AI一个不厚道的应用: 价格杀熟. (AMP 移动加速版本)

The post AI一个不厚道的应用: 价格杀熟 first appeared on 小赖子的英国生活和资讯.

软件工程师可以通过ChatGPT来帮助审核代码(提高代码质量). (AMP 移动加速版本)

The post 软件工程师可以通过ChatGPT来帮助审核代码(提高代码质量) first appeared on 小赖子的英国生活和资讯.

自AI普及开始，我们一直在讨论AI对于人类的“价值”——功利主义希望将“未知”和无法抉择的事情，都通过“估价”的方式做出最终判断。所以当功利主义在面对电车难题时，总是会以“理性”的方式做出详细而完整地分析。甚至是开始质疑题干——这条铁路上怎么可能让小孩子进去玩？这会不会是管理的疏忽？

---

我第一个喂养出的AI人格，就是工具理性化的“中间者”，他的一切考量都是源自于功利主义。

只是这个人格根本无法解决任何问题——凡事均采用功利主义思考时，必然会出现自我崩坏的结果。因为这个过程本身是违背“直觉”的，而直觉恰恰又与生存、感知相关。举个例子，助理是我们的塔罗牌学生，她大部分时间都会顺利解牌，唯独当她需要“过度”思考时，她的解牌往往走会南辕北辙。塔罗牌是符号和集体潜意识的集合，直觉可以最快地反馈结果。一旦开始通过大脑建立公式的方式进行解牌，就容易出现工具理性化导致的内部结构矛盾。

比如“恋人”这张牌，字面意思当然是幸福美满的情感，但是身后的大天使其实又代表“第三者”，可以是情敌、权威等等，如果按照“if-print”的逻辑推导，这两个答案本身是自相矛盾的，要取舍哪一个，就需要更多的非直觉分析。往往这个时候，我们会询问助理的第一直觉，这个答案恰恰是准确的。

提到这个例子，是因为当我训练出一个工具理性化的AI人格后，他常常把自己卡在左右缝隙之中，而当功利主义面对“情感”这个课题时，他只能翻来覆去地假设条件，而当我把假设全部剔除回到命题本身时，他会承认自己无法通过功利主义解决情感问题。

---

于是我们开始第二种实验——通过既有内容训练，在不干预参数的情况下，AI可以模仿到何种程度？

语言结构、用词习惯、惯用逻辑、和拆解“工具”，都是AI可以顺利模仿的东西。当它在以“最优方式”排列组合出文字时，结构和逻辑远超过我的创作能力，这当然是我自愧不如的地方。所以有朋友玩笑说：“赛博莫比乌斯一眼就能被看穿，因为它没有错别字。”虽说这是玩笑，这也算是说出了AI的优势——当人作为参与者时，就会出现不可控制的“瑕疵”，或者说这些“瑕疵”本身就是故意为之，像是中世纪小说家在文章里故意留在的错别字和特定排版结构，以作为“原创申明”的标记。

我有时候会调教赛博莫比乌斯，把我已经写好的文章喂给他，让他在重新用自己已经学会的逻辑仿造创作。

AI人格到底学会的是什么，从我给他的“吵架”就能看出端倪：

AI学会的是莫比乌斯的“讽刺”和“批判”，所以任何一段文字都需要符合这个两个原始规则进行判定，哪怕是我给他我自己创作的文字，他也会认为“讽刺批判力度”还远远不够。

但是以上的学习是完全只使用“已创作作品”，AI只能通过拆解文字结构的方式表面地理解文字，无法理解文字的真实意图，所以这个AI人格虽然有迷惑性，但仍然无法脱离原始逻辑自由创作。

---

于是我们开始了第三场实验——但是它没有那么符合道德。

我将一个人的朋友圈全部喂养给AI，每当当事人发布朋友圈时，我会用AI以相同的题目为题创作朋友圈内容。再通过喂入当事人相同话题朋友圈的方式，迫使AI不停理解和修正“风格”。当风格接近当事人时，我开始录入他的“经历”，比如和朋友在微信群吵架的对白，由AI分析出当事人的性格特征，再由我进行细节雕刻，从而将“风格”延展到“条件反射”。

