推荐：用 NSDT场景设计器 快速搭建3D场景。

几周前的一个星期五晚上，我醒来时收到一封来自 Lenny Rachitsky 的电子邮件，他是 Lenny’s Newsletter 的作者，Lenny’s Newsletter 是 Substack 上最大的时事通讯之一。 他想知道我是如何构建我们的 Every 聊天机器人的：

我爱莱尼。 他是我们 Every 的主要灵感来源，所以看到他对聊天机器人感兴趣是令人兴奋的。 它还为我创造了一个机会来检验我一直在研究的一个理论：聊天机器人是一种对创作者来说很有价值的新内容格式。

我知道 Lenny 的听众将是检验这一理论的完美方式：

出于所有这些原因，以聊天机器人的形式提供他的帖子是有意义的。 不必滚动浏览他的档案来回答产品问题，他的任何订阅者都可以询问机器人并获得即时答案。

我知道根据我们已经完成的工作为他建造一个非常容易——所以我提出为他开发：

在接下来的几周里，我还写了一篇文章，作为客座文章发表在他的时事通讯上，内容是关于我如何构建机器人的。 这是一份详细的分步指南，介绍了 GPT-3 的工作原理以及如何使用它轻松创建这样的问答聊天机器人——无需编程经验。 它于周二上线，成为 Lenny 有史以来流量最高的一天：

这是一次疯狂的旅程。

莱尼的时事通讯很棒，但它是片面的。 它跟你说话，但你不能顶嘴。 如果你能向 Lenny 的时事通讯提问，那不是很棒吗？

现在这是可能的。

在一周的时间里，我为 Lenny 构建了一个人工智能聊天机器人，它使用他的整个时事通讯档案来回答你关于产品、增长和初创公司的任何问题。 它是用 GPT-3 构建的，从头到尾花了几个小时完成。 在这篇文章中，我将详细介绍 Lenny Bot 的工作原理，以便你学习自己构建一个。

你也可以马上使用尝试 Lenny 机器人。

像 GPT-3 这样的人工智能技术仍处于起步阶段，但它们很快就会无处不在。 掌握他们的工作方式对于你在技术领域的职业生涯至关重要，尤其是在构建产品方面。 为即将到来的未来做准备的最好方法是投入其中并亲自动手。

开始时可能看起来很吓人，尤其是如果你没有技术背景。 但我将从头开始。 你将能够理解我在说什么，并自己开始使用它，无需编程。 （如果有任何问题，可以随时将其粘贴到 ChatGPT 中——它会给你很好的答复；）

你可能听说过 GPT-3 和 ChatGPT。 也许你可以互换使用这些术语，或者不确定它们之间的区别。 花一点时间了解它们的不同之处是值得的。

GPT-3 和 ChatGPT 都是“大型语言模型”（LLM）。 这些是机器学习模型，可以生成听起来自然的文本、代码等。 他们使用大型文本数据集进行训练，这有助于他们掌握自然语言任务，例如回答问题、撰写营销文案和进行对话。 那么它们之间有什么区别呢？ 为什么它很重要？

GPT-3 是一种通用语言模型：它可以进行对话、编写代码、完成博客文章、执行翻译任务等等。 你可以把它想象成一个灵活的万事通，可以阐述你想要的任何主题。

ChatGPT 是 GPT-3 的一个版本，它已经变成了一个友好、无害的外向者。 基本上，它被训练得善于进行对话。 它的创建者 OpenAI 通过与模型反复对话，奖励好的响应和惩罚坏的响应来做到这一点——这个过程被称为从人类反馈中强化学习。

你会认为既然我们正在构建一个聊天机器人，我们就会使用 ChatGPT，对吧？ 不幸的是没有。 OpenAI 尚未为我们创建直接与 ChatGPT 模型交互的方式——您只能通过 ChatGPT 网络应用程序使用它。 所以它不适合我们的目的。

