前言： 本文只讨论gpt做底层的问题和解决方案，并不影响在toC环境下gpt与人类直接沟通的效果炸裂的好评价。 做底层，和做表层(交互层)，那是完全不同的。但是gpt做表层是没办法当成生产力去具体干活，平时你问问问题，娱乐一下还行。想自动化的变成生成力一部分，那还是要用gpt做底层，但做底层gpt又实在是问题颇多，虽然别的自研Ai框架和算法比较适合做底层，但又不适合咱们普通人去研发和使用。
所以，用gpt做底层，如果能成功，那就是我们普通人，普通测试开发焕发新生的一次机遇！本系列，就是为了解决这些问题而来。当然，正在阅读的你，一定还没有去用gpt做底层干什么，所以我说的这些问题你可能都第一次才意识到，解决方案也是头次听说，你可能会觉得听不听看不看无所谓。但，日后你必将跟gpt有牵扯，到时候你会发现，今天的这几篇文章是多么的宝贵，让你少走多少弯路。
正文：
在我用gpt做简历优化平台和用例自动生成平台的时候，就遇到了一个问题。
因为gpt的使用上，总是回答我很多超出意料之外的回答，于是我就不断的去调整算法，扩充矫正层(我设计了一层用来专门对gpt回答做矫正的模块)的内容。
一边调，一边测。就这样，一天下来，虽然成效显著，但是手机响了...
告诉我AI的接口已经欠费了。好家伙，我一查才发现，自己一天下来居然调用了上千次！
不但每次等的好几秒钟非常慢，浪费了大量时间，而且还费钱啊！要知道，我做优化简历或者项目文档功能的时候，请求一次那都是长篇大论的，一次就要几分钱甚至一毛钱了....
于是，我才后知后觉的意识到，应该提前做个mock层啊！
把前面几次的结果收集到一起，后面无数次调试的时候，就从这个结果集合中随机或者循环提出来就好，不用每次去真实的请求AI接口了，省钱不说，还快！
说干就干！立马弄了个mock层，收集的时候自动收集算法，连续请求100次，花了一块钱，收集到了9次不同的结果，连续50次没有发现新的结果后，自动终止了循环。这个过程花了挺久的，因为我直接下楼吃饭去了。回来的时候，发现已经收集好了。于是后面就直接用这9种来自动化测试代码了，不但快，而且全，而且省钱！
好用！真心的！
不知为何，那时候的我突然升起了一种掌控了gpt的感觉，毕竟关于我问题的它所有的答案都被我用脚本收集起来了.... 再也不会出现预料之外的回答了。