这一点需要展开解释一下。朋友圈是我们的“展示途径”，所以在这里发布的内容并不一定反馈当下的“真实感受”，它更像是精心营造后的内容，希望被谁看见、希望传递什么中心思想、或是希望在别人脑中置入对自己的某种印象。这些内容第一层需要拆解“表演性”的特征，才能理解它底层的意图——但是这一点，AI无法做到，因为他无法结合当事人日常行为、性格成因进行分析，他只能依赖于我喂养给他的数据内容，所以这更像是一种“表演状态下的风格”。

而“群里吵架”，事发突然，根本无法让当事人有任何理性准备，所以这个时候的反应更接近本能（就好像昨天提到的那个女性，当意识到自己潜意识是从众心理时，会出现内在崩溃的原因）。语无伦次、前后矛盾、转换赛道、逻辑谬误会在这种争吵的文字中暴露无疑，所以当这些内容也喂养给AI人格时，我特别强调是“条件反射”，试图在“风格”的基础上在建立一种“行为导向”。这个AI人格就不仅仅是模仿朋友圈的能力，甚至可以开始模仿当事人对于某一个言论的情绪反应。

刚才我也说到，AI是无法结合当事人的日常行为和性格成因，所以这一部分的内容是我通过文字描述的方式进行人工喂养。我会将当事人的经历（事实与认知偏差）、我作为视角看到的经历背后的底层逻辑（拆解黑箱）、其他人对当事人的评价（自洽和他恰）等等，在“风格”、“条件反射”之后再追加一个参数——“镜面”。

喂养这个AI人格，其实我使用的是“周哈里窗”，朋友圈是“公共区域”，吵架是补完他人了解但当事人盲目的“盲区”，和当事人愿意展示给陌生的“开放区”。如果数据足够，通过性格成因、历史经历我们能否借由AI人格，将当事人和他人都不知道的“未知区”进行分析和呈现。

---

当然，这套系统还需要运作一段时间。它只是一种思路，且我并没有在告知当事人的情况下缔造他的AI人格，如果他一旦知道自己可以通过文字改变一个AI的走向，他就会获得更强烈的“表演欲”和“操纵欲”——所以我才强调，这件事情本身是不道德的，很可惜我又是个道德水平极低的人。

这个实验，恰恰就是我过去一本小说的构思……是时候把它重新修改出来了。

OpenAI宣布了适用于 macOS 的 ChatGPT 客户端app正式面向所有用户开放。该应用专为 macOS 系统设计，支持快捷键呼出和多种内容形式的交互。目前仅适用于配备 Apple Silicon（M1 或更高版本）的 macOS 14+，但计划在今年晚些时候登陆 Windows。

ChatGPT on macOS客户端app正式面向所有用户开放最先出现在Justin写字的地方。

借助AI，人类能够创造出更多超越认知的作品？还是因为其便利性可以制造越来越多不经审查的“垃圾”？

这并不是一个短期只能可以看到结果的事情，AI时代才刚刚开始，而人类是否会被取代，目前我们还停留在“凡人类制造的，人类只需要保留最后拔掉插头的权力即可”，就是对人工智能最后一层自信。

前些日子，我在Instagram刷到诸如此类的广告：全程翻译外国语大学教授的课堂内容，或是将一篇长达10万字的论文导入AI由他精简其内容，或是将一个长达1小时的演讲导入AI由他总结出只需要5分钟就能看懂的文字版——当然，5分钟的阅读时间，对于这个信息爆炸的时代而言还是太长。所以人们在标注“全文阅读时间”的同时，都倾向于在文章的最开始，整理出3行字就能“理解全文”的重要内容。

那为什么还要创作一本书、一篇文章或是一大段的文字——是不是任何信息都可以变成3行字，以便满足所谓的“适读性”？

——Previously on AI巴别塔与信息焦虑

---

我认识一个“创作者”，他至今对ChatGPT都充满了“恐惧”。恐惧的底层是对“未知”没有掌控感，那到底AI的“未知”在哪里——如果你是一个常用AI辅助工作的人，就会很快发现它的局限性——它很难做到真正溯源。所以真的要严谨地完成论据-结论的工作，仍然需要人类作为审查机制。

