【AI调教指南】用OpenAI Playground玩转ChatGPT参数，让你的AI更懂你！

在2022年秋季，ChatGPT向公众发布，并迅速成为有史以来增长最快的应用程序之一。当时，大多数不从事人工智能研究的人都感到措手不及。在过去的两年里，它的影响（无论是好是坏）难以言表。基于大语言模型（LLM）技术，ChatGPT（以及类似的AI聊天机器人，如Microsoft Copilot、Google Gemini、Meta AI和Perplexity）已经显著改变了营销人员处理创意和运营任务的方式。

曾经被认为是一个未实现的承诺，如今人工智能（AI）已经无处不在。生成式AI，即创建内容的能力，既赋予了一些人力量，也让另一些人感到恐惧。像任何突破性的工具一样，AI既带来了机遇，也带来了挑战。确实，过度依赖AI可能会导致内容缺乏灵感、公式化（即所谓的“AI垃圾”）。

如果用户忽视事实核查，AI生成的错误可能会悄悄进入已发布的作品中，训练数据中的偏见可能会微妙或明显地体现在输出中。更令人担忧的是，生成式AI有时会产生幻觉，以毫无根据的自信呈现错误信息。我们不会在本文中探讨AI使用的问题和伦理问题，但我们会记住，AI需要人类的监督——即使是像让AI帮助写电子邮件这样的简单任务。

可以说，在谨慎使用的情况下，生成式AI生成连贯且自然的文本的能力已经改变了工作流程，使许多任务变得更加轻松。本文将特别关注ChatGPT，但所探讨的原则适用于其他LLM技术。

ChatGPT节省了时间，并解锁了可能不会被探索的创意途径。它就像一个24/7的助手，随时准备完善想法或管理重复性任务。关于让AI像个人助手一样工作的精彩探讨，请参阅Ethan Mollick博士的优秀著作《Co-Intelligence: The Surprising Power of Combining Human and Artificial Intelligence》（Portfolio Books，2024）。

营销人员如何使用ChatGPT

由于这是一个营销和数据科学博客，我们将在此背景下探讨如何微调AI。几乎我认识的每个营销人员都在某种程度上使用AI。在2023年底，我写了一篇题为《Here's how I use Artificial Intelligence (AI) as a force multiplier to help my small business》的文章（The Citizen newspaper, 10/23/23）。在那篇文章中，我提供了以下列表，说明我如何一般性地使用AI，特别是ChatGPT来帮助我和我的客户：

1. 研究——“零售业可持续包装的最新趋势是什么？”
2. 创意生成——“请为我的餐厅提供一些独特的促销创意？”
3. 校对——“你能审阅并校对以下文章吗？”（注意：我经常使用这个功能）
4. 教育——“我想培训我的员工关于客户服务的知识。你能提供一个关于如何处理难缠客户的简要说明吗？”
5. 娱乐——“我们将在书店举办一个问答之夜。你能给我一些文学主题的问题吗？”
6. 模拟——“我正在考虑改变餐厅的布局。你能模拟一下10张桌子靠近柜台和5张桌子靠近窗户的顾客流动情况吗？”
7. 问题解决——“我的面包店上个月的销售额下降了。有什么潜在的原因或解决方案吗？”
8. 代码生成——“我需要一个简单的代码来在我的网站上添加一个新闻通讯注册表单。”
9. 数据分析——“我有过去6个月的销售数据。你能帮我识别出任何模式或趋势吗？”
10. 决策制定——“我在延长营业时间和开设第二家分店之间犹豫不决。有哪些因素需要考虑？”
11. 优化——“我如何优化我的服装店的库存周转率？”
12. 自动化——“我在发票上花费了太多时间。有什么自动化的建议吗？”

上面的例子展示了提示（prompts），即你提供给ChatGPT以塑造其响应的输入。提示可以是一个简单的问题，也可以是一个包含具体指令和上下文的详细请求。通过适当的提示，ChatGPT可以成为一个多功能工具，简化任务并增强创造力。它的适应性使其能够为从内容创作到市场分析的各种活动做出贡献。

虽然这些用例展示了模型的优势，但它们需要仔细的监督。AI的输出应不断审查，以确保与品牌的语气和传播目标一致。在我们探讨如何微调ChatGPT输出之前，让我们先回顾一下它的工作原理。

