优先使用：豆包 和 Grok
提示词
根据历年财报进行投资分析
基于京东健康上市后历年的财报，从价值投资的角度进行分析。
文件：
评估各模型投资分析能力
下面是我使用提示词：“基于京东健康上市后历年的财报，从价值投资的角度进行分析。”对多个大语言模型进行的分析结果。你作为一个评判专家，请对比各模型的分析内容，给出你的综合评价。
评判结果
Doubao
Grok 4.1
Gemini3
ChatGPT
DeepSeek-Think
混元
Kimi-K2-Think
LeChat
LongCat
MiniMax M2.1
Qwen3-千问
综合AI助手，全面回答工作、学习、生活各类问题
Qwen3-Max
千问系列中最强大的语言模型
各模型投资分析结果
Gemini
提示词（DeepSeek）
2026年新年来了，生成一张红色的飞马图像。以这个为基础写个生成图像的提示词
一只雄伟的飞马（天马）在绚烂的夜空中展翅翱翔，周围环绕着金色与橙红色的新年烟火，鬃毛与翅膀边缘散发柔和光芒，背景为深红色星空与闪烁的星光，风格融合奇幻艺术与节日喜庆，色彩以红色、金色为主，充满动态与希望感，4K高清，细节精致，史诗光影。
生成结果
ChatGPT
豆包
Gemini
Grok
可灵 2.1
龙猫
MiniMax
千问
元宝
An agent that uses reasoning to synthesize large amounts of online information and complete multi-step research tasks for you.
一个代理，使用推理来综合大量在线信息，并为您完成多步研究任务。
Today we’re launching deep research in ChatGPT, a new agentic capability that conducts multi-step research on the internet for complex tasks. It accomplishes in tens of minutes what would take a human many hours.
今天我们在 ChatGPT 中推出了 deep research，这是一种新的代理能力，可以在互联网上进行复杂任务的多步研究。 它可以在几十分钟内完成人类需要花费数小时才能完成的任务。
下载镜像
docker pull ghcr.io/open-webui/open-webui:main
运行
Docker Compose (Ollama)
编写配置文件：docker-compose.yml
version: '3'
services:
openwebui:
image: ghcr.io/open-webui/open-webui:main
extra_hosts:
- host.docker.internal:host-gateway
ports:
- "3000:8080"
volumes:
- open-webui:/app/backend/data
volumes:
open-webui:
docker compose up
Docker (OpenAI API)
下载 GPT4All 客户端（macOS）
下载模型
聊天
基于目录构建本地文档集合
本地服务
查看本地下载的模型 ll /Users/junjian/Library/Application\ Support/nomic.ai/GPT4All/*.gguf -rw-r--r--@ 1 junjian staff 44M 12 3 10:30 /Users/junjian/Library/Application Support/nomic.ai/GPT4All/all-MiniLM-L6-v2-f16.gguf -rw-r--r--@ 1 junjian staff 1.3G 12 3 12:53 /Users/junjian/Library/Application Support/nomic.ai/GPT4All/incomplete-nous-hermes-llama2-13b.Q4_0.gguf -rw-r--r--@ 1 junjian staff 3.8G 12 3 10:09 /Users/junjian/Library/Application Support/nomic.ai/GPT4All/mistral-7b-openorca.Q4_0.gguf -rw-r--r--@ 1 junjian staff 3.
🔥 大模型
🔥 Andrej Karpathy
🔥 李沐 论文精读 如何读论文 AlexNet ResNet 零基础多图详解图神经网络（GNN/GCN） GAN Transformer BERT Pre-training ViT 卷积神经网络的两个归纳偏置：1、locality（相同区域有相同的特征）；2、translation equivariance（平移等变性） local neighborhoods MAE Autoencoder 对比学习论文综述 数据增强：Crop 和 Color 的组合最有效 MoCo CLIP How to Train Really Large Models on Many GPUs?
Building Systems with the ChatGPT API
Language Models, the Chat Format and Tokens（语言模型、聊天格式和 Tokens）
Load OpenAI API key
import os
import openai
import tiktoken
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv()) # read local .env file
openai.api_key = os.environ['OPENAI_API_KEY']
LangChain for LLM Application Development
LangChain 是用于构建 LLM 应用程序的开源框架
LangChain: Models, Prompts and Output Parsers
安装依赖包
pip install python-dotenv
pip install openai
ChatCompletion import os import openai from dotenv import load_dotenv, find_dotenv _ = load_dotenv(find_dotenv()) # read local .env file openai.api_key = os.environ['OPENAI_API_KEY'] def get_completion(prompt, model="gpt-3.5-turbo"): messages = [{"role": "user", "content": prompt}] response = openai.ChatCompletion.
