何必舍本逐末：预训练模型V.S.向量数据库‍‍

chatgpt中文版 http://chatgpt.guige.xyz 

最近，向量数据库非常火爆，各种各样的利用都在想办法将外挂信息通过向量数据库和embedding嵌入ChatGPT，让用户可以查询模型之外的资料。从最早的ChatPDF，到今天雨后春笋的各种利用。‍‍‍‍‍‍

但是，这样的利用，其实只是在PDF文件内做搜索，并且将搜索的结果导入ChatGPT做总结，换句话说，对很长的文档来讲，ChatGPT看到的只是返回的有限字符，其实不能真实的“融会贯通”的理解文档中的知识。也就是说，其实ChatGPT在其中发挥的能力是非常有限的。‍‍‍‍‍‍‍‍‍‍‍

ChatGPT真实的知识实际上在预训练模型中，只有这里的被紧缩的信息，是ChatGPT已自己学习过并且真正理解的内容，因此，除较劲脑汁想着怎样加入外部信息，不如想一想怎么发掘ChatGPT的已有信息。‍‍‍‍‍‍

斟酌到ChatGPT的模型时间，可以推测，模型在训练时应当已学习过一些经典书籍的内容，到底学没学过，或说ChatGPT知道甚么书，我们只需要问一问：‍‍‍‍

比如，你知道甚么商业相关的经典书籍。

ChatGPT滔滔不绝的介绍了起来，从结果看，并没有胡说八道。让他继续说：

再列50本

他学习过的书真的很多：

可以看出，对经典的特别是英文书籍，覆盖的非常好。‍‍‍‍‍‍‍‍‍‍‍‍

接下来就是读书的部份了，可以选择其中一本（比如第一本精益创业），开始让ChatGPT介绍书本的核心内容

ChatGPT总结了书中最主要的5个方法论。

接下来，可以更具体的询问你感兴趣的内容，比如MVP怎样做有无例子：

一个不够，再来一个：

创新会计不知道是甚么意思，让ta具体解释一下：‍‍‍‍‍‍‍‍

上面提到的Market Product Fit，看看书里有无介绍具体的判断方法：

所以，关于书本的内容，都可以直接问ChatGPT并且可以随着交换的深入逐渐产生新的问题。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

更深入的，还可让ChatGPT举一反三，根据书本的内容去解决现实生活中的问题，比如，依照精益创业的原则帮TechVerse把把脉：

提一些建议：

最后如果喜欢这本书，还可让ChatGPT推荐类似的书。

固然，用这类方法看书和认真仔细浏览书籍或者有差距，但是这样可以最快最个性化的发掘每本书的精华知识，相比于完全不了解，聊胜于无了。并且也能够在这一步以后再精读感兴趣的书籍。

未来，或许图书的撰写方式也会随着ChatGPT等大模型改变，让用户通过对话交互的方式学到知识，而不是单向的输出。这类体验，就像你把作者拉到身旁，不停的问问题交换。

本质上，这是利用了大模型在预训练进程中学习的丰富知识，和大模型的理解能力，所以这是一项你不能不知道的价值百万的技能，让我们把大模型的价值再榨干一点吧！

桂|哥|网|络www.guIgege.cn