挑大梁的专栏

OpenAI的文本嵌入衡量文本字符串的相关性。搜索（通过一个查询字符串的相关性将结果排序）聚类（通过相似性将文本字符串进行分组）推荐（推荐与文本字符串相关的条目）异常检测（相关性不大的异常值被识别出来）多样性衡量（分析相似度分布）分类（通过最相似的标签分类文本字符串）嵌入是一个浮点型的向量。用距离衡量两个向量的相关性。小的距离暗示高相关性，大的距离暗示低相关性。

怎样使用函数与知识库这是个笔记的创建是基于参数生成笔记的基础上，创建一个可以访问知识库的代理和两个可以根据用户需求调用的函数。我们要创建一个使用arXiv的数据的代理来回答关于学术主题的问题。有两个处理函数：- get_articles: 一个返回arXiv上的主题文章的函数，并使用链接列出摘要- read_article_and_summarize: 采用之前搜索的文章，读取整篇文章，并总结核心论点、证据和结论。

怎样生成函数参数指定一组函数并使用模型API生成函数参数。怎样使用模型生成的参数调用函数通过实际执行带有模型生成参数的函数来关闭循环。

在API调用中，您可以描述函数规范，让模型智能地选择输出包含参数的JSON对象，过程中你以调用一个或多个函数。聊天补全API自身不能调用函数；而是，让模型生成JSON，使用它调用函数代码最新的模型(gpt-3.5-turbo-0125和gpt-4-turbo-preview)已通过训练，可以检测何时应该调用函数(取决于输入)，并使用模型对符合函数签名的JSON进行响应。拥有这项能力的同时也伴随着风险。我们强烈建议在采取可能影响世界范围内的用户行为之前建立用户确认流程（例如：发邮件、发布网络、购物等待）

文本生成模型OpenAI的文本生成模型(也叫做生成预训练的转换器(Generative pre-trained transformers)或大语言模型)已经被训练成可以理解自然语言、代码和图片的模型。模型提供文本的输出作为输入的响应。对这些模型的输入内容也被称作“提示词”。设计提示词的本质是你如何对大语言模型进行开发，通常是提供指令和任务案例来使工作得以成功完成。使用GPT-4-vision-preview，你可以构建处理和理解图片的系统。

例如，如果一个4K token的块在某个类别的得分为0.9901，而另一个块的得分为0.1901，那么API响应中将显示0.9901，因为它更高。选择加入的一个好处是，随着时间的推移，模型可能会在您的用例中变得更好。这些模型可以替代原有的GPT-3基座模型，并使用传统的补全API。GPT-4是1个多模态的大语言模型(可以接受文本或图片，然后输出文本)，对于解决相对较困难的问题超过之前所有的模型。对于基本的任务，GPT-4和GPT-3.5模型没有显著的区别。可以根据不同的需求选择不同的模型并进行精调。

启动并运行OpenAI APIOpenAI API 为开发者提供一个简单的接口，使其能够在他们的应用中创建一个智能层，由OpenAI最先进的模型提供支持。聊天补全端点为ChatGPT提示支持，一种简单的方法是：输入文本，使用GPT-4模型输出。本入门教程将帮助你安装本地的开发环境，并发送第一个API请求。如果你是一个经验丰富的开发者或想深入的使用OpenAI API,GPT指南的API参考手册对你将有很大帮助。

Open AI API可以应用到任何的业务场景。文本生成创造助理嵌入数据语音转化图片生成图片输入。