ChatGPT的工作原理（简单解释）

ChatGPT是一个基于Transformer架构的大语言模型（LLM），该架构是2017年论文《Attention Is All You Need》中引入的AI突破。Transformer依赖于自注意力机制，使模型能够确定序列中所有标记（单词、子词或标点符号）之间的关系。这使得ChatGPT能够生成连贯、上下文相关的文本。名称中的GPT部分指的是以下内容：

• 生成式（Generative）： 能够生成文本，非常适合语言建模、对话和内容生产。
• 预训练（Pre-trained）： 模型首先在大量文本数据上进行训练，以获得对语言的基础理解，然后针对特定任务进行微调。
• Transformer： GPT的神经网络结构（Transformer）擅长理解数据序列，例如句子中的单词排列。

简而言之，该模型在大量文本数据（包括书籍、网站和其他书面材料）上进行训练。通过这种训练，ChatGPT学会了语言中的模式、结构和关联。它不像人类那样“理解”内容，而是根据其训练数据预测最可能的下一个标记。许多人很快忘记了ChatGPT所做的只是预测序列中最可能的下一个单词。在如此大规模的预测下，它似乎表现出了一种类似人类的行为。

ChatGPT就像一个“黑匣子”，内部使用数十亿个超参数进行操作。这些超参数是定义其架构的固定设置，例如层数和嵌入大小。ChatGPT经过训练，能够响应用户提供的提示，这些提示是关于所需输出类型的文本指导。正如大多数人所知，用户输入提示，ChatGPT尝试提供最合适的响应。

标准ChatGPT界面的屏幕截图，显示它不能直接调整参数，但你可以通过提示模拟调整参数。

除了用户提供的提示外，ChatGPT（和其他LLM）还有控制系统行为的参数。当ChatGPT首次发布时，可以通过ChatGPT界面调整这些参数。不幸的是，OpenAI（ChatGPT背后的公司）出于未知原因删除了这一功能，因此大多数人以默认方式运行模型。这是今天AI生成内容重复乏味的原因之一。

探索OpenAI Playground

尽管它已从默认的ChatGPT应用程序和网站中删除，但OpenAI仍然在其OpenAI Playground中提供对参数设置和其他特殊功能的访问。OpenAI Playground是一个交互式平台，用于实验ChatGPT的功能。以下是Playground的一些功能：

• 即时反馈： 输入提示，调整参数，并立即查看结果。
• 参数自定义： Playground提供滑块和输入字段，用于设置温度、top_p等参数，允许你根据特定需求调整输出。
• 代码生成： 一旦你对设置满意，OpenAI Playground可以生成Python代码，以编程方式复制你的实验。
• 边做边学： 在Playground中进行实验可以帮助你更好地理解ChatGPT在不同条件下的行为。

要使用OpenAI Playground，你需要一个OpenAI账户。如果你还没有账户，你需要创建一个并提供账单信息。该平台根据令牌（即输入提示和模型响应的文本片段）收费。截至2025年1月，OpenAI要求所有新用户设置付费账户并购买预付费信用额度以覆盖使用费用。最低购买金额为5美元，这些信用额度在一年内有效。虽然Playground可以免费访问，但你进行的任何交互或实验都会消耗令牌并产生费用。设置账单信息和购买信用额度是充分利用Playground和OpenAI API服务的关键，使你能够有效地探索和实验ChatGPT。（注意：我在准备本文时广泛使用了Playground，但尚未超过5美元的令牌信用额度）。有关定价的详细信息，请参阅OpenAI定价页面。

如何开始

根据上述指导，以下是快速入门的方法。

1. 设置或登录你的账户： 访问platform.openai.com并使用你的OpenAI凭证登录。如果你是新手，请创建一个账户并按照提示设置账单信息。
2. 选择模型： 进入Playground后，选择一个模型，如_gpt-4o_或_gpt-3.5-turbo_。模型的可用性取决于你账户的访问权限和使用限制。
3. 实验提示： 在输入框中输入你的提示，然后使用右侧的可调参数来调整温度、top_p等设置。稍后我们将在本文中通过一些示例进行讲解。
4. 生成和审查： 点击“提交”以查看模型的响应。如果你想将你的设置集成到Python脚本或其他环境中，点击“查看代码”以生成相应的Python代码。

