就是很容易被网站加入黑名单，所以如果追求性能的话还是买个专业点的代理比较好，虽然可能价格不那么便宜就是了。

题外话

看了一大顿下来，从大家略显犀利的言辞来看，大家总体上对文心一言还是不那么满意的。毕竟，在有着CHAT-GPT这么一个优秀的产品做背景板的前提下，这届网友可能没有那么好糊弄。

但是话又说回来，丑媳妇总得见公婆不是？提早暴露缺陷，也有利于国内的这些大厂，看清和一流AI产品之间的真实差距，知难而进，迎头赶上。

那么，这次的分享就到这里，我是Hydra，我们下篇再见。

文中代码已经传到我的git上啦，github.com/trunks2008/… ，欢迎大家来个star鼓励一下~

参考资料：

webmagic.io/docs/zh/pos…

blog.csdn.net/panchang199…

“UGC不存在了”——借鉴自《三体》

ChatGPT 的横空出世将一个全新的概念推上风口——AIGC（ AI Generated Content）。

GC即创作内容（Generated Content），和传统的UGC、PGC，OGC不同的是，AIGC的创作主体由人变成了人工智能。

xGC

• PGC：Professionally Generated Content，专业生产内容


• UGC：User Generated Content，用户生产内容


• OGC：Occupationally Generated Content，品牌生产内容。

AI 可以 Generate 哪些 Content？

作为淘宝内容线的开发，我们每天都在和内容打交道，那么AI到底能生成什么内容？

围绕着不同形式的内容生产，AIGC大致分为以下几个领域：

文本生成

基于NLP的文本内容生成根据使用场景可分为非交互式文本生成与交互式文本生成。

非交互式文本生成包括摘要/标题生成、文本风格迁移、文章生成、图像生成文本等。

交互式文本生成主要包括聊天机器人、文本交互游戏等。

【代表性产品或模型】：JasperAI、copy.AI、ChatGPT、Bard、AI dungeon等。

图像生成

图像生成根据使用场可分为图像编辑修改与图像自主生成。

图像编辑修改可应用于图像超分、图像修复、人脸替换、图像去水印、图像背景去除等。

图像自主生成包括端到端的生成，如真实图像生成卡通图像、参照图像生成绘画图像、真实图像生成素描图像、文本生成图像等。

【代表性产品或模型】：EditGAN，Deepfake，DALL-E、MidJourney、Stable Diffusion，文心一格等。

音频生成

音频生成技术较为成熟，在C端产品中也较为常见，如语音克隆，将人声1替换为人声2。还可应用于文本生成特定场景语音，如数字人播报、语音客服等。此外，可基于文本描述、图片内容理解生成场景化音频、乐曲等。

【代表性产品或模型】：DeepMusic、WaveNet、Deep Voice、MusicAutoBot等。

视频生成

视频生成与图像生成在原理上相似，主要分为视频编辑与视频自主生成。

视频编辑可应用于视频超分（视频画质增强）、视频修复（老电影上色、画质修复）、视频画面剪辑（识别画面内容，自动场景剪辑） 。

视频自主生成可应用于图像生成视频（给定参照图像，生成一段运动视频）、文本生成视频（给定一段描述性文字，生成内容相符视频） 。

【代表性产品或模型】：Deepfake，videoGPT，Gliacloud、Make-A-Video、Imagen video等。

多模态生成

以上四种模态可以进行组合搭配，进行模态间转换生成。如文本生成图像（AI绘画、根据prompt提示语生成特定风格图像）、文本生成音频（AI作曲、根据prompt提示语生成特定场景音频）、文本生成视频（AI视频制作、根据一段描述性文本生成语义内容相符视频片段）、图像生成文本（根据图像生成标题、根据图像生成故事）、图像生成视频。

【代表性产品或模型】：DALL-E、MidJourney、Stable Diffusion等。

本文接下来将会着重讲述文本类AIGC和图像类AIGC。

文本类AIGC

RNN → Transformer → GPT（ChatGPT）

最近势头正猛的ChatGPT就是文本类AIGC的代表。