新的风口出现了

今天用 ChatGPT 的时候，发现了一个新功能：

通过 @ 可以列出所有曾经用过的专属模型：

并把专属模型直接添加到对话中：

接着对话的对象就是专属模型了：

专属模型是 AI 的一个新的风口，接下来一起看一下，这个风口是怎样出现的？

写好提示词有一定的门槛，需要系统学习人工智能的基础知识，熟悉生成式人工智能的底层逻辑，再经过一段时间的实践练习和复盘总结，掌握写提示词的方法和技巧。

要想大模型生成高质量的结果，需要投喂大量的数据，并且这些数据是要高质量的。因为大模型在生成内容的时候，使用的是概率统计的推理方法，会按照存储在系统中的数据进行计算。

这里的数据主要有两类：

一类是预训练的数据，大模型在上线前，会经过大量数据的训练，大模型出厂后的能力之所以这么强，上知天文，下知地理，就是大量数据投喂的结果。

另一类是上下文的数据，也就是在和大模型对话的时候，大模型会把对话的内容存储起来，只要不删除对话，这个上下文的信息就都在。

需要注意的是，每个对话的上下文存储容量是有限的，如果超过了 token 的限制，随着新内容的进入，早先存储的内容就会丢掉。

预训练的数据，是全局生效的，不管是哪个用户，不管开启多少个对话，都可以使用这些数据，比如用于写作的故事模型和金字塔模型，在任何时候都可以调用。

上下文中的数据，只在当前的对话中生效，如果新开一个对话，上个对话上下文中的数据不会带过来，在上个对话中调教大模型，生成的方法论等一系列的结果就没有办法复用。

如果上下文的数据没有办法复用，意味着整个训练的过程只能用一次，遇到同样的问题，需要再次完成整个训练过程，大量重复的工作仍然存在，使用大模型很难显著提高生产力。

一种解决办法是人工对整个对话的过程进行梳理，提取出关键限制性提示词，组装成结构化提示词，后续再遇到类似问题，直接使用封装好的结构化提示词就可以了，不需要再进行完整的训练，这也是定制提示词要做的主要工作。

还有一种解决办法就是创建定制的 GPT 了，把整个训练过程中产生的数据都存放在定制的 GPT 空间，只要使用定制的 GPT，都可以使用这些数据。

可以看到，定制的 GPT 存储的数据既不来自于全局，也不来自于上下文，而是新开辟的一个存储，在定制的 GPT 使用过程中都能访问到。

通过这种方法也降低了提示词的使用门槛，大量的工作在创建定制的 GPT 的时候已经都做了，只需要使用简单的提示词就可以生成高质量的结果。

生产力的进一步提高，带来的是更多新的需求得到解决，通过不断创造新的价值，抢占新的资源，获得更多博弈的筹码。

作者简介

您好，我是奇大，毕业于北邮，前端技术专家，AI 布道师。

10 多年互联网研发和管理经验，我将分享高质量的职场认知和技术干货，欢迎围观。