以下是一个使用OpenAI Playground回答提示的示例：“写一段关于OpenAI Playground的功能以及为什么人们会想使用它的简短段落。”

除了输出响应外，我们还提供了回答所需的时间（2.203毫秒）、输入使用的令牌数（27t）和输出中的令牌数（119t）。模型配置参数显示在屏幕右侧，我们将在接下来详细探讨这些参数。

ChatGPT模型配置参数

OpenAI Playground中的模型配置参数允许你自定义ChatGPT生成响应的方式，从而控制其语气、创造力和焦点。这些设置通过调整随机性、标记选择和响应长度来影响模型的行为。通过调整这些参数，你可以定制输出以满足特定需求——无论是创作富有想象力的营销口号、生成精确的技术说明，还是鼓励多样化的语言使用。

理解和调整这些参数对于使ChatGPT有效地实现你的独特目标至关重要。请参阅OpenAI开发者平台文档和OpenAI API参考以获取有关参数的完整权威文档。准备好查阅大量文档以了解它们。我写这篇文章的原因之一是，很难找到有意义的信息，因此在接下来的部分中，我们将讨论你需要了解的每个模型配置参数。

ChatGPT模型配置参数。图片由Joe Domaleski提供

温度（Temperature）

• 目的： 控制模型响应中的随机性水平。较高的温度使输出更具创造性和多样性，而较低的温度生成确定性和可预测的响应。
• 工作原理： 在较高温度下（例如0.9），模型更愿意探索不太可能的单词组合。在较低温度下（例如0.2），模型优先考虑最可能的标记，从而产生更保守和直接的答案。
• 高温（0.8–1.0）： 用于头脑风暴、生成诗歌或创作需要多样性的内容。
• 低温（0.1–0.3）： 用于需要精确性的任务，例如回答事实问题或生成结构化内容（如摘要）。
• 示例提示： 为一家旅游公司写一个口号。
• 高温响应示例（0.9）： “冒险在等待：今天发现你的世界！”
• 低温响应示例（0.2）： “和我们一起探索世界。”

Top_p（核采样）

• 目的： 通过调整每个响应中考虑的标记概率范围来控制模型输出的多样性。
• 工作原理： 称为“核采样”，top_p设置一个累积概率阈值。例如，在top_p=0.9时，模型从最小的单词组中选择标记，这些单词的组合概率等于90%。降低top_p会限制模型仅使用最可能的标记，从而减少变异性。
• 高Top_p（0.9–1.0）： 用于需要自然流畅和变化的创意和对话任务。
• 低Top_p（0.1–0.3）： 当一致性和焦点更为重要时，例如生成技术说明时。
• 示例提示： 描述日落。
• 高Top_p响应示例（0.9）： “天空燃烧着橙色、粉红色和深紫色的色调，太阳沉入地平线。”
• 低Top_p响应示例（0.3）： “天空变成橙色，太阳落在地平线下。”

最大令牌数（Max Tokens）

• 目的： 设置模型响应中令牌（单词、标点符号或部分单词）数量的上限。一个令牌大约相当于4个字符的文本。
• 工作原理： 此参数确保响应不超过特定长度。较短的限制有助于生成简洁的输出，而较长的限制允许生成详细的响应。
• 短最大令牌数（10–50）： 生成标语、标题或单句输出。
• 长最大令牌数（100–500）： 用于详细解释、长篇文章或摘要。
• 示例提示： 解释回收的重要性。
• 短最大令牌数响应示例（50）： “回收减少废物，保护自然资源，保护环境。”
• 长最大令牌数响应示例（200）： “回收至关重要，因为它有助于减少送往垃圾填埋场的废物量，保护宝贵的自然资源，并减少温室气体排放……”

频率惩罚（Frequency Penalty）

• 目的： 惩罚响应中重复的单词或短语，鼓励使用更多样化的语言。
• 工作原理： 较高的频率惩罚会降低模型重复使用相同标记的可能性，从而使响应更具吸引力和动态性。
• 高频率惩罚（0.5–2.0）： 当你希望使用多样化的措辞或生成创意内容（如故事或营销文案）时。
• 低频率惩罚（0.0–0.3）： 当重复是可以接受的，甚至是可取的，例如在强调关键点时。
• 示例提示： 描述健康饮食的好处。
• 无惩罚响应示例（0.0）： “健康饮食让你感觉更好，健康饮食提高你的能量，健康饮食支持长期健康。”
• 高惩罚响应示例（1.0）： “健康饮食支持长期健康，提高能量水平，并促进整体健康。”