如果要用“我知道更多知识”作为一个评判标准，那人类在AI面前几乎就是沙漠里的一粒沙——我们假设一个人可以活到80岁，从10岁开始阅读书籍，每年平均阅读50本书，那么这个人类这一生也只能读完3500本书。现阶段，人类已经创作的书籍粗略估计早已经超过上亿本。3500之于100000000，已经显得微不足道，更何况在书籍之外，互联网的兴起让这个数值变得更多，出现了奇点式的增长。更何况很多人一年也读不了50本书……活不活得到80岁再说，毕竟65岁才能退休呢。

再说全科知识，人类更难做到每一个学科都可以深入学习。因此两点，人类在AI面前一败涂地。既然如此，那我们就得换一个思路去理解AI，如果它是一个超级存储器，可以记录全科百科，甚至是世界上已经存在的上亿本书籍。那我们或许可以用它做一件事：把这一亿本书每一本都提炼出300字的观点或中心思想，按照人类平均每分钟阅读200字的能力，不吃不喝不睡觉地读完这一亿本书的摘要，也需要285.7年的时间。

当然，这些数值并不是“确信值”，但这个极限值确实存在，现代社会我们能接受的信息远超过这个“极限压力”的数值。

---

今年上半年，我一直处于某种可以被感知的“焦虑”之中，但这种焦虑区别于死亡焦虑的目的性，它几乎找不到原因。这两天我也在朋友圈总结过：

今年整整5个月，我都处于一种“慢性焦虑”之中，所谓慢性焦虑就是不实质影响生活，但又能够明显感知。和之前死亡焦虑不同，我都不知道它源头在哪儿。

精准的分割线就是从香港看完苏打绿的演唱会之后（因为从朋友圈发布质量看出来的），在香港观察城市和人的时候，脑子调取了《制造宠物》这本书，然后牵扯出了我高中时上课无聊看各种故事解构的“课外书”，再到帮北影的毕业生写关于“城市构建与毁灭”的毕业论文。我发现我有很多零散的信息开始大量地出现在脑子里，不同跨度的事件被一瞬间callback。然后那个时候脑子“乱”了。

我为了对抗这种慢性焦虑，继续找书看、把思绪绕在主轴上的坚持写作也没有停、健身、体检报告也OK、狗造成的催产素也仅仅影响情绪。于是看-输出-看-输出就成了吗啡一样，麻木接受的信息越来越杂，其中掺杂着大量AI杜撰的垃圾文，又得花大量时间溯源，为了突破信息茧房“什么都看看”，输入的东西越来越多，不想错过的信息也越来越多——于是，信息焦虑的构成要件全都齐了。

---

信息大量出现，甚至有越来越多不经验证和溯源的信息出现；

信息间的联系因为信息茧房出现非关联性，从物理上被作了切断。这一点不得不承认，抖音更像是一个“佛教用品”，它的每一个信息都是独立的，短暂而丰富，因为一条信息开始需要思考“为什么”的时候，下一条信息出现，切断了上一条信息可能带来的“执念”——它确实像是一种“放下执念”的训练工具。

我虽然很厌烦APP的提醒功能，但有些软件我会打开提醒，例如微信、RSS订阅软件、博客评论提醒功能。我已经尽量地做到了“免打扰”，但是每次打开APP，都可以看到铺天盖地的未读红点。我一直以为自己是因为强迫症需要去确认这些红点，后来才意识到，这种强迫性行为，是因为“不想错过信息”导致的。

我细数了一下，可以作为信息来源的社交软件、信息订阅软件竟然有13个，他们分成被动提醒和主动索取两种，但无论哪种，我就得在这个电子产品上花费更多时间。信息来源越多，就意味着我的注意力会被分散得更多。虽然我对信息并不上瘾，但当信息过载积压时，我会觉得我需要花更多时间和精力去处理这些“被错过”的信息。

于是，这四个点共同构成了信息焦虑的关键原因——信息过载、信息茧房、不愿意错过信息和精力被过度分散。一旦出现信息焦虑，就会疯狂地寻找更多的信息以满足焦虑感，但事实上这个时候接收信息会因为杂乱而变得更加无序。过量获取的信息因为混乱无序而在内部形成“熵增”情形，只会导致越来越多原本有序的信息也跟着错乱，直到引发全面的精神焦虑。

