ChatGPT-4: 半年的深度使用思考

几个月的时间一直在使用 ChatGpt-4，以口述语音转文字的形式说一下自己的体会。

1、选择版本

大前提：我使用的都是 GPT4 的版本。也就是说至少每个月要付费20$。

因为 3.5 的版本，实际上使用体验是非常差的，主要体现在答非所问上。

这一点在四版本出来以后就很好的得到了解决。

2、效率提升

GPT4 的确能极大的提高我们的编码，文字撰写等的效率。这是毋庸置疑的事实。

当然，个人认为国内的大模型至少短期内是很难达到 GPT4 的能力。

国内的大模型还停留在PPT的阶段， PPT的效果都非常好。但是实操下来可能都远远达不到预期。（为避免不必要的纷争，所以这里就就此打住这个话题）

3、工具的依赖与心态

个人心得：我们更多的应该把它当做我们提高工效率的工具，而不应该形成太多的依赖。

我自己深有体会，当在断网的环境下或者在代理不可用的情况下，自己容易出现心情烦躁。或者抓耳挠腮的情况。

一种说法这是情绪不稳定，深层次的原因应该是对gpt4形成的过度依赖。

4、如何平衡依赖关系？

我个人那个做法就是我在自己的办公桌前会放一个纸和笔。

我依然会用传统的纸和笔方式会记录个人的灵感，同时我的个人博客的写作都是借助有道云笔记完成。不论纸、笔也好，云笔记也好，这些都是辅助我们沉淀内容的工具。在大模型的时代，依然是不可或缺的。

我个人梳理技术博客养成的习惯就是先列出来脉络，然后再填充内容。

这种能一定程度缓解依赖。半年的时间，我个人后面逐步转变使用它的方式，还是转变成类似谷歌必应搜索引擎的工具。

让 gpt 来验证我们的想法，或者是我们抛出问题让他给予解答。并且对于一些有疑问的解答，要再进一步的求助搜索引擎，反复的考证已得到最精准的答案。

5、关于编码的准确性？

这一点也可能是咱们同学关注的点。

GPT4其实能比资深的程序员写出来的代码质量还要高一些。

但是我们不能拿来就用，存在bug的情况也是比比皆是的。所以还是需要我们人工能够识别bug，或者是再把bug的内容丢给GPT，让它完善代码。

6、关于问题回复的准确性？

我个人认为分为两个维度。

• 维度一，相对小的问题。

比如说代码语法的正确性的检查，比如说某某的API的使用举例，这种正确率能达到极高。问题越精准，答案越精准。

• 维度二，相对大的问题。比如说写一个发明专利，比如说写一篇论文。

这种问题往往不能够立马得到一个我们相对满意的答案。核心的原因就在于我们的prompt提示信息是不完备的！这个也是我在反复验证或思考以后得到的本质答案。当然，或许这也是咱们很多同学提前就已经知道的答案。

7、提高问题准确性的策略

对于发散性的问题如何提高准确性？我甚至专门听了b站上的一门儿外国大佬的课。核心的答案就是，我们要精准的提高我们的输入。

当然这里要有两点心得：

• 第一，把大问题拆成小问题。

比如我们要让gpt写一篇专利。最好的方式不是上来直接写，而是先让他写一个大纲。

大纲就是把一个大问题拆解成小问题。然后我们再基于这个大纲进行提问。最后汇总得到一个相对完整的答案。

• 第二，非常详尽地以特定身份背景描述问题。

比如：你要告诉GPT，他充当的角色是什么？在这个角色背景下，他要解决什么问题？这个问题是如何产生的？当前有哪些解决思路？等等。越详细越好。当然问题描述得越准确越好。

一句话说就是，我们的提示信息越多越准确越好，也就是说我们的输入越准确，那么我们的得到的输出信息才有可能准确性高一些。

8、不要期望GPT4能解决一切问题。

如果遇到新的技术点，遇到新的挑战点，就寄希望于GPT4。这其实是自我愚昧的一种方式。

我们更多的如前所述，应该把 GPT4 当成工具。这个工具并不是不可或缺的工具。

就如搜索引擎一样，有了它，我们的效率会更高。没有它我们照样能写代码，照样能解决问题，照样能实现架构和设计等。

9、GPT4 局限性

GPT4 依然学习到的是2021年9月份以前的知识。

所以对于新的技术点，早期发布了一个互联网搜索功能。其实体验并不好。

现在依然有这种搜索式的插件，但是由于网络的原因，由于网站是否允许爬虫等原因，都得不到我们期望的理想的效果。

所以这一点的认知让大家对新内容的使用也要有所预期。

还有 2000 字符的输入限制，这点也是要注意的。

360的老总周鸿祎提到的识别整本书 PDF 等大文档能力，至少得在以后的版本才会出现。

并且还要注意，会话一旦关闭以后， GPT4是不会记录你的信息的。也就是说你开一个新的会话，再去问他，你刚才问的问题。它实际上是不知道的。

10、说一千道一万，提升自己是关键。

现在大模型有点像10年前的团购的百团大战，几乎稍微大点儿的公司都在搞自己的模型。

从数据安全的角度这一点无可厚非。但作为技术人员的我们，应该是不站队。不要陷入这个模型好、那个模型差的争论中去。没有必要，也完全不需要。

我们应该拥抱大模型，尝试用新的大模型的方式来解决传统的问题。应该学会使用huggingface等类似的模型平台，选择适合自己的模型和数据集来解决企业已有的问题。而不是抱残守缺，抱着已有的技术栈不放！

自身层面，要更多的是戒掉一些刷娱乐视频的时候，花时间找到有价值的内容。去学习新知识，去挑战和打破旧认知，提升新认知！让更牛逼的大模型作为我们的提升效率的工具，助力我们成长的更快，才是王道！

11、关于封号

Plus 照样封号。原因：异常活动。不知道对方如何界定的异常，实际是没有任何违规操作的。

参考网上申述方式几乎是无效的，没有特别好的办法。

中国最大的 Elastic 非官方技术号