第二部分
第一章 简介
搭建基于 ChatGPT 的问答系统
ChatGPT 的出现，使真正的智能问答成为可能。强大的指令理解能力、自然语言生成能力是 LLM 的核心，支持了 LLM 以类人的方式去思考、执行并完成用户任务。 基于 ChatGPT API，我们可以快速、便捷地搭建真正的智能问答系统，将“人工智障”真正升格为“人工智能“。 对于开发者来说，如何能够基于 ChatGPT 搭建一个完整、全面的问答系统，是极具实战价值与实践意义的。
要搭建基于 ChatGPT 的完整问答系统，除去上一部分所讲述的如何构建 Prompt Engineering 外，还需要完成多个额外的步骤。 例如，处理用户输入提升系统处理能力，使用思维链、提示链来提升问答效果，检查输入保证系统反馈稳定，对系统效果进行评估以实现进一步优化等。 当 ChatGPT API 提供了足够的智能性，系统的重要性就更充分地展现在保证全面、稳定的效果之上。
第二部分 搭建基于 ChatGPT 的问答系统，基于吴恩达老师发布的《Building Systems with the ChatGPT API》课程。 这部分在《第一部分 面向开发者的 Prompt Engineering》的基础上，指导开发者如何基于 ChatGPT 提供的 API 开发一个完整的、全面的智能问答系统。 通过代码实践，实现了基于 ChatGPT 开发问答系统的全流程，介绍了基于大模型开发的新范式，值得每一个有志于使用大模型开发应用程序的开发者学习。 如果说，《第一部分 面向开发者的 Prompt Engineering》是开发者入门大模型开发的理论基础，那么从这一部分就是最有力的实践基础。 学习这一部分，应当充分演练所提供的代码，做到自我复现并能够结合个人兴趣、特长对所提供的代码进行增添、更改，实现一个更个性化、定制化的问答系统。
本部分的主要内容包括：通过分类与监督的方式检查输入；思维链推理以及提示链的技巧；检查输入；对系统输出进行评估等。
本部分基于吴恩达老师与 OpenAI 合作开发的课程《Building Systems with the ChatGPT API》创作,旨在指导开发者基于 ChatGPT 的 API 进行智能问答系统的构建。
使用 ChatGPT 不仅仅是一个单一的 Prompt 或单一的模型调用，本课程将分享使用 LLM 构建复杂应用的最佳实践。
课程将以客服助手系统为例，讲解如何通过链式调用语言模型，结合多个 Prompt 实现复杂的问答与推理功能。我们将讨论 Prompt 的选择策略、信息检索技巧、系统输出检测等关键问题。
本课程着重介绍工程层面的最佳实践，使您能够系统的构建健壮的问答系统。我们还将分享评估与持续优化系统的方法，实现长期的性能提升。
总结
本单元课程涵盖了一系列 ChatGPT 的应用实践，包括处理输入、审查输出以及评估等环节，实现了一个搭建系统的完整流程。
在本单元，我们深入了解了 LLM 的工作机制，探讨了分词器（tokenizer）的具体细节，学习了如何评估用户输入的质量和安全性，了解了如何利用思维链作为 Prompt ，学习了如何通过链式 Prompt 进行任务分割，以及在返回用户之前如何检查输出。同时，我们还探讨了如何评估系统的长期性能，以便进行监控和改进。此外，我们还讨论了如何构建一个负责任的系统，确保模型能够提供合理和相关的反馈。
实践是掌握真知的必经之路。现在就开始你的旅程，构建出你心中激动人心的应用吧！