介绍
Learn about the training pipeline of GPT assistants like ChatGPT, from tokenization to pretraining, supervised finetuning, and Reinforcement Learning from Human Feedback (RLHF). Dive deeper into practical techniques and mental models for the effective use of these models, including prompting strategies, finetuning, the rapidly growing ecosystem of tools, and their future extensions.
了解 ChatGPT 等 GPT 助手的训练管道，从标记化到预训练、监督微调和人类反馈强化学习 (RLHF)。 深入研究有效使用这些模型的实用技术和心智模型，包括提示策略、微调、快速增长的工具生态系统及其未来的扩展。
ChatGPT Prompt Engineering for Developers 由Isa Fulford（OpenAI）和Andrew Ng（DeepLearning.AI）教授的课程将描述 LLM 的工作原理，提供快速工程的最佳实践，并展示 LLM API 如何用于各种任务的应用程序。
Instroduction（介绍）
Guidelines（准则）
帮助函数 import openai import os openai.api_key = os.getenv('OPENAI_API_KEY') def get_completion(prompt, model="gpt-3.5-turbo"): messages = [{"role": "user", "content": prompt}] response = openai.ChatCompletion.create( model=model, messages=messages, temperature=0, # this is the degree of randomness of the model's output ) return response.choices[0].
Spark Desk 是讯飞星火认知大模型的英文名称。
👍零样本分类
❓ “这个手机的功能不好用”这是好评还是差评？
💬 这个手机的功能不好用，是差评。
👎少样本分类
❓ 电脑：3C；手机：3C；铅笔：
💬 3C;
👍英语语法更正
❓ Correct this to standard English:
She no went to the market.
💬 She did not go to the market.
ChatGPT 还会解释语法的问题
👍翻译
英译中
❓ What rooms do you have available? 翻译成中文
💬 你有哪些房间可用？
中译英
❓ 您好，您想要预订哪些房型呢？翻译成英文
💬 Hello, which room type would you like to book?
👍阅读理解 ❓ 北京市卫生健康委副主任、新闻发言人李昂通报：4月18日下午，长峰医院突发火情，市卫生健康委即刻启动应急预案，迅速调集29辆救护车300余人次急救力量，及时赶赴现场，全力开展医疗救援和转运工作。截至当日15时30分，共转运伤员71名，分别送至解放军总医院第一医学中心、解放军总医院第五医学中心南、北院区、北京世纪坛医院、航天中心医院、电力医院、玉泉医院、丰台区医院、右安门医院等9家医疗机构救治。涉灾病房楼其余住院患者均已妥善安置。
链允许我们将多个组件组合在一起以创建一个单一的、连续的应用程序。我们可以通过将多个链组合在一起，或者通过将链与其他组件组合来构建更复杂的链。
LLMChain 是一个简单的链，它接受一个提示模板，用用户输入格式化它并返回来自 LLM 的响应。
语言模型（text-davinci-003） from langchain.chains import LLMChain from langchain.llms import OpenAI from langchain.prompts import PromptTemplate llm = OpenAI(temperature=0.9) prompt = PromptTemplate(input_variables=["product"], template="What is a good name for a company that makes {product}?
通过可组合性使用 LLM 构建应用程序
介绍
大型语言模型 (LLM) 正在成为一种变革性技术，使开发人员能够构建他们以前无法构建的应用程序。 但是，单独使用这些 LLM 往往不足以创建真正强大的应用程序——当您可以将它们与其他计算或知识来源相结合时，真正的力量就来了。
安装
pip install langchain
# or
conda install langchain -c conda-forge
配置环境
使用 LangChain 通常需要与一个或多个模型提供者、数据存储、api 等集成。
对于这个例子，将使用 OpenAI 的 API
pip install openai
export OPENAI_API_KEY="..."
LLMs：从语言模型获得预测结果
在这个例子中，我们可能希望输出更加随机，所以将 temperature 设置的更高一些。
from langchain.llms import OpenAI
llm = OpenAI(temperature=0.9)
text = "一家生产彩色袜子的公司取什么名字好？"
print(llm(text))
可以取名为：Colorful Socks Factory。
提示模板（Prompt Templates）：管理 LLM 的提示 from la
Hugging Face 上创建 ChatGPT Space
克隆
git clone https://huggingface.co/spaces/wangjunjian/ChatGPT
cd ChatGPT
创建应用（聊天机器人）
chat.py
这里的 Conversation 记录了所有的对话消息，在提问前，会检查是否超过最大 token 数量，如果超过，会删除第一条与用户的对话消息，然后再提问。
import openai
import tiktoken
class Conversation:
def __init__(self, prompt, model="gpt-3.5-turbo", temperature=0.8, max_tokens=250):
self.prompt = prompt
self.model = model
self.temperature = temperature
self.max_tokens = max_tokens
self._init_messages()
def _init_messages(self):
self.messages = [{"role": "system", "content": self.prompt}]
// ...