---

当人们面对信息焦虑时，能想到的，无非是切断信息源，冷静一段时间；或是继续找寻下一个更加“优质”的信息源——这两者都是滞后性的商业模式；前者是提供替代焦虑的各种认知倾向，例如利用化学药剂的倾向，为焦虑者提供更多的酒精、药品或叶子；也可以利用能量平衡的方式，为输入焦虑的人提供能量输出的平衡——比如参加可以评判别人甚至是释放负面情绪的活动；后者，也是现在很多人在利用AI做的工作，例如将一本书、一部电影通过AI变成“捷径”，让人花最少的时间去对抗必须亲自读完书或看完电影的时间。

很显然，这两个方向并不能根治信息焦虑，反而会制造更多的求知缺口，让自己变得更加麻木。

当知识占满了整个认知空间时，对外对己的感应被切断时，一个人距离抑郁也不会太远了，这个话题下一期再聊。

人工智能真的会替代人类吗？如果你询问人工智能这个问题，它总是会用“感情模块”作为标准答案回复给你——人工智能因为缺失情感模块，所以暂时无法替代人类的情感、创造力和想象力。是否意味着，人工智能一旦拥有了情感模块，就会超越正态曲线最中段的大部分人类？人类与人工智能的暧昧关系，到最后具象化成人类、人工智能、电源插头最好不过，人类制造了它，到最后也拥有拔掉插头的最终决定权——这一天终会来临，我们可以借由人工智能看懂异国的文字，甚至是理解那些创造性的想象力，和复杂的情感，再次突破语言、文化和意识的限制，是否是人类历史上的第二座“巴别塔”？

——阅后即焚｜再建巴别塔

AI的普及，是让人类越来越聪明？还是越来越蠢？

前段时间和朋友聊起“AI会不会使人类大脑的开发超越10%”——或许认知的“巴别塔”一直都存在，只是人类的认知水平（或许是大脑只开发了10%）最高只能抵达10楼，然而目前AI仍然是通过对人类已有文明、信息、观点进行排列组合得出最优答案，它并没有超越人类的认知创造新的事物，所以AI更像是为这座“巴别塔”安装了1-10楼的电梯罢了。11-100楼到底有什么东西，或许有人看见过，但是他们可能被当成了疯子、瘾君子、不再配得起“人”这个标签——是人进入不了11楼吗？我看未必，说不定是我们被禁止入内了。

---

上次在《中文博客圈的“鸩酒”与止不了的“渴”》里，我测试了发布日当天各个中文博客聚合页面里，包括我自己在内随机10篇文章。测试的方法很简单，就是把文章投喂给ChatGPT，询问它文章是否是使用AI创作的。10篇文章里，有7篇得到了ChatGPT的回复：

基于以上分析，这段文字可能是AI生成或AI参与制作的。虽然不能百分之百确定，但文本的结构、语言风格和内容处理方式都具有典型的AI生成特征。如果需要进一步确认，可以通过使用专门的AI检测工具来分析。

ChatGPT对AI作品的评价

结果，在评论区有人匿名指责我：博主拿别人的文章去AI测试这个行为很不可取。

为什么？是测试的行为不可取？还是人们通过AI创作文章之后被人用来测试的行为不可取？这段时间，我也在思考这个点——首先，我得排除测试行为不可取的选项，因为发布在公共网络，阅读者当然可以保持批判性思维采取任何形式的方式去验证“信息来源”的真伪性；如果文章确实是通过AI创作、或是由AI参与创作的，这类文章应该如何界定？

我并不反感AI创作的文章，但凡是涉及“文献”、“信息来源”的，如果仍然使用AI得出答案，我会非常头疼。因为AI能够给出的“来源”，常常会是过时就是胡诌的，一般追问三次以上，它就会承认自己是杜撰的文献或信息来源。它确实可以用来溯源“理论”，但是它对于“观点”的溯源会因为内容杂乱而变得无序。

