目前 ChatGPT 官网有两个版本，分别是 GPT3.5 和 GPT4。GPT3.5 是免费版本，拥有 ChatGPT 账号即可使用，但智能程度不如 GPT4 高，且无法使用 DALL.E3（AI 画图功能）、GPTs 商店和高级数据分析等插件。若想使用更多功能更智能的 GPT4，需要升级到 PLUS 套餐，收费标准是 20 美金一个月。此外，GPT4 还有团队版和企业版，功能更多、限制更少，但费用也更贵，一般推荐使用 PLUS 套餐。
最近发现有很多朋友还不知道怎么注册订阅ChatGPT，可能还有些人都不知道什么是ChatGPT，我这里也简单介绍一下：ChatGPT是一种基于GPT（生成式预训练变换器）架构的人工智能模型，由OpenAI开发。ChatGPT是目前最先进的人工智能模型，它是一种自然语言处理（NLP）工具，能够理解和生成接近人类水平的文本。目前ChatGPT官网有两个版本，一个是GPT3.5，一个是GPT4。GPT3.5是免费版本，只要你拥有了GPT账号就能使用，但GPT3.5的智能程度明显没有GPT4的高，而且也无法使用DALL.E3（AI画图功能)和GPTs商店和高级数据分析等插件，想要用更多功能更智能的GPT4需要你升级到PLUS套餐，PLUS的收费标准是20美金一个月，当然GPT4还有团队版和企业版，那两个功能更多，更少限制，当然，费用也更贵，一般推荐使用PLUS套餐足以。在注册ChatGPT账号之前，我们先注册一个谷歌账号，因为国外很多软件是支持谷歌账号一键登录，所以注册一个谷歌账号可以省去很多日后的注册流程。目前注册谷歌账号支持国内手机号码和国内邮箱验证，过程也非常简单，以下将为大家展示注册过程：
在开始前，我对GPT的认知是：它是一个知识储备无比丰富的助理，但需要一个清晰、准确的prompt，它才会给出一个符合需求的输出。所以我先整理了我要和GPT交互的基本思路以及步骤：旧代码输入>需求及现状问题输入>调试优化>结果输出验证接下来开始实操：[heading3]Step1：旧代码输入[content]首先，将需要优化的旧代码输入到ChatGPT模型中，旧代码有1900行，GPT直接提示too long，所以我做了分次输入。直接粘贴提示报错分段输入，再进行联合这一步的作用是让GPT理解旧代码实现的效果以及熟悉查询表和字段，方便后续GPT生成优化代码时可以直接复制粘贴到数据库中运行。原SQL的主要逻辑就是统计近30天内每一天的业务数据日报，把近30个结果指标，按照天和地区进行分组汇总，需要查询多张表几百万条数据。这里GPT的理解基本正确，甚至在我没有提需求的情况下，就提出了一些优化建议。
[title]ChatGPT是在做什么，为什么它有效？[heading2]ChatGPT的内部好了，我们终于准备好讨论ChatGPT内部的情况了。没错，它根本上是一个巨大的神经网络——目前是所谓的GPT-3网络的一个版本【GPT-3.5】，有1750亿个权重。在许多方面，这个神经网络与我们讨论过的其他神经网络非常相似。但这是一个特别针对自然语言处理的神经网络，其最显著的特点是一个名为“transformer”的神经网络架构。在我们上面讨论的第一个神经网络中，每个神经元在任何给定层上基本上都与前一层上的每个神经元连接（至少带有一些权重）。但是，如果处理具有特定已知结构的数据，则此类完全连接的网络可能过度复杂。因此，在处理图像的早期阶段，通常使用所谓的卷积神经网络——其中神经元实际上是在类似于图像中的像素网格上排列，并且仅与附近网格上的神经元相连。transformers的想法是对组成文本的token序列执行类似的操作。但是，transformers不仅定义了序列中可以存在连接的固定区域，而且引入了“注意力”的概念，以及更关注序列中的某些部分而不是其他部分的想法。也许有一天，从一个通用的神经网络开始，并通过训练进行所有定制将是有意义的。但是，至少目前，在实践中将事物“模块化”似乎是至关重要的——就像transformers一样，也可能是我们的大脑所做的。那么，ChatGPT（或者说基于它的GPT-3网络）实际上是做什么的呢？请记住，它的总体目标是根据它所看到的训练内容（包括查看网络等数十亿页的文本），“合理地”继续文本。因此，在任何给定的时刻，它都有一定数量的文本——它的目标是为下一个token添加一个适当的选择。