模型
可以做很多事情
API 调用 例子 import os import openai openai.api_key = os.getenv("OPENAI_API_KEY") response = openai.ChatCompletion.create( model="gpt-3.5-turbo", messages=[ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "Who won the world series in 2020?
工具
介绍
概述
OpenAI API 几乎可以应用于任何涉及理解或生成自然语言、代码或图像的任务。提供一系列具有不同功率级别的模型，适用于不同的任务，并且能够微调您自己的自定义模型。这些模型可用于从内容生成到语义搜索和分类的所有领域。
关键概念
Prompts
设计提示本质上是您“编程”模型的方式，通常是通过提供一些说明或一些示例。通过 completions 和 chat completions 端点可用于几乎任何任务，包括内容或代码生成、摘要、扩展、对话、创意写作、风格转换等。
Tokens
模型通过将文本分解为标记来理解和处理文本。标记可以是单词或只是字符块。例如，单词“hamburger”被分解为标记“ham”、“bur”和“ger”，而像“pear”这样的短而常见的单词是一个标记。许多标记以空格开头，例如“ hello”和“ bye”。
在给定的 API 请求中处理的令牌数量取决于输入和输出的长度。根据粗略的经验法则，对于英文文本，1 个标记大约为 4 个字符或 0.75 个单词。要记住的一个限制是，您的文本提示和生成的完成组合不能超过模型的最大上下文长度（对于大多数模型，这是 2048 个标记，或大约 1500 个单词）。
Playground 了解标记和概率 我们的模型通过将文本分
LLMS
ChatGPT
LLaMA
ChatLLaMA
ChatGLM
Alpaca Stanford Alpaca: An Instruction-following LLaMA Mode alpaca_data.json contains 52K instruction-following data we used for fine-tuning the Alpaca model.
👎分类
❓ 电脑：3C；手机：3C；铅笔：
💬 非常抱歉，我之前的回答有误。
* 电脑是一种3C产品。
* 手机也是一种3C产品。
* 铅笔不是一种3C产品。
如您还有其他问题，欢迎继续向我提问。
👎情感分类
❓ “这个手机的功能不好用”这是好评还是差评？
💬 这是一个主观的评价，可以根据个人的使用体验和需求来进行判断。如果这个手机的功能符合个人的需求，那么这个评价可以是好评；如果这个手机的功能不符合个人的需求，那么这个评价可以是差评。
👍英语语法更正
❓ Correct this to standard English:
She no went to the market.
💬 She did not go to the market.
ChatGPT 还会解释语法的问题
翻译
英译中
❓ What rooms do you have available? 翻译成中文
💬 您好，您想要预订哪些房型呢？
中译英
❓ 您好，您想要预订哪些房型呢？翻译成英文
💬 Hello, which rooms are available for booking?
👎阅读理解 ❓ 北京市卫生健康委副主任、新闻发言人李昂通报：4月18日下午，长峰医院突发火情，市卫生健康委即刻启动应急预案，迅速调集29辆救护车300余人次急救力量，及时赶赴现场，全力开展医疗救援和转运工作。
ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。
下载
克隆
https://github.com/THUDM/ChatGLM-6B.git
cd ChatGLM-6B
下载模型
git clone https://huggingface.co/THUDM/chatglm-6b THUDM/chatglm-6b
ChatGPT Wrapper is an open-source unofficial Power CLI, Python API and Flask API that lets you interact programmatically with ChatGPT.
安装
必要条件
brew install moreutils
sudo apt install moreutils
创建虚拟环境
mkdir chatgpt-wrapper && cd chatgpt-wrapper
python -m venv env
source ./env/bin/activate
使用 GitHub 安装最新版本
pip install --upgrade pip
pip install git+https://github.com/mmabrouk/chatgpt-wrapper
在 Playwright 中安装浏览器，默认为 firefox。
playwright install
ChatGPT 安装
以安装模式启动程序。 这将打开一个浏览器窗口。 在浏览器窗口中登录 ChatGPT，然后停止该程序。