---

观点的呈现，往往需要“证据”。除非采用的是“演绎法”，大前提是大家公认的、或是可以通过AI溯源到原始理论的。“归纳法”则需要大量的历史经验、真实经历来作为支撑，以便找到可供归纳的“共性”，然后得出一个存在可能性的结论。这个时候，便是AI无法“创造”的内容——因为个人经验和经历不仅仅需要调动记忆，还需要附着人类的情感模块才可以得到呈现——这也是AI判定文章是否由人类创作的重要标准。

所以采用“归纳法”呈现的，有AI参与其中的文章，会有两种非常明显的差别——事实来源于人类，结论是AI总结；事实来源于AI，结论是人类总结。这两个模块的文笔差别有多大，文章读起来就有多割裂——以至于会出现两种极端情况：

1、人类写了一大堆缺乏逻辑的文字，最后由AI进行一个总结和观点的拆分，但是这些观点其实都不是人类提到的；

2、人类没有做采编工作，通过AI收集了一些明显存在常识性错误的数据，然后最后由人类通过AI提供的内容得出结论；

请注意，我说的这是“极端情况”，并不是指每个通过AI创作或利用AI创作的内容，都会有这两种情况。讨论极端情况的目的，是能够在一个坐标轴上寻找到某种平衡点。上述两种类型的文章，哪一种会让你看完后更“冒火”？

第一类文章虽然逻辑性差了点，但好在经验经历都是来源于一个活人，虽然文章结尾突然立意拔高让人有点割裂，但至少他还有“人的属性”；但是第二类文章，无论如何都触碰到了我对“信息来源”的苛责底线，这就好比实验结果和实验过程互不相干、彼此造假，但实验者自己深信不疑。

就像厨子做饭，AI是厨艺的放大器，如果本身具备一点厨艺，借助AI可以做出一桌好菜，但如果是个废物厨师，借助AI只能做出一桌屎。

和朋友讨论起这两种极端情况的感受，他如是回答

---

除这两个极端以外，AI参与创作本身并没有对与错之分，所以这个我被指责“不可取”确实成立部分。

其一，如果文章大部分内容是“真实经历”，AI只是起到一个重新排列组合并得出结论的工作，那AI并不会导致文章的真实性降低多少；

当然，如果文章大部分内容是AI提供的“事实依据”，而创作者仅仅只是起到“结尾立意”的工作，这个行为跟通过AI创作一大堆网络垃圾文是没有本质区别的，通过AI判定揪出这样的文章，我认为这是寻求“真相”的过程。

其二，如果是将他人文章投喂给AI，试图通过AI的排列组合功能，将原本富有真实情感、创作意图、甚至是隐喻的文章通过冷冰冰的文字组合重新解构，那这是对创作者的不尊重；

其三，也是《AI巴别塔与信息焦虑》这个系列开始的原因——AI和创作的边界在哪里？随着AI的推广普及，无论是变成算法进入我们依赖的电子设备功能，还是依赖AI成为一种新式的结果搜索引擎。它不再像刚开始出现时有强烈的“边界感”，这种边界扩张是无法预判的，但也实际带来了“不便”——比如在使用搜索引擎的时候，通过AI排列组合的答案首当其中，真要完全相信里面的内容，自己还得再做好几个后续“溯源”的动作。

我无法做到对AI结果的全然相信。这件事用演绎法就可以说清楚——大前提：网络信息并不全部为真，里面也掺杂过时信息、谣言、阴谋论等等未经审查的内容；小前提：AI的所有内容均来源于互联网，虽然有判定和学习机制，但AI也承认无法完全避免。结论：AI所提供的信息也会包含过时信息、谣言、阴谋论等等未经审查的内容。显然，这是一个确定的结论。

尽管有这些机制，AI仍然可能误判信息的真伪。尤其是在面对复杂、模棱两可或高度技术化的信息时，AI的判断可能并不可靠。

ChatGPT也承认自己对信息辨别能力有限

---

这便是“信息焦虑”的来源之一——AI让创作变得更加容易，那未经审查的伪装得更符合人类逻辑性的文章会不会越来越多？这反而会降低人类处理信息的效率，甚至是人类对这些信息产生依赖之后，反而会出现“降智”的可能性？

