GPTs 应用开发：使用 GPT Builder 创建自己的 GPTs 应用（上）

前言：

GPTs 是 OpenAI 在 2023 年11月6日 推出的一项新功能，它让我们可以用自然语言对话的形式，轻松创建属于我们自己的 GPTs 应用。GPTs 应用可以利用 GPT-4 的强大的自然语言处理和生成能力，以及其他的多模态功能，如在线检索、图像生成、数据分析等，实现各种复杂的任务。本篇博客中，我将介绍如何使用 GPT Builder 这个工具，来自定义和优化 GPT 模型，以适应特定的应用场景。展示 GPTs 应用开发的步骤和方法，以及 GPT Builder 的各种选项和功能。后续的文章我会考虑将提供完整实操例子。

2023/11/13补充概念区分：

GPTs = GPT应用商店的概念

GPT Builder = GPT应用的构建工具

GPT应用的构建能力 = 多模态（GPT4 +DALL·E + Browsing + Analysis ）+ 微调 +Actions 调用第三方API。

以上并不包括Plugin插件开发和调用。

GPT4 Chat = 多模态（GPT4 +DALL·E + Browsing + Analysis ）

GPT4 Plugin = 最多支持3个插件同时使用，已经独立了。

GPT3.5 Chat = 这个不用解释了老东西。

GPT Plugin 插件开发是个单独的权限 和 GPTs 不是一个东西。

1，GPTs 应用开发步骤：

1. 登录OpenAI账户：
   访问 OpenAI 网站，登录访问https://chat.openai.com/gpts/discovery。该功能需要GPT4 Plus。
   
2. 通过GPT Builder构建应用：
   在OpenAI控制台中，寻找 GPT Builder 的入口。点击以进入 GPT Builder 界面。
   
   
3. 定义项目需求：
   确定想要模型执行的具体任务或解决的问题。明确目标和期望的输出。根据不同的需求可以配置不同的选项和功能，如数据上传、模型训练和测试等。
   
4. 准备训练微调和知识数据：
   如果需要，可以收集和整理将用于训练模型的数据。这些数据应与项目相关。目的是为了专业确保数据的质量。
   
   
5. 上传数据：
   在 GPT Builder 中，按照指示上传的训练数据。遵循格式和大小要求，目前只测试PDF，MD后缀的效果差一些（MD有bug，可以把MD后缀改TXT），TXT，DOC等没啥问题。
   
6. 配置训练参数：
   根据项目需求配置模型训练的各种参数，可以从默认设置，然后根据需要进行调整设置。
   
7. 调试和迭代：
   根据Preview节目的测试结果，可能需要回到Create或Configure选项中准备或参数配置阶段进行调整和优化。
   
8. 应用发布：
   当应用构建和调试的差不多就可以将其部署和发布使用了。
   

2，GPT Builder概念：

GPT Builder是一个工具，允许用户自定义和优化GPT模型以适应特定的用例。它提供了对模型训练数据的更精细控制，允许根据特定需求微调模型。

OpenAI 是在北京时间 2023/11/07 凌晨2点的首届OPENAI DEVDAY 开发者大会上，推出了一项很吊的新功能：GPTs。它让我们可以用自然语言对话的形式，轻松创建属于我们自己的 GPTs应用。

GPTs应用可以利用 ChatGPT 的强大的自然语言处理和生成能力外还集成了 比如在线检索 / 图像生成 / 数据分析等功能，之前每个功能都是独立的存在，现在意味着GPT4原本的大语言模型功能基础上把之前独立的功能都集成了，解决一个复杂的问题不需要再多开很多chat窗口，而只需要在一个chat窗口就拥有这4项能力，根据需求自动选择大模型，简称：多模态大语言模型。

好了，前面铺垫了一些概念内容，那么GPT Builder到底是个啥东西？和之前的GPT4大语言模型有什么区别？

我个人理解：

GPTs 可以简单理解为移动端的App store，就是OpenAI的大语言模型的应用商店，但是在没发布GPTs之前，我们很早之前就可以通过复杂的Prompt（提示词），去影响GPT3.5/GPT4 去实现某个功能，比如文档总结，代码生成，会根据我们前置的Prompt提示词去完成复杂的功能。其实这个已经可以当成一个应用了。

区别：

• GPT-4 写 Prompt：

• 使用现有的 GPT-4 通用模型。
• 我们通过撰写特定的提示（prompt）来引导模型生成所需的回答或内容。
• 不能修改或调整模型本身，只能通过精心设计的提示（prompt）来尝试影响输出结果。

• GPT Builder：

• 允许定制和优化 GPT 模型以适应特定的应用场景。
• 可以上传自己的训练数据，以影响模型的学习和输出。
• 不仅限于通过提示影响输出，用户可以直接影响模型的训练和行为。
• 例子：如果正在运行一个在线风水咨询服务，并希望创建一个专门针对风水咨询的 GPT 模型，可以使用 GPT Builder 上传与风水相关的对话和信息，从而训练一个在风水咨询方面表现更好的专门模型。

但之前的GPT4 通过在某个新开的chat窗口输入Prompt实现的“应用” 有很多局限性，比如不能很精准的权限控制，个人使用，只允许链接访问的人使用，公开到GPTs给所有人使用，以及不能设置Instructions和Conversation starters前置引导词，不能设置Actions访问第三方API，不能上传Knowledge微调数据。

