建立知识星球也是对自己学习的敦促，也希望能与智慧的你们一起把握时代机遇，预见未来，遇见更好的自己！
以下是ChatGPT为大家做的自我介绍：
你好！我是ChatGPT，一个由OpenAI开发的大型语言模型，基于GPT-4架构。我的任务是通过自然语言处理技术，与用户进行交流并提供帮助。我可以回答问题、提供建议、进行简单对话等。我的知识截止于2021年9月，所以关于那之后的信息可能无法为您提供准确的答案。请随时向我提问，我会尽我所能帮助您。
(推荐)注册后免费使用，无次数限制，官方出品，性能最强，技术最佳。缺点是国内注册困难：
(推荐)注册后免费使用，可免费试用当前最先进的GPT-4，提供多种模型选择。能科学上网即可注册，有iPhone客户端可以使用。
第三方客户端很多，基本都是通过调用OpenAI的API实现，这些客户端往往需要你自备OpenAI的ApiKey使用。
基于ChatGPTAPI的划词翻译浏览器插件和跨平台桌面端应用。
使用AI设计自己梦想的房间，上传图片即可得到概念图。
中科院科研工作专用ChatGPT，特别优化学术Paper润色体验，支持自定义快捷按钮，支持markdown表格显示，Tex公式双显示，代码显示功能完善，本地Python工程剖析功能/自我剖析
类似工具：
与上面的chatPDF功能比较类似，就不放图了。
基于ChatGPT的文件阅读助手，支持中英文，可以快速从上传研究论文、书籍、手册等文件中提取、定位和汇总文件信息，并通过聊天的方式在几秒钟内给出问题的答案。
输入书名你就可以跟任何一本书聊天。但需要注意背后还是那个会胡编答案的ChatGPT，所以不会100%准确地利用这些书籍的知识来跟你对话。估计基于真实图书数据的ChatGPT很快就会出现（事实上基于各种真实数据库的各种chat都已经在路上了）。
飞书×（GPT-3.5+DALL·E+Whisper）=飞一般的工作体验语音对话、角色扮演、多话题讨论、图片创作、表格分析、文档导出
邮件，博客等各类文档智能写作助手，支持中文
丢一个YouTube视频链接，与任何YouTube视频对话。
帮助姐妹们一键生成小作文，在舆论场里立于不败之地。
上传文件然后与之对话
为ChatGPT添加图片能力.
将OpenAIGPT与视觉和音频连接起来。您现在可以使用OpenAIAPI密钥发送图像、音频记录和pdf文档，并获得文本和图像格式的响应。目前正在增加对视频的支持。
GenmoChat是一款多模态聊天机器人，可以提供文本、图像、视频的内容生成服务，简单来说可以用它来做一些图片和视频编辑工作。
CopilotHub是一个帮助你基于私有数据创建智能知识库&人格化AI的平台。你可以基于文档、网站、Notiondatabase或其他数据源在几分钟内创建一个自定义的ChatGPT。
使用GPT-4实现自动化自主开发和管理企业以实现盈利。
Meta发布“分割一切”AI模型，CV或迎来GPT-3时刻！多模态ChatGPT距离现实应用不远了！
分割作为计算机视觉的核心任务，已经得到广泛应用。但是，为特定任务创建准确的分割模型通常需要技术专家进行高度专业化的工作，此外，该任务还需要大量的领域标注数据，种种因素限制了图像分割的进一步发展。
Meta发布的SAM模型只做了一件事情：（零样本）分割一切。类似GPT-4已经做到的“回答一切”。
wukong-robot是一个简单、灵活、优雅的中文语音对话机器人/智能音箱项目，目的是让中国的Maker和Haker们也能快速打造个性化的智能音箱。支持ChatGPT多轮对话能力，还可能是第一个开源的脑机唤醒智能音箱。