存在惩罚（Presence Penalty）

• 目的： 鼓励或阻止在响应中引入新想法或主题。较高的存在惩罚会增加模型探索新概念的可能性。
• 工作原理： 当此参数增加时，模型不太可能停留在熟悉的话题或短语上，从而促进更具探索性或创新性的响应。
• 高存在惩罚（0.5–2.0）： 用于头脑风暴会议或创意输出，其中新颖性和多样性是优先考虑的。
• 低存在惩罚（0.0–0.3）： 用于需要坚持特定主题或强化中心思想的任务。
• 示例提示： 建议推广环保产品的方法。
• 无惩罚响应示例（0.0）： “使用社交媒体，创建信息性博客，并与绿色组织合作。”
• 高惩罚响应示例（1.0）： “举办环保研讨会，开发可持续实践的奖励计划，并与当地艺术家合作推广绿色生活。”

参数影响和使用的总结

通过实验提示和设置是学习如何微调ChatGPT的最有效方法之一， 特别是在参数种类繁多的情况下。OpenAI Playground通过提供对模型行为的详细控制简化了这一过程。通过调整_温度_、_top_p_和_惩罚_等设置，你可以引导ChatGPT生成从高度创意的输出到结构化、精确的响应的任何内容，使其适用于从头脑风暴到生成技术内容的各种任务。与标准ChatGPT界面不同，Playground允许你直接自定义这些配置，以更好地与你的目标保持一致。OpenAI Playground甚至允许你导出Python代码，以便进一步探索参数和OpenAI API。我们将在未来的文章中探讨更多相关内容。

OpenAI Playground导出Python代码的示例，该代码可以访问OpenAI API以进一步研究参数和其他设置。

以下是模型配置参数如何用于微调营销及其他领域的结果的总结。

创造力和多样性：

• 增加_温度_以使响应更具想象力和不可预测性。
• 提高_存在惩罚_以鼓励新想法，避免停留在熟悉的模式上。
• 稍微降低_top_p_以在焦点和多样性之间取得平衡。

精确性和一致性：

• 降低_温度_以获得可预测的、基于事实的输出。
• 使用低或中等的_频率惩罚_以避免重复的措辞。
• 设置精确的_最大令牌数_限制，以确保响应保持简洁和集中。

探索和创新：

• 结合较高的_存在惩罚_和中等的_温度_，以推动模型生成新颖和引人入胜的输出。
• 使用较高的_频率惩罚_值以多样化语言和措辞。

虽然模型配置参数的调整提供了精确的控制，但通过精心设计的提示，通常可以在标准ChatGPT界面中实现类似的效果。例如：

• 要模拟较高的_频率惩罚_，可以包含类似“使用多样化的措辞并避免重复单词”的指令。
• 为了创造力，可以添加类似“生成富有想象力和独特的想法”的指令。
• 要复制较低的_温度_设置，可以请求“提供精确和事实性的响应”。

这些基于提示的方法对许多用户来说是易于访问且有效的，提供了一种快速影响模型的方式，而无需修改设置。请记住，标准ChatGPT界面不允许你更改甚至发现参数的设置。然而，在OpenAI Playground或API中调整参数为高级用例或需要一致性时提供了无与伦比的精确性和控制。

关于ChatGPT响应的随机性的简要说明

ChatGPT的响应本质上是随机的，这意味着它们涉及一定程度的随机性，受其训练数据中得出的概率影响。这种随机性使模型能够生成多样化和创造性的输出，特别是在_温度_参数设置较高时。相反，降低_温度_会使输出更加确定性，优先考虑最可能的标记，从而产生更可预测和结构化的响应。在随机性和确定性模式之间找到适当的平衡对于定制响应的创造力或精确性至关重要。

使用OpenAI API的用户可以通过设置_seed_参数来增强可重复性。在相同的提示和参数设置下指定相同的_seed_编号可以实现更一致的输出。这对于测试和调试特别有用，因为它可以实现可靠的结果复制。然而，_**需要注意的是，完全确定性并不能