GPT4=通用大模型，Prompt仅影响已训练大模型输出内容。
GPT4s=通用大模型+傻瓜式专业的Prompt引导+可微调训练数据+可访问第三方API。

如果不理解的话，就把之前的GPT4 通过Prompt实现的“应用”理解为自己创建的Demo App，不能发布到应用市场 不是商用的。如果要发布到应用市场需要实现满足很多复杂的需求和步骤。

个人粗略的理解为，GPTs=App Store，GPT Builder=Xcode。

GPT Builder可以上传自己的文档，让应用更加贴合的需求和场景。还可以通过 Actions 调用第三方 API，应用更加强大和灵活。

GPTs 功能目前只对 所有的ChatGPT Plus 用户开放，可以在 GPTs 管理和查看你的 GPTs应用。

OpenAI 有着宏大的愿景(野心)，想要把 GPTs Store 打造成 AI 时代的 Apple Store。

对于我们普通用户而言，这是一个难得的机会，我们应该尽早学习 GPTs 应用开发。

再过几年往回看，万一这就是个机会呢？别时代给你机会你不中用！

3， GPT Builder详解：

• 花时间浏览和了解 GPT Builder 的界面。
• 查看不同的选项和功能，如数据上传、模型训练和测试等。

3.1，GPT Builder 的 Create 选项详解

GPT Builder 的 Create选项：

• Create 选项允许用户开始一个新的模型创建过程。
• 在这一部分，可以配置新模型的各种参数和设置，包括命名模型、设定训练目标等。
• 这是定制和优化模型的起点，从这里开始输入我们的特定需求和数据。
• 例如：我创建过的一个例子举例，输入下面的内容，GPTs会引导你一步步的完善应用。

1.需要创建一个名字为“在线文章摘要助手”的应用。

2.需要所有的交互、提示和指示都会使用中文进行。

3.需要使用Dalle3创建一个应用Logo，Logo为和阅读相关需要科技感。

4.需要当用户输入url链接的时候通过actions的配置去请求API，返回API结果。

5.需要当用户输入非url的内容，只提供文本内容的时候，请把文章内容总结提炼成一段内容，用列表方式列出文本的5个关键信息内容。

GPT Builder 中的文件上传：

• 文件上传是指可以上传自己的数据文件，这些文件将被用来训练或微调模型。
• 可以上传的文件类型：我目前只测过 .txt 或 .json 格式。
• 文件大小限制：具体大小限制可能因 OpenAI 的政策和技术限制而有所不同 日新月异，暂时不清楚。
• 文件内容格式要求：

• 格式需整洁，便于解析。
• 应该包含希望模型学习的任务相关的数据。
• 例子：如果我们正在创建一个用于风水的模型，可能会上传包含专业风水相关的知识的 .txt 文件。

左边的内容已经详细的讲解完，很简单。最复杂的就是右边的Configure。

Create中的文件上传与Configure中的知识更新文件的区别：

• Create中的文件上传：通常用于在创建新模型或训练一个全新模型时上传训练数据。这些数据将用于从头开始构建模型的知识基础，比如我就上传一些风水相关的资料。
• Configure中的知识更新文件：这通常涉及在一个已经存在的模型上进行微调或更新，作。在这里上传的文件通常用于扩展或更新模型的现有知识库，如果找不到相关内容，会从Knowledge 上传的数据查找，而不是完全重建它。

• 例如，如果我有一个已经训练好的模型《平行世界！我被美女包围了！》GPTs应用，但想让它了解个人主人公的详细数据。
  
  

这里的概念有点复杂，需要深入学习理解一下：

1. 训练目标的意义是啥 ?：

• 训练目标指的是希望通过训练定制化模型达到的具体需求结果。这些目标定义了模型训练的方向和重点。
• 例如，如果我正在创建一个用于风水的聊天机器人，训练目标可能包括提高对特定行业术语的理解、优化回答的准确性，或者增强对客户情绪的识别能力。

2. 训练和微调模型的解释：

• 训练模型：指的是从头开始构建一个新的模型，通常需要大量的数据资源和成本。在这个过程中，模型学习如何理解和生成文本。

• 比如OpenAI就训练了GPT4这个通用大模型，有xxx参数，训练一次耗资多少，这就是为什么之前的GPT4知识库停留在2021年，最近才更新到2023年，因为训练一次，耗资巨大。

• 微调模型：指的是在一个已经训练好的模型基础上进行进一步的优化。通过微调，模型可以更好地适应特定的应用场景或需求。

• 例如OpenAI 提供了一个基本的 GPT4的通用大模型，可以通过在该模型上添加特定行业的对话例子来进行微调，使其更适合在该行业内使用。

什么！还不理解？玩过github吧，知道抄代码吗？

比如github上有个成熟项目，这个项目人家耗费很多时间去构建完善，过程多复杂只有作者知道。

这个成熟项目=训练模型。

如果这个项目80%需求是符合你的，但是不完全符合你，这个时候你clone代码到本地，进行添加自己的业务代码，进行微调，理解了吗？

简单的总结下：训练目标是指导模型训练方向的具体目标，训练模型是从头开始建立模型的过程，微调模型则是在现有模型基础上进行调整。在Create中上传文件是为了建立新模型的基础，而在Configure中上传更新文件是为了在现有模型上添加新知识。

GPTs 应用开发：使用 GPT Builder 创建自己的 GPTs 应用（下）+https://developer.aliyun.com/article/1489667