本教程将介绍如何使用ChatGPT，并提供一些实用的技巧和注意事项，帮助每一个人更好地利用ChatGPT解决问题。
到此您如果看明白了点击这里直接返回
ChatGPT是一款基于GPT3.5或GPT-4模型的AI聊天助手，它能够理解和生成自然语言，为用户提供帮助。因此，学会合理的组织提问语言和调节模型参数，可以让你在节约成本的同时获得你最想要的回答。在本教程中，我将介绍如何用更专业的方式使用ChatGPT。
由于特殊原因，国内无法访问ChatGPT官网，我使用OpenAI提供的API部署了一个聊天网站，可以通过注册试用。目前可用的模型有
gpt-3.5-turbo和gpt-4。
组织提问语言
首先，ChatGPT只是一个模型，它并没有感情，它只是一个庞大的，使用自然语言作为查询接口的知识数据库。因此，它的回答质量很大一部分取决于你的提问质量。如果你的提问语言不够清晰，ChatGPT就无法理解你的意思，也就无法给出你想要的回答。因此，我们需要学会如何组织提问语言，这其实本身是一项高级的个人能力，没有那么容易学会。但是没有关系，平台提供了许多优秀的预设对话，可以帮助你特化ChatGPT的能力，详情查看使用面具。
调节模型参数
这是API版本特有的功能，如果大家曾经了解过官网的版本，那么你会发现官网是没有提供这部分功能的。 截至目前，GPT4仍然是世界上最强大的模型，在此基础上，API版本比官网更加强大，因为它可以支持最大长度为8192的上下文，而官网的GPT4和GPT3.5一样只支持最大长度为4096的上下文。这意味着，API版本的GPT4可以记住更长的对话，因此可以做出更令人满意的回答。
在API版本中，我们可以通过调节模型参数来影响它的回答。这里介绍最好用的几个参数：
-
max_tokens：1~n 允许生成的最大长度，最大值取决于使用的模型支持的最大上下文长度，gpt3.5-turbo最大支持4096，gpt-4目前可用版本最大支持8192。 -
temperature：0~1 温度，控制模型生成的多样性。值越大，生成的回答越随机，越多样化，但是会导致回答越不准确，反之，回答越准确，但是会导致回答越单一。 -
presence_penalty：-2.0~2.0 控制话题新鲜度，值越小，已出现过的词会被重复使用，反之，出现过的词在之后很难重复出现。
前/后处理参数
为了让大家有舒适的聊天体验，网站本身也会对发送的消息和获取的回答进行一些处理，这些处理参数可以通过设置来调节：
-
附带历史消息数：每次请求携带的历史消息数，能够确保ChatGPT以已有的一定量的聊天记录的内容为基础进行回答。如果设置得太短，它比较健忘，之前几条消息里说过的概念它已经忘记了，设置太长，容易超过模型上下文限制，然后触发下面的历史消息压缩功能。
请注意，token的计费是包括了历史消息的，因此，如果你设置了太长的附带历史消息，那么你的token会被消耗得很快。请自己实验，找到一个自己能接受的值。
-
历史消息长度压缩阈值：当历史消息长度超过这个阈值时，会对历史消息进行压缩，(后台自动使用gpt-3.5进行内容摘要)，这样可以保证ChatGPT能够一直回答问题，即使上下文已经超过了模型的最大长度。
可以结合上一条参数来设置，例如，如果你设置了附带历史消息数为5，同时设置压缩阈值为1000，这样，当你这5条聊天记录字数超过1000时，ChatGPT就会自动压缩历史消息，缩短为一条精简的聊天记录，这样就可以保证ChatGPT一直能够回答问题，还能有不错的记忆功能。