API接口

https://one-api.weijiajin.com

Chat

https://chat.weijiajin.com

https://ai.weijiajin.com

OpenAI文档介绍

英文仓库
https://github.com/openai/openai-cookbook

中文文档翻译
https://openai.xiniushu.com

LinuxDO论坛

https://linux.do

中文大语言模型

https://github.com/HqWu-HITCS/Awesome-Chinese-LLM

整理开源的中文大语言模型,以规模较小、可私有化部署、训练成本较低的模型为主,包括底座模型,垂直领域微调及应用,数据集与教程等。

论文怎么找创新点

大模型LLM+推荐系统找创新点
https://zhuanlan.zhihu.com/p/673058941

一、Prompt实验设计与案例

Prompt(提示词)设计是大语言模型使用中的关键环节,不同的提示方式会显著影响模型输出的效果。以下列举几种主流的 Prompt 方法,并结合实际案例进行说明。

🔹 Zero-shot Prompting(零样本提示)

🔹 Chain-of-Thought Prompting(思维链提示)

🔹 Few-shot Prompting(少样本提示)

🔹 Instruction Prompting(指令提示)

二、主流大模型比较与选择建议

当前市面上主流的大语言模型(LLMs)各具优势,适用场景也存在一定差异。以下从模型能力、开放性、价格策略、上下文长度、接口易用性等角度对比主流模型,并在最后给出选择建议。

1. 模型总览表

模型名称 提供方 代表版本 上下文长度 多轮对话能力 代码能力 中文能力 价格策略 接口开放性
DeepSeek R1 DeepSeek AI R1 128K ⭐⭐⭐⭐ ⭐⭐⭐⭐ ⭐⭐⭐⭐ 免费/按量 API 提供
ChatGPT OpenAI GPT-4-turbo 128K ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐ GPT-3.5 免费;GPT-4 收费 API、插件、工具链
Claude Anthropic Claude 3 Opus 200K+ ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐ ⭐⭐⭐⭐ 免费/订阅 API 提供(有限)
Grok xAI (Elon Musk) Grok-1.5 ~32K? ⭐⭐⭐ ⭐⭐⭐ ⭐⭐ X平台内订阅 暂无开放API
LLaMA Meta LLaMA 2 / 3 4K–32K+ ⭐⭐⭐⭐ ⭐⭐⭐⭐ ⭐⭐⭐ 开源免费 需自行部署

说明:星级为相对评分,5星为最优。上下文长度单位为 tokens。


2. 各模型简要分析

🔹 DeepSeek R1(国产亮眼新星)

🔹 ChatGPT(生态最完整)

🔹 Claude(长文本之王)

🔹 Grok(社交场景专用)

🔹 LLaMA(开源部署首选)


3. 模型选择建议

使用场景 推荐模型 理由
通用对话助手 ChatGPT (GPT-4) 能力全面,支持多模态和函数调用
长文档处理与总结 Claude 3 Opus 上下文最长,逻辑梳理强
中文问答或数学任务 DeepSeek R1 本土化训练优良,中文表现稳定
私有化部署需求 LLaMA 开源可控,自定义性强
社交媒体创作 Grok 结合 X 平台语境,内容风格轻松幽默

三、输出规范化与结构化处理

3.1 正则提取示例

import re
output = "答案是:42"
match = re.search(r"答案是[::\s]*(\d+)", output)
print(match.group(1) if match else "未提取")

3.2 JSON结构化与数据库写入示意

import json, sqlite3
llm_output = '{"公司":"小米公司","时间":"2024年2月","地点":"上海","事件":"发布电动汽车","人物":"雷军"}'
info = json.loads(llm_output)
conn = sqlite3.connect("events.db")
c = conn.cursor()
c.execute("CREATE TABLE IF NOT EXISTS events (company TEXT, time TEXT, location TEXT, event TEXT, person TEXT)")
c.execute("INSERT INTO events VALUES (?, ?, ?, ?, ?)", (
    info["公司"], info["时间"], info["地点"], info["事件"], info["人物"]
))
conn.commit()
conn.close()

四、大模型 API 调用示例

4.1 OpenAI GPT 接口

import openai
openai.api_key = "your-api-key"
response = openai.ChatCompletion.create(
  model="gpt-3.5-turbo",
  messages=[{"role": "user", "content": "用一句话总结:苹果今天发布新品"}]
)
print(response["choices"][0]["message"]["content"])

❤️ 转载文章请注明出处,谢谢!❤️