立即使用海量的ChatGPT应用，或在几秒钟内创建属于自己的应用。
免费，支持中文的AI代码助手，注册教程如下：
个人使用免费，有vscode插件，githubcopilot平替
GPT-4驱动的一款强大代码编辑器，可以辅助程序员进行日常的编码，目前免费。
简单描述项目简介即可快速生成GitHubREADME内容
CodiumAI这个项目构建了一个名为TestGPT的语言模型，是一个专注于软件测试方面的AI，用它通过对话式来生成代码分析、测试计划和测试代码。目前有vscode和jetbrains的插件可供使用。
目前可申请内测
Portal是一款传输工具，旨在将ChatGPT的能力整合到用户的工作流程中。它把整个操作系统当成自己的舞台，可以在任意软件上操作ChatGPT。
使用OpenAIGPT4,描述函数功能即刻得到相应的函数代码，使用GPT4替代程序猿更近一步了，下面是核心代码：
Chroma是一个用于Python/JavaScriptLLM应用程序的嵌入式数据库，它具有内存快速访问的优势。它只有4个核心函数：
开源的向量数据库，可以存储对象和向量，允许将向量搜索与结构化过滤相结合，并具有云原生数据库的容错性和可扩展性，可通过GraphQL、REST和各种语言客户端进行访问。
Pinecone为向量数据提供了数据存储解决方案。
Milvus是一个开源矢量数据库，旨在为嵌入相似性搜索和AI应用程序提供支持。除了向量，Milvus还支持布尔型、整数、浮点数等数据类型。Milvus中的一个集合可以包含多个字段，用于容纳不同的数据特征或属性。Milvus将标量过滤与强大的向量相似性搜索相结合，为分析非结构化数据提供了一个现代、灵活的平台。Milvus使非结构化数据搜索更易于访问，并提供一致的用户体验，无论部署环境如何。Milvus2.0是一个存储计算分离的云原生矢量数据库。这个重构版本的Milvus中的所有组件都是无状态的，以增强弹性和灵活性。更多架构细节，请参见Milvus架构概述。Milvus于2019年10月在开源ApacheLicense2.0下发布，目前是LFAI&DataFoundation的研究生项目。
Chat-GPT超级挂件，以侧边窗口的形式提供服务，可以在阅读书籍时划选文本点击按钮给你解释，总结和提取；也可以在使用笔记软件时为笔记润色，翻译和补充.....
OpenAI现已经支持插件功能，可以预见这个插件平台将成为新时代的AppleStore，将会带来巨大的被动流量，新时代的机会！
指南中介绍了开发者申请开发插件的流程，与网页浏览器插件、代码解释器插件、Retrieval插件、第三方插件等插件的功能、交互样式，详细介绍了开发流程，并通过“待办事项列表(to-dolist)插件”的案例开发过程进行了演示。
更加复杂，但完备性会比较高，比较适合用于编写prompt模板。CRISPE分别代表以下含义：
Prompt编写模式是一份中文教程，介绍了系列Prompt编写模式，以实现更好地应用Prompt对AI进行编程。
项目逻辑清晰，示例丰富，作者对比了不同Prompt模式下AI输出内容的显著差异，撰写逻辑也是非常“中文”的。适合中文使用！
项目结构与速查表
如何让ChatGPT的回答更准确，更符合我们的要求，网站提供了许多例子供参考。
学习如何使用prompt，支持中文
如果感觉自己写的prompt不够好，可以让模型帮你写，然后再输入ChatGPT.
