@tool2d #27 回答的最大长度，跟输入的最大长度，应该是两个不同的概念？我这边之前测试 API 是存在 4096 token 的输入限制的。现在的关键问题其实是输入的最大长度。

@tool2d #24 我看文档是都有 token 数限制，不知道你说的无限 token 是怎么做到的？

@BirlGoy #20 是的，关键还是这个 token 数限制，而且长文很难饶过这个限制，无论是简化还是分段都容易出问题。只能看 openai 愿不愿意给定制用户提升限制了，能提升或许还能做相关的操作。

@zhouqian #78 因为 openai 本来就送 18 刀的免费额度，只要注册了账号就有，所以可以通过无限增加账号来堆免费额度...这个规则漏洞后面大概率要被封的，太多这么薅羊毛的了，肯定会影响正常用户使用和 openai 的营收。

@BirlGoy #16 不不不，不是喂给它的参考内容太少，而是「文本转向量并匹配」这部分操作的匹配并不一定准确、完整。我当然知道 ChatGPT 本身没有问题，这方面用途我已经用了挺久了，只不过之前都是部分段落内容输入，而不是完整内容输入。

“先让 gpt 回答一次，根据答案去搜索 embedding ，再把这些内容参考交给 gpt 回答一次”
这种方式就我目前给的文件来说，没啥用...因为第一步的匹配操作就已经没有匹配到正确位置了，ChatGPT 也没法做出正确的描述，更别提后续基于这问问题了。

试了一下，对于高度定制化的内容，这种处理方式还是不太行，因为不一定能匹配到对应的原文，自然也就会导致 AI 要么猜内容、要么说不知道。

如果是常规的知识类书籍，由于数据很可能已经被学习过了，这种方式就相当于做了一个预先输入、限定回答范围的过程，能使回答内容更精准些，但回答的内容其实不一定是来自于 PDF 内。

所以：
@proxytoworld #1
实际并没有办法真正意义上地绕过 token 限制。

@tool2d #2
@justin2018 #9
实际只是相关内容已经被学习过了。

finder 的 samba 连接确实毛病一堆，连接麻烦还老卡顿，跟 windows 上那种挂载个虚拟盘的体验没法比...

通知滤盒也是有在做 AI 识别，不过这种功能主要还是个隐私问题，毕竟有些通知内容会涉及到身份证、手机号、行程之类的信息。

当时抓包看到这返回方式的时候就感觉很蠢...明明可以分开两部分传输，却非要放在一个 json 里返回，导致流量浪费极大。只能说做术业有专攻，做 AI 的并不懂后端和网络。

这是完全可以预料到的…

@acctv2 #226 那说明你账号的 api key 被别人调用了啊...官方的 chat 页是独立的，根本不会在开放 api 那部分里产生记录。

@acctv2 #59 具体是什么场景下使用到了其他模型呢？

@shuxhan #47 不是故意的，其实是 openai 在网页版里做了预设的要求，但 API 得用户自己设置，所以输出结果会有差异。

@qq1147 #17 https://help.openai.com/en/articles/6787051-does-chatgpt-remember-what-happened-earlier-in-the-conversation

另外，笔记的关键在于帮助自己整理思路，而不是对外输出。如果你写笔记是为了对外输出，那你当然会写得很累、很耗费精力。因为你需要做润色、做校对，需要考虑别人能不能看懂，没办法放开。说白了，笔记少、零碎才是正常的现象。

对于我来说，笔记分两种。一种是速记，临时用短句描述一下事情、想法，避免忘记；一种是具体分析类的长笔记，本质上跟需要发布的文章差不多，但是完全不会考虑润色问题，前后逻辑可能会很跳脱，想到啥就单独列一条出来。

无论是哪一种，对于我来说其实都不需要额外耗费什么时间，基本就是想到啥顺手就打出来了。

而且你说的其实不应该称之为笔记了，而是被发布出来的文章，它跟笔记本来就属于两种不同的东西，没什么好对比的。

你说的其实就是：基于大模型做微调，产生一个垂直行业的定制模型。这是有的，也是可行的。
事实上你自己用 ChatGPT 就能做到一定程度的这种效果，只不过受限于它的记忆容量（ token 数），只能做一些比较简单的微调，而且需要每次提问都强调来避免跑偏。

@sisyphus60 #77 你说的是那个蓝色的、很多凸点的布？那个是明显比超细纤维布要粗糙的，如果想尽量不留痕迹就尽量别用那个。

@gushu #15 超聚变表示很草