在这个信息爆炸的时代，获取准确的信息和知识变得愈发重要。想象一下，你正在进行一项复杂的编程任务，但你不确定如何开始。这时，有一个智能助手可以为你提供指导和建议，无疑会让你事半功倍。ChatGPT就是这样一个强大的工具，它可以理解你的问题，并提供有价值的回答。本文将介绍如何格式化输入，以充分利用ChatGPT模型的能力。
格式化输入
ChatGPT模型的核心功能是接受一系列消息作为输入，并生成一条由AI编写的消息作为输出。要正确使用ChatGPT，你需要了解如何格式化输入消息。每个消息对象包括以下字段：
role：消息的角色，可以是系统、用户或助手。content：消息的内容，包括问题、指令等。name：可选字段，为消息的发送者命名。
通常，一次对话会以系统消息开始，告诉助手如何行动，然后是交替的用户和助手消息。不过，并不一定要遵循这种格式。
以下是一个示例Chat API调用，展示了消息的格式：
MODEL = "gpt-3.5-turbo"
response = openai.ChatCompletion.create(
model=MODEL,
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Knock knock."},
{"role": "assistant", "content": "Who's there?"},
{"role": "user", "content": "Orange."},
],
temperature=0,
)
response这个示例中，我们首先定义了模型（可以选择不同的模型），然后创建了一个包含系统、用户和助手消息的消息列表。通过这种方式，你可以与ChatGPT建立对话并获取回复。
系统消息
系统消息可以用来设定助手的行为和性格。要注意，不同版本的ChatGPT模型对系统消息的关注程度可能会有所不同。有时，将重要的指令放在用户消息中会更有效。
以下是一个系统消息的示例，用来设定助手的性格：
response = openai.ChatCompletion.create(
model=MODEL,
messages=[
{"role": "system", "content": "You are a friendly and helpful teaching assistant. You explain concepts in great depth using simple terms, and you give examples to help people learn. At the end of each explanation, you ask a question to check for understanding"},
{"role": "user", "content": "Can you explain how fractions work?"},
],
temperature=0,
)这个系统消息告诉助手在解释概念时要深入浅出，并在每个解释结束时提出问题以检查理解。
举例说明
有时，向模型展示你想要的内容比告诉模型更容易。你可以使用模拟的示例消息来说明你的需求，这是一种有效的方法。
以下是一个示例，展示了如何使用示例消息来教助手将商业术语翻译成简单的语言：
response = openai.ChatCompletion.create(
model=MODEL,
messages=[
{"role": "system", "content": "You are a helpful, pattern-following assistant."},
{"role": "user", "content": "Help me translate the following corporate jargon into plain English."},
{"role": "assistant", "content": "Sure, I'd be happy to!"},
{"role": "user", "content": "New synergies will help drive top-line growth."},
{"role": "assistant", "content": "Things working well together will increase revenue."},
{"role": "user", "content": "Let's circle back when we have more bandwidth to touch base on opportunities for increased leverage."},
{"role": "assistant", "content": "Let's talk later when we're less busy about how to do better."},
{"role": "user", "content": "This late pivot means we don't have time to boil the ocean for the client deliverable."},
],
temperature=0,
)在这个示例中，助手被引导使用简单的语言来解释商业术语。
计算标记数量
在使用ChatGPT模型时，消息中包含的标记数量会影响请求的成本、生成响应的时间以及响应是否会因达到最大标记限制而被截断。
你可以使用以下函数来计算消息中包含的标记数量：
import tiktoken
def num_tokens_from_messages(messages, model="gpt-3.5-turbo-0613"):
# 计算标记数量的函数
# ...这个函数会帮助你了解消息中的标记数量，以便更好地管理成本和响应时间。
结束语
ChatGPT模型是一个强大的工具，可以为你提供有用的回答和建议。通过了解如何格式化输入消息，你可以更有效地与模型互动，获得所需的帮助。不断尝试不同的指令和示例消息，以使模型更好地满足你的需求。
现在，你已经了解了如何使用ChatGPT模型，开始享受其带来的便利吧！