我们希望能够直接与模型交互，而不是通过干预应用程序。 因此，我们将使用 GPT-3 进行探索。 它将为我们提供构建聊天机器人所需的所有功能和灵活性。

我们将以两种方式进行：首先使用 OpenAI 的 Playground，然后使用一些代码。 Playground 是一个网络应用程序，可让你提示 GPT-3 并获得回复，使其成为我们进行实验的好地方。

让我们从那里开始，看看情况如何。

基本解释 GPT-3 的方式是它喜欢为你完成你的句子。 你向它提供一组起始单词，它会尝试从你的输入中找出最有可能出现的一组单词。 你可以提供任何字符串。 它非常灵活，可以谈论任何你想谈论的话题，从产品管理到天体物理学。

你提供的词组称为提示（Prompt），从 GPT-3 返回的称为完成（Completion）。

下面是 GPT-3 Playground 中的一个简单示例。 非绿色文本是我作为提示输入的内容，绿色文本是 GPT-3 作为完成返回的内容：

你可以看到 GPT-3 在像这样的简单完成上表现良好。 但即使提示变得更加复杂，它也表现良好。

例如，你可以提示它定义产品市场契合度：

运行此函数时，我们将创建一个名为 index.json 的文件，其中包含已转换为可搜索格式的 Lenny 文章块。 这些被称为嵌入——每个文本块的浓缩数学表示。 就像纬度和经度可以帮助你判断地图上两个城市的距离一样，嵌入对文本块也有同样的作用。 如果你想知道两段文本是否相似，请计算它们的嵌入并进行比较。 具有“更接近”在一起的嵌入的文本块是相似的。

嵌入很方便，因为当用户提出问题时，它们可以轻松搜索 Lenny 的档案并找到最有可能回答我们问题的文章。

考虑到这一点，让我们运行代码看看会发生什么。

如果我问，“什么是消费者社交产品的良好保留率？” 它说：

“25% 很好。”

如果我质疑它，“消费者创业的想法最好来自试图解决自己问题的创始人吗？” 它返回正确答案：

“根据研究，似乎消费者创业创意来自试图解决自己问题的创始人是个好主意，因为这是大约 30% 最成功的消费品公司所采用的策略。然而，这不一定是最好的策略，因为其他策略，例如关注好奇心、已经奏效的策略和范式转变，也被大量成功的公司所采用。”

我们现在有一个端到端的解决方案，可以将问题转化为基于 Lenny 档案的答案。 而且只用了几行代码！

如果想查看实际结果，请查看Lenny机器人。

这仅仅是个开始。 随着这些技术的发展，可能性的范围几乎每天都在发生变化。 今天很难做的事，几个月后就会很容易。

每一份被其受众用作常青参考信息的时事通讯、书籍、博客和播客现在都可以重新包装为聊天机器人。

这对观众来说非常好，因为这意味着任何时候你想知道 Lenny（或任何其他创作者）对某个主题的看法，你都不必为了获得他们的文章或播客剧集而整理档案 回答你的问题。 相反，你将能够使用 Lenny 的聊天机器人立即得到他的答案——如果你需要更多详细信息，稍后可能会完整阅读这篇文章。

这对内容创作者来说也很棒。 他们现在能够以新的方式将他们已经创建的内容货币化，并减少他们必须回答的重复问题的数量。 这将（希望）给他们更多的时间和金钱来创造伟大的内容。

一类新的内容创作者将学习如何为他们的小众受众创造引人入胜的聊天机器人体验，将他们的个性和世界观结合起来，就像一些创作者学习创作引人入胜的 YouTube 视频、时事通讯文章或 TikTok 剪辑一样。

如果你使用 Lenny 的聊天机器人或遵循代码示例，你会发现它很有前途但还不完美。 学习为用户提供令人难以置信的此类体验的个人或团体可以获得巨大的回报。

我希望这能激励你踏上这段旅程。

原文链接：http://www.bimant.com/blog/gpt-3-chatbot-diy/