# OpenAI 的 API 使用的三种层次

- Link: https://www.ixiqin.com/2023/03/11/openai-api-uses-three-levels/
- Published: 2023-03-11T06:00:00+08:00
- Author: 白宦成

文章目录

 [Toggle](https://www.ixiqin.com/2023/03/11/openai-api-uses-three-levels/#)

 * [Connect 层：只是在使用 OpenAI 的 API ，并没有做太多的功能提升](https://www.ixiqin.com/2023/03/11/openai-api-uses-three-levels/#connect_%e5%b1%82%ef%bc%9a%e5%8f%aa%e6%98%af%e5%9c%a8%e4%bd%bf%e7%94%a8_openai_%e7%9a%84_api_%ef%bc%8c%e5%b9%b6%e6%b2%a1%e6%9c%89%e5%81%9a%e5%a4%aa%e5%a4%9a%e7%9a%84%e5%8a%9f%e8%83%bd%e6%8f%90%e5%8d%87)
 * [Prompt Engineering 层：预制 Prompt，帮助用户问出好问题](https://www.ixiqin.com/2023/03/11/openai-api-uses-three-levels/#prompt_engineering_%e5%b1%82%ef%bc%9a%e9%a2%84%e5%88%b6_prompt%ef%bc%8c%e5%b8%ae%e5%8a%a9%e7%94%a8%e6%88%b7%e9%97%ae%e5%87%ba%e5%a5%bd%e9%97%ae%e9%a2%98)
    - [Finetune 层：对模型进行微调，以符合应用和业务的场景](https://www.ixiqin.com/2023/03/11/openai-api-uses-three-levels/#finetune_%e5%b1%82%ef%bc%9a%e5%af%b9%e6%a8%a1%e5%9e%8b%e8%bf%9b%e8%a1%8c%e5%be%ae%e8%b0%83%ef%bc%8c%e4%bb%a5%e7%ac%a6%e5%90%88%e5%ba%94%e7%94%a8%e5%92%8c%e4%b8%9a%e5%8a%a1%e7%9a%84%e5%9c%ba%e6%99%af)

随着 ChatGPT 的逐步推广，我看到了大量基于 OpenAI 的产品出现，如果要将其分层，我认为
可以分为三层：

## Connect 层：只是在使用 OpenAI 的 API ，并没有做太多的功能提升

比如我自己做的 ChatGPT-Feishu，其实就是在这个层次，更多是将 ChatGPT 和一些现成的
应用进行连接，所以差异性不大，大家大多是在技术上卷一些新的 Feature。

在我看来，这个层次的卷动是非常有限的，因为现成的应用和场景就这些，大部分时候我们
能做到的也就是将 ChatGPT 和现有的生态更好的结合，但没有什么本质上的变化。

## Prompt Engineering 层：预制 Prompt，帮助用户问出好问题

当我们仔细去看社交网络上的那些 ChatGPT 的用法之后，其实你会发现， 大多数人对于 ChatGPT
的用法是非常简单粗暴的 —— 问一些过去问搜索引擎的问题。ChatGPT 会给你一个看起来还
不错的答案。

这个问题背后其实是大部分人是问不出一个精确、明晰、易于理解的好问题的。

而 Prompt Engineering 层的产品则可以实现对于问题的解构，将一个复杂问题拆解为一套
模板 + 一些用户可以理解和输入的内容，从而降低提问的难度。

这一层的应用更多是在卷不同的场景以及对于 Prompt 的优化，以实现更加精准和优质的返回
内容，从而帮助用户解决问题。

### Finetune 层：对模型进行微调，以符合应用和业务的场景

OpenAI 对于模型提供了 Finetune 的能力，开发者可以准备自己的数据集，将其上传至 OpenAI，
由 OpenAI 对模型进行微调，后续开发者可以使用经过微调的模型来进行自动的补全。

这个层面大家卷的就是行业领域认知和干净的数据了，就回到了 AI 经典的行业落地场景了：
收集行业数据 – 清晰数据 – 训练模型 – 实际应用。只是 OpenAI 将这件事的难度给降低了。
对于开发者来说，可以更加低成本完成整个流程。

如果你只是玩票，那我觉得第一层和第二层都是不错的。但如果你打算正经做个事情，那么
第二层可能是必备的基础。