大模型调用

一、基本概念

1.1、Prompt

大模型的所有输入，即，我们每一次访问大模型的输入为一个 Prompt， 而大模型给我们的返回结果则被称为 Completion。

1.2、Temperature

LLM 生成是具有随机性的，在模型的顶层通过选取不同预测概率的预测结果来生成最后的结果，而Temperature 参数就是用来控制 LLM 生成结果的随机性与创造性。

Temperature 一般取值在 0~1 之间，当取值较低接近0时，预测的随机性小，更为保守，严谨，稳定。当取值较高接近1时，预测的随机性会较高，预测结果更创意，多样化。

不同问题的应用场景，设置不同的Temperature。例如：

• 个人知识库项目，一般将 Temperature 设置为0，从而保证知识库内容的稳定使用，规避错误内容；
• 产品智能客服、科研论文写作等场景中，同样更需要稳定性而不是创造性；
• 个性化 AI、创意营销文案生成等场景中，更需要创意性，从而更倾向于将 Temperature 设置为较高的值。

1.3、System Prompt

使用 ChatGPT API 时，可以设置两种 Prompt：一种是 System Prompt，该种 Prompt 内容会在整个会话过程中持久地影响模型的回复，且相比于普通 Prompt 具有更高的重要性；另一种是 User Prompt，这更偏向于普通的 Prompt，即需要模型做出回复的输入。

System Prompt 一般在一个会话中仅有一个。