date
slug
summary
tags
category
icon
password
OpenAI已经将模型的能力推向了一个极度易用的程度,多模态的结合使我原本需要在脑海或物理上进行的整合工作减少了。下一步,我将基于自己的工作流,抽象出需要完成的任务的能力,制作成定制的GPTs,这将极大地扩展我们的能力边界。
notion image
 

通用场景的魅力

 
使用ChatGPT时,我被其通用性所吸引,它能帮我完成各种任务。这种通用性的优势在于,我无需为每个任务学习新的使用技巧,只需通过一个对话窗口就能完成所有任务。 随着多模态模型的更新,文字、图像和插件构成的生态系统节省了我们整合不同信息的时间,使我们能更专注于创作。DALL-E的画图能力支持模糊语言,这意味着我在绘制图像时,无需使用特定格式的Prompt,只需使用自然语言描述,就能得到我想要的图像。 借助WebPllot、Wikipedia和Consensus Search插件的搜索能力,我无需打开谷歌等搜索引擎,就能获取我需要的信息。

GPTs的未来可期

在GPTs问世之前,我们解决问题需要寻找合适的工具,并投入时间学习如何使用它。然而,有了GPTs,我们只需用自然语言与之对话,就能根据自身需求定制专属的解决方案。 如果将GPT模型比作游戏开发中的引擎,那么GPTs就好比是依附在引擎上的插件,它将问题解决的颗粒度细化到更深层次。更重要的是,它不再需要编程技能,使得没有编程基础的人也能轻松使用。

Prompt 能力

"英语将成为未来最优秀的编程语言"
这句话自AI兴起以来就开始流传,如今看来,其准确性毋庸置疑。Prompt在其初期流行时,就已经预示了其可能的短暂寿命,但可能没有人预料到,它的失效会来得如此之快。GPTs的后台调试界面,基本上都采用了基于英语的自然语言模式。 学会提出合理的问题,然后沿着问题逻辑推导,最终找到解决方案,这种能力变得越来越珍贵。
 
💡
感谢您的观看!欢迎分享文章,或是来信与我交流。
歌曲:伍佰《泪桥》《我曾七次鄙视自己的灵魂》(纪伯伦)
Loading...