面向Java开发者的ChatGPT提示词工程（11）扩写
什么是扩写？
扩写是指将较短的文本交给GPT生成更长的文本。比如：根据一组基本指令，写出一封完整的电子邮件；或者根据一系列主题，创作出一篇包含这些主题的文章。
这样的技术，有着广阔的应用场景，就如同我们可以利用它作为我们头脑风暴的伙伴，帮助我们创新思考，解决问题。然而，我必须坦白，这样的技术也可能被滥用，比如有人可能会利用它产生大量的垃圾邮件，让人头疼。
因此，我想提醒大家，在使用这些技术时，我们要有责任心，要以一种有益于社会，有益于人们的方式来使用。我们的技术，不仅仅是为了解决问题，更是为了创造价值，为了让世界变得更好。
temperature参数
在我们探索如何运用GPT进行文字扩写的过程中，有一个参数值得我们特别关注，那就是temperature。你可以将这个参数理解为GPT的探索性或随机性的度量。举个例子，假设我们输入的短语是“我的属相是”，GPT可能会预测出最有可能的下一个字是“鼠”，然后是“牛”和“虎”。
如果我们将temperature设置为0.0，GPT会始终选择最有可能的下一个字，也就是在这个例子中的“鼠”。然而，如果我们提高temperature的值，GPT就有可能选择不太可能出现的字，甚至在temperature值更高时，它可能会选择“虎”，尽管这个选择只有10%的概率。
你可以想象，随着GPT继续生成更多的字，最终的回答可能会与最初的回答“我的属相是鼠”有所不同。因此，如果你正在构建一个需要可预测响应的应用程序，我建议你将temperature设置为0.0。在我之前的文章中，我们也是将temperature设置为0.0，如果你希望构建一个稳定、可预测的系统，这个选择应该是合适的。
然而，如果你期望以更有创新性的方式使用模型，可能就需要提高temperature的值，以便获得更多不同的输出。
原来我们写的getCompletion方法是这样的（你是否还记得呢？）：
public static String getCompletion(String prompt) {
//国内需要代理
Proxy proxy = Proxys.http("127.0.0.1", 7890);
ChatGPT chatGpt = ChatGPT.builder()
.apiKey(Constants.API_KEY)
.proxy(proxy)
.apiHost("https://api.openai.com/") //反向代理地址
.build()
.init();
ChatCompletion chatCompletion = ChatCompletion.builder()
.messages(Collections.singletonList(Message.of(prompt)))
.model("gpt-3.5-turbo") // GPT的模型名称
.temperature(0.0) // GPT输出的随机程度
.build();
ChatCompletionResponse response = chatGpt.chatCompletion(chatCompletion);
return response.getChoices().get(0).getMessage().getContent();
}
因为temperature一直是0.0。所以，我们需要把原来的代码稍微修改一下，让它支持temperature的设置：
public static String getCompletion(String prompt) {
return getCompletion(prompt, 0.0);
}
public static String getCompletion(String prompt, double temperature) {
//国内需要代理
Proxy proxy = Proxys.http("127.0.0.1", 7890);
ChatGPT chatGpt = ChatGPT.builder()
.apiKey(Constants.API_KEY)
.proxy(proxy)
.apiHost("https://api.openai.com/") //反向代理地址
.build()
.init();
ChatCompletion chatCompletion = ChatCompletion.builder()
.messages(Collections.singletonList(Message.of(prompt)))
.model("gpt-3.5-turbo") // GPT的模型名称
.temperature(temperature) // GPT输出的随机程度
.build();
