代码邮递员

理论上，只要我们能够用一种方案，实现把客户这一次次的无状态Http请求关联起来，都应该算作session的一种实现。

当开箱即用的预训练LLM没有按预期或希望执行时，如何提高LLM应用的性能的问题。最终我们会问自己：我们应该使用检索增强生成（RAG）还是模型微调来改善结果？

所谓RAG，检索增强生成（Retrieval Augmented Generation），简称 RAG，已经成为当前最火热的LLM应用方案。

本篇文章，我们重点介绍Function Calling的机制和应用，在其原理上，也讲解了为什么会有plugin、GPTs出现等等。

从典型业务架构和技术架构进行分析，让大家初步能够了解我们都是在如何使用LLM的，从而大家在自己的实际落地场景中，也可以对照分析，如何建设自己的业务架构和技术架构，以及选择什么样的技术路线。

API调用之初探，python调用GPT-API，本文给出了需求场景描述，以及对应的python代码实现

文章讲解了大模型应用的概念，ChatGPT：plugins、GPTs、Assistant API；也有大模型的应用：agent，RAG，提示词工程的应用，finetune，训练垂直领域大模型。

Prompt Creator 实际上是使得 ChatGPT 更好的引导你去完善自己的提问，同时也完善自己的回答，更好地指导自己回答出更加令使用者满意的答案，是双向的过程。

相比微调，提示工程成本更低、使用更加灵活，且对于提升模型在小语义空间内复杂语义理解效果更好。思维链（Chain of Thought）是一种提示工具，用于帮助语言模型进行复杂的推理和思考过程。