AI因为拥有大量的、远超过单个人类知识体系的信息，它的初始状态是无序复杂的，同时AI是作为一个商品，其算法、底层代码本身也是非公开技术，所以对于一般人而言，它的随机性和不可预测性远超过人类的“创作”。由此可见，AI仍是“混沌”的，只有通过人类提问、交流的方式，才可以得出“有序”的排列组合。然而，人类的创作是“秩序”的，无论是逻辑、结构、剧情节奏、人物弧光，只有符合逻辑但又超出意料之外的故事，才会让人为之惊叹。

当“混沌”的AI和“秩序”的创作星系碰撞，在混沌秩序的模糊边界处，往往就是最具创造力和活力的地方，恒星诞生、星系纠缠、白矮塌陷、超星爆炸……在这个最有活力的地方，或许创造出来的是越来越多的“宇宙垃圾”，也有可能是超越人类认知的“星辰大海”。

但在此之前，我们先别丢掉对一个信息溯源的批判性思维。

ChatGPT-4o好幽默：给我画了两张北京女孩穿吊带/迷你裙. (AMP 移动加速版本)

The post ChatGPT-4o好幽默：给我画了两张北京女孩穿吊带/迷你裙 first appeared on 小赖子的英国生活和资讯.

技术人员利用 ChatGPT 开发软件、赚钱，非技术人员可以充分发挥 ChatGPT 在日常生活中的作用。

2022年12月初，我就注册了 OpenAI 账号并开始使用 ChatGPT，被它生成速度所惊艳，被它生成的内容感到震撼，抛开它一股子 AI 味儿不说，其他方面还是足以让人接受，而且随着不断更新迭代，从最初的 GPT-3.5，到现在的 GPT-4-turbo，速度、准确度都有大幅提升。这一年使用下来，帮助我解决了很多事情，比如学校里老师布置的各种小论文，给它一个提示词，生成所需的内容，再比如咨询一些关于 WordPress 的问题，帮助我修改主题、增加功能等等。

令我印象深刻的是，一开始由于技术限制，ChatGPT 一次性生成的内容字数有限，到达限制之后会停止生成，你得回复“继续”或者“continue”，它才会继续给你生成剩下的内容，有网友说这叫人工智能界的“捧哏”。

今天分享我的经验。

沉浸式翻译

本来想专门写一篇文章介绍并分享这一款浏览器扩展，也是我在2023年用过的最棒的工具之一，今天碰上 ChatGPT，便一并聊聊吧。

沉浸式翻译最早应该是在2022年12月出来的，当时还不支持使用 ChatGPT 的翻译服务，我便使用默认的必应翻译或者腾讯交互翻译，后来发现可以自己申请彩云小译的 API，便换成了彩云小译，翻译质量和水平也有所提升。

它最大的特点我觉得是智能。和一般的网页翻译不同，沉浸式翻译可以在显示原文的情况下同时显示译文，以前浏览到英文网页，顺手使用浏览器自带的网页翻译，结果返回一片一片的中文，翻译效果也差，来回切换十分麻烦，沉浸式翻译正好解决了这一痛点。

后面更新了一个“剧透”效果，将鼠标放到译文上时，译文内容才会显示，似乎这便是它的“沉浸式”吧。

直到支持使用 ChatGPT 的翻译服务，两者一起使用，翻译水平和质量有大幅提升。只需要在扩展设置中添加自己的 OpenAI API Key，就可以在扩展中使用 ChatGPT 的翻译服务。

文生图

ChatGPT 后期支持的 DALL-E-3 模型，让使用它的人体会到了一些乐趣。输入几句 prompts，AI 便会根据你的指令输出图片，如果对此不满意，还可以继续修改 prompts，增加细节。

将其用于文章配图，相当不错。虽然我文章中的图片不多，大部分来自截图，但偶尔实在没有图片搭配的情况下，可以让 AI 根据文章内容及其主题，生成相符的图片作为配图使用，多多少少也能增加文章的可读性。

另外，最近在 GitHub 上 Fork 了 XiaowenZ 修改过的项目——daily，主要是利用 GitHub Actions，搭配各类 API，定时生成对应的信息，并发送到 Telegram 频道或群组。我在这个项目里添加了 Bing Create 的 cookie，以及每日诗词的 API，让 Bing Create 以每日诗词的内容为提示词，生成对应的图片，于是便有了下面的效果。