输入简单的词，这个工具会帮你优化成适合生成带有艺术感画面的一连串prompt，可以在大部分绘画工具使用。
所谓越狱:是指通过一些Prompt技巧，诱导chatGPT回答一些被限制或禁止回答的问题。慎用！有封号风险，部分指令对GPT-4可能无效，可能随着OpenAI对模型的改进失效。
OpenAI的ChatGPT大型语言模型（LLM）并未开源，这部分收录一些深度学习开源的LLM供感兴趣的同学学习参考。
karpathy大神发布的一个OpenAIGPT(生成预训练转换器)训练的最小PyTorch实现，代码十分简洁明了，适合用于动手学习GPT模型。
GitHub:
开源了数据、模型和权重，以及提供训练，微调教程，下面是项目介绍
目前已经更新到v2,ChatYuan-large-v2是一个支持中英双语的功能型对话语言大模型。ChatYuan-large-v2使用了和v1版本相同的技术方案，在微调数据、人类反馈强化学习、思维链等方面进行了优化。
ChatYuan-large-v2是ChatYuan系列中以轻量化实现高质量效果的模型之一，用户可以在消费级显卡、PC甚至手机上进行推理（INT4最低只需400M）。
基于LLaMa的LLM助手，提供训练代码、数据和演示，训练一个自己的AI助手。
来自斯坦福，建立并共享一个遵循指令的LLaMA模型。
Alpaca-CoT项目旨在探究如何更好地通过instruction-tuning的方式来诱导LLM具备类似ChatGPT的交互和instruction-following能力。为此，我们广泛收集了不同类型的instruction（尤其是Chain-of-Thought数据集），并基于LLaMA给出了深入细致的实证研究，以供未来工作参考。作者声称这是首个将CoT拓展进Alpaca的工作，因此简称为"Alpaca-CoT"。
OpenFlamingo是一个用于评估和训练大型多模态模型的开源框架，是DeepMindFlamingo模型的开源版本，也是AI世界关于大模型进展的一大步。
项目开源了中文LLaMA模型和经过指令精调的Alpaca大模型。这些模型在原版LLaMA的基础上扩充了中文词表并使用了中文数据进行二次预训练，进一步提升了中文基础语义理解能力。同时，在中文LLaMA的基础上，本项目使用了中文指令数据进行指令精调，显著提升了模型对指令的理解和执行能力。
一种基于开源模型,已交互方式连接不同视觉模型的开源工具。
Lightning-AI基于nanoGPT的LLaMA语言模型的实现。支持量化，LoRA微调，预训练。
继草泥马（Alpaca）后，斯坦福联手CMU、UC伯克利等机构的学者再次发布了130亿参数模型骆马（Vicuna），仅需300美元就能实现ChatGPT90%的性能。FastChat是Vicuna的GitHub开源仓库。
共建大模型社区，让每个人都训得起大模型。
大语言模型LLM在语言理解、生成、交互和推理方面的表现，让人想到：
可以将它们作为中间控制器，来管理现有的所有AI模型，通过“调动和组合每个人的力量”，来解决复杂的AI任务。
在这个系统中，语言是通用的接口。
于是，HuggingGPT就诞生了。
它的工程流程分为四步：
在ChatGPT的问题上OpenAI并不Open，Meta开源的羊驼系列模型也因为数据集等问题「仅限于学术研究类应用」。
Databricks发布的Dolly2.0大语言模型（LLM）的又一个新版本。
Databricks表示，Dolly2.0是业内第一个开源、遵循指令的LLM，它在透明且免费提供的数据集上进行了微调，该数据集也是开源的，可用于商业目的。这意味着Dolly2.0可用于构建商业应用程序，无需支付API访问费用或与第三方共享数据。
自由无限制的可以在windows和mac上本地运行的GPT，基于AlpacaLora模型。
一个用于运行大型语言模型(如LLaMA,LLaMA.cpp,GPT-J,Pythia,OPT和GALACTICA)的webUI。
知名AI机构LAION-AI开源的聊天助手，聊天能力很强，目前中文能力较差。
AutoGPT:prompt工程的下一个前沿，通向AGI之路！
具体来说，AutoGPT相当于给基于GPT的模型一个内存和一个身体。有了它，你可以把一项任务交给AI智能体，让它自主地提出一个计划，然后执行计划。此外其还具有互联网访问、长期和短期内存管理、用于文本生成的GPT-4实例以及使用GPT-3.5进行文件存储和生成摘要等功能。AutoGPT用处很多，可用来分析市场并提出交易策略、提供客户服务、进行营销等其他需要持续更新的任务。
特斯拉前AI总监、刚刚回归OpenAI的AndrejKarpathy也大力宣传，并在推特赞扬：「AutoGPT是prompt工程的下一个前沿。」
AutoGPT正在互联网上掀起一场风暴，它无处不在。很快，已经有网友上手实验了，该用户让AutoGPT建立一个网站，不到3分钟AutoGPT就成功了。期间AutoGPT使用了React和TailwindCSS，全凭自己，人类没有插手。看来程序员之后真就不再需要编码了。
babyagi是一个智能任务管理和解决工具，它结合了OpenAIGPT-4和Pinecone向量搜索引擎的力量，以自动完成和管理一系列任务，从一个初始任务开始，babyagi使用GPT4生成解决方案和新任务，并将解决方案存储在Pinecone中以便进一步检索。
通过AgentGPT配置和部署“AutonomousAIagent”。命名你自己的自定义AI，让它开始任何你能想到的目标。它会通过思考要做的任务，执行它们，并从结果中学习来试图达到目标.