ChatCompletionResponse response = chatGpt.chatCompletion(chatCompletion);
return response.getChoices().get(0).getMessage().getContent();
}
撰写评论的回复
假设你是一个淘宝卖家，你可能经常会面临这样的问题：如何对买家的评论进行回复？你可能已经厌倦了那些千篇一律、毫无新意的回复，而且这样的回复也无法体现出你对买家的尊重和诚意。那么，有没有一种方法可以让我们的回复变得更有深度、更有诚意呢？
我们可以让GPT充当我们的文案写手，帮助我们对买家的评论进行回复。GPT不仅能够理解评论中的具体内容，还可以用简洁、专业的语气来撰写回复。
public static void main(String[] args) {
String text = "包包的质感很好，不是软塌塌的料子，背上很百搭，裙子、T恤搭配都很好看，内里还有个带拉链的隔层，放些重要的东西不会掉，包的走线工整，一个线头都没有，细节做的很到位，字母部分印的很好。";
String prompt = "你是一名文案写手，您的任务是对买家的评论进行回复。\n"
+ "根据三个反引号之间的买家评论，生成回复以感谢买家的评论。\n"
+ "确保使用评论中的具体细节，以简洁且专业的语气撰写。\n\n"
+ "```\n"
+ "%s\n"
+ "```";
String response = getCompletion(String.format(prompt, text), 0.7);
System.out.println(response);
}
在我们的代码里，你可能已经注意到了一个名为temperature的参数，其值被设定为0.7。这个参数在代码中起到了什么作用呢？正如上文提到的，temperature的设定与我们的预期结果有着密切的关系。当temperature被设定为0.0时，无论多少次执行，只要提示词相同，你所得到的结果也将可能是相同的。然而，当我们将temperature的值调整为0.7时，情况就会有所不同。此时，即使提示词相同，你每次执行都将会得到不同的结果。这就是temperature参数在我们代码中的神奇之处，它决定了结果的多样性。
运行一下，可以得到如下回复：
尊敬的买家，感谢您对我们包包的细致评价！我们很高兴听到您喜欢我们包包的质感和匹配性。我们深知内部设计的重要性，所以特意加入了带拉链的隔层供您放置重要物品。同时，我们也一直致力于保持产品的工艺精细，字母印制的质量也是我们重视的部分。您的认可是我们努力的最大回报，期待您的再次光临，我们会持续为您提供优质的产品和服务。
不做任何改动，再运行一下，还可以得到和上面不同的回复：
尊敬的买家，非常感谢您的详细评价和对我们产品的认可。我们很高兴听到您喜欢包包的质感和设计，以及我们对于细节的处理，包括走线工整和字母部分的印刷。我们始终致力于为您提供高质量的产品和满意的购物体验。再次感谢您的支持！
这样，我们就可以根据买家的评论内容，生成出贴切、有深度的回复，不仅可以体现出我们的专业性，还可以让买家感受到我们的诚意。这种方法不仅可以提高我们的工作效率，还可以提升我们的服务质量，为我们赢得更多的好评。
总结
我们了解了如何使用GPT进行文字扩写，以及如何调整temperature参数来改变GPT的输出。我们还了解了如何使用GPT来撰写评论的回复。这些都是我们在实际工作中可以应用的技术，我希望这些知识能够对你有所帮助。
然而，我还想提醒大家，无论我们使用什么样的技术，我们都需要有责任感。我们不能滥用这些技术，我们需要以一种有益于社会，有益于人们的方式来使用它们。我们的技术，不仅仅是为了解决问题，更是为了创造价值，为了让世界变得更好。
《面向Java开发者的ChatGPT提示词工程》总目录
- 面向Java开发者的ChatGPT提示词工程（1）准备工作
- 面向Java开发者的ChatGPT提示词工程（2）使用分隔符、结构化输出
- 面向Java开发者的ChatGPT提示词工程（3）GPT自我检查、尽量少的提示词
- 面向Java开发者的ChatGPT提示词工程（4）明确步骤、GPT自己找解决方案
- 面向Java开发者的ChatGPT提示词工程（5）避免幻觉
- 面向Java开发者的ChatGPT提示词工程（6）迭代改进提示词
- 面向Java开发者的ChatGPT提示词工程（7）总结、提取特定信息
- 面向Java开发者的ChatGPT提示词工程（8）识别情感、推理主题
- 面向Java开发者的ChatGPT提示词工程（9）翻译、语气转换、格式转换
- 面向Java开发者的ChatGPT提示词工程（10）拼写检查、语法检查及应用实例
- 面向Java开发者的ChatGPT提示词工程（11）扩写