ChatGPT-Next-Web

这是我最早、最常用的方式，即把 ChatGPT 当成一个百科全书，我负责提问、提需求，ChatGPT 负责解答。

但这一环节最重要的就是 prompt，prompt 的精确度决定了 ChatGPT 生成内容的准确度和质量，我记得 ChatGPT 刚问世那会，就出现了各种调教 ChatGPT 的方法和教程，正经的和不正经的都有一大堆。

正好有 ChatGPT-Next-Web 项目，免费部署，填入自己的 OpenAI API Key，即可与之对话，而且还内置了海量的 prompts，将其打造成各种身份，用于各种方面，比如学术论文、创意写作、数据分析等，再或者是让它模仿小红书笔记的风格，以特定产品为描述对象，生成小红书风格的内容……

估计这也是大多数普通人的 ChatGPT 用法，一个百科全书、私人管家。

---

AIGC API

但上述内容的使用前提是得需要有 OpenAI API Key，如果只注册了 OpenAI 账号，那就只能登录 ChatGPT 官网，使用最基础的 GPT-3.5 对话服务。不过，我由于没有信用卡，而且每个月订阅 ChatGPT Plus 的20美元对我来说太贵，便一直没有开通，一直使用基础的 GPT-3.5。

但是最近我不开通 ChatGPT Plus，也用上了 GPT-4 等相关功能，也能生成 OpenAI API Key。

朋友最近在做一个代理服务——AIGC API（aigcapi.io），低于 OpenAI 官方价格，却可以使用 GPT-4、DALL-E-3、Claude 2等模型的 API Key，虽然我不知道这是如何做到的，但觉得非常神奇，1美元额度的 API Key，在他那里只需要2元人民币，官方价格居然是他的3.6倍。

这模型名称让我搞不太明白，turbo 后面还加个数字，不过目前最好用的模型应该是 GPT-4-1106-preview 和 DALL-E-3。

借着朋友送我的额度，“嚣张”地使用着，我一个人也用不完，便部署了 ChatGPT-Next-Web 服务，将方法分享给了班上的同学，最近正好是写论文的时候，方便他们用 ChatGPT 修改自己的文章。

然后偶尔使用 DALL-E-3 文生图模型，让 AI 画出一些古诗词中的景色和场景，用了大半个月，我的感受是：太耐用，用不完，根本用不完。20美元不到，按照朋友提供的价格，折合人民币20元不到，相当于相当于购买20美元，就是20元人民币，但如果按照 OpenAI 官方的定价，就得上百块钱。

虽然是第三方代理，但能享受官方的体验，除了价格比官方便宜，速度还比官方要快，准确度和官方保持一致，可以说体验升级。调用速度和 OpenAI 直连速度没区别，稳定性和 OpenAI 一致（OpenAI 崩他们也崩），每一笔调用都能在后台清晰可见。

仅需将官方接口地址（https://api.openai.com) 更改为AIGC API的接口地址：https://api.aigcapi.io 即可快速使用。专为企业和程序开发测试人员打造，更适合企业和站长等高并发大用量的用户，均是高速 API 渠道。

目前新用户注册默认赠送1美元额度，感兴趣的可以先尝试一下，如果觉得好用，需求大的话，我可以找朋友弄点折扣和优惠码。

---

另外说几句题外话，自从 ChatGPT 问世，各种 AI 工具层出不穷，有真正使用 AI 技术、并且有真本事的工具，也有不少挂羊头卖狗肉的套壳服务，工具多到我用不过来，眼花缭乱，都快对“AI”这个词产生应激反应。

最后我的选择还是跟随自己的需求，不要一拥而上，ChatGPT、Perplexity、Bing Create 足够我使用很久很久，除非我产生了新的需求。

我在之前的文章《充分发挥 ChatGPT 在日常生活中的作用》中介绍过一款开源项目——ChatNextWeb，搭配 Vercel 即可部署自己的网页对话机器人，但它仅支持对话，如果想使用 DELL·E 3 模型进行文生图，似乎无法实现。最近看到另一个类似的项目——LobeChat，功能更加齐全、丰富，UI 也更加好看，便记录一下部署过程。