为了促进社区对AGI能力的长期改进和评估，OpenAgi项目开放代码，基准和评估方法。
我在OpenAI的工作每天都在提醒我，社会经济的重大变革将会比绝大多数人认为的更快到来。越来越多人类的工作将被能够思考和学习的软件取代，更多的权力将从劳动力转移到资本上。如果我们的公共政策不做出相应的调整，最终，大多数人会比现在过得还要糟糕。
我们需要设计一种制度拥抱这种技术化的未来，然后对构成未来世界大部分价值的资产（公司和土地）征税，以便公平地分配由此产生的财富。这样做可以使未来社会的分裂性大大降低，并使每个人都能参与收益分配。
未来五年，会思考的计算机程序将可以阅读法律文件，并提供医疗建议；在接下来的十年里，它们将可以从事流水线工作，甚至可能成为人类的同伴；而在之后的几十年里，它们几乎可以做所有的事情，包括探索新的科学发现，扩大我们对”一切”的概念。
这场技术革命势不可挡。当这些智能机器又可以帮助我们制造更智能的机器时，创新的循环往复将加快这场革命的步伐。随之而来的是三个至关重要的后果：
由于我们正处于巨变的开端，因此人类有一个难能可贵的机会去打造未来。这种设计不会简单地解决当前人类面临的社会和政治问题，人类需要着眼于不久的将来，设计一套截然不同的政策体系。
如果我们在制定政策时不着眼于未来，那人类即将面临重大的考验，就像我们把前农耕社会或封建社会的组织原则应用到当今社会，必然会导致失败一样。
该论文是一篇长达154页的对GPT-4的测试。微软的研究院在很早期就接触到了GPT-4的非多模态版本，并进行了详尽的测试。
GPT-4的发布直接填补了之前GPT系列的跨模态信息生成能力的空缺，GPT-4目前已经可以同时接受图像和文本输入，来生成用户需要的文本。并且OpenAI团队在多个测试基准上对其进行了评估，GPT-4在大部分测试上已经与人类水平相当了。有很多学者分析，GPT-4相比前代的GPT-3.5以及ChatGPT”涌现“出了更加成熟的智能，其内部原因可能是投入了更大的训练数据库和训练算力，真有一些力大砖飞的感觉。但是不可否认的是，GPT-4仍然面临着生成”幻觉“(Hallucination)的问题，即仍有可能产生事实性错误的生成文本。此外，GPT-4主打的多模态生成模式是否也会进一步带来生成具有政治导向、错误价值观、暴力倾向等内容的风险呢，那么如何灵活的应对这些局限性和风险性，对GPT-4的健康落地也具有非常重要的意义。
ChatGPT的强大能力是显而易见的，但对于人工智能领域不太熟悉的人，对这种黑盒的技术仍然会担忧或者不信任。恐惧通常来自于不了解，因此本文将为大家全面剖析ChatGPT的技术原理，尽量以简单通俗的文字为大家解惑。
我们要对以下项目表示衷心的感谢，他们为我们提供了宝贵的贡献和灵感：
TemplatesletyouquicklyanswerFAQsorstoresnippetsforre-use.