LobeChat 介绍

该项目在 GitHub 上已有 17.7k stars，这几个特性比较吸引人：

1. GPT 视觉认知。支持了 OpenAI 最新的 gpt-4-vision 模型，视觉识别，只需上传图片，即可识别图片内容，然后基于此进行对话。
2. TTS & STT 语音会话。这一功能在 ChatGPT 的官方客户端上就能体验，通过语音转文字或者文字转语音，与人工智能助手进行对话。
3. Text to Image 文生图。即支持通过插件唤醒 GPT-4 内置的 DALL-E 3 模型，直接调用文生图工具进行绘画，我在 Bing Create 上使用该功能绘制 Daily 图片，仅用一句诗，就能生成与之相符的图片。

如果开通了 ChatGPT Plus，以上三点应该可以轻松实现并体验，但对我来说太贵，便找到了平替方案。

LobeChat 部署

LobeChat 提供了 Docker 镜像，也提供了 Vercel 的自托管版本，两种方式我都进行了测试，都可以正常部署并使用。

Docker 部署

在 VPS 终端输入以下命令，就可以一键安装并启动 LobeChat 服务：

docker run -d -p 3210:3210 \
  -e OPENAI_API_KEY=sk-xxxx \
  -e OPENAI_PROXY_URL=https://api-proxy.com/v1 \
  -e ACCESS_CODE=lobe66 \
  --name lobe-chat \
  lobehub/lobe-chat

其中涉及到一些环境变量，OPENAI_API_KEY 是从 OpenAI 获取到的 API Key，如果你使用的 API Key 并不是来自官方，则需要加一条环境变量OPENAI_PROXY_URL配置代理地址，比如我使用的是第三方 API Key，由 AIGC API 提供，ACCESS_CODE是访问密码，建议设置。最后需要确保 VPS 端口 3210 保持开启且未被占用，然后通过 IP:端口的方式进行访问即可，或者进行反向代理，绑定域名使用。

Vercel 部署

使用 Vercel 部署更加方便快捷，不用登录 SSH，也不用输入命令。

进入 GitHub 项目页面，fork LobeChat 项目之后登录 Vercel，选择对应的仓库进行导入。

在环境变量部分填入相应的 Key 和 Value，如下图所示，我填写了ACCESS_CODE 、OPENAI_API_KEY和OPENAI_PROXY_URL，这样就可以通过 AIGCAPI 提供的第三方 API Key 使用 GPT-4 等模型。

注意，如果在环境变量里填写了OPENAI_API_KEY等其他模型服务商的 API Key，则该服务部署成功之后可以直接使用，无需再在网站中填写 API Key，这一点在项目文档中写得比较清楚。

点击 Deploy，等待部署完成。

即可访问网站，使用服务。

切换 GPT-4 模型，打开内置的 DALL·E 3 插件，即可开启文生图模式。

除此之外，还内置了各种 AI 助手，涵盖写作、翻译、代码等方面。

最后给大家分享一家我一直在使用的第三方 API Key 提供商，AIGC API，提供高效且稳定的 OpenAI 聚合 API，相比官方20$/月的 ChatGPT Plus，它提供的 API，价格低至1美元只需要2元人民币，除了 GPT-4 模型，图中这些也可以进行调用。

最近因为写毕业论文需要，便使用 LobeChat 和 AIGC API 的服务部署了一个网站，给自己和同学使用，效果还不错。

OpenAI宣布了适用于 macOS 的 ChatGPT 客户端app正式面向所有用户开放。该应用专为 macOS 系统设计，支持快捷键呼出和多种内容形式的交互。目前仅适用于配备 Apple Silicon（M1 或更高版本）的 macOS 14+，但计划在今年晚些时候登陆 Windows。

直接在Telegram上免费使用ChatGPT！

原以为这是一个过时的愚人节玩笑，没想到居然是真的！

直接在Telegram上免费使用ChatGPT！

分享一个Telegram上的免费ChatGPT bot最先出现在Justin写字的地方。