普通人的ChatGPT机会在哪里？

1、类似于ChatGPT这样的大型语言模型，是新一代的技术平台之一，就好比移动互联网之初的Iphone手机的发布，基于这样的平台才有的广泛的应用生态和移动互联网的繁荣。

2、不要想象或者尝试去训练自己的大型模型，即使是基于现有的开源的模型算法，因为海量的数据喂养和天大的算力支持也不一定能够成功。

3、现阶段而言，重要的是在现有的基础模型之上，对其进行训练。所以在基础模型和商业应用之间，这个"中间层"非常重要，这个中间层所做的事情就是为每个垂直的商业应用进行训练。

4、既然问题的关键在于这个"中间层"，未来会出现大量prompt engineering工作。prompt engineering（提示工程）是指将任务的描述、或者提问放在输入中，让 AI 模型输出理想结果的调试过程。

5、提示工程技能有助于更好地理解大型语言模型（LLM）的能力和局限性。研究人员使用提示工程来改善LLMs在各种常见和复杂任务上的能力，如问答和算术推理。开发人员使用提示工程来设计与LLMs和其他工具进行交互的稳健而有效的提示技术。

基于以上几点想法，我个人有一些建议：

1、这次不推荐和现有业务相关的场景应用，目前提到的基本可以实现，但是"实验室版本"和"商业应用"存在巨大鸿沟，即我们可以花几个人天跑起来一份开源代码，也能得到一些基本结果，但是离真正应用还需要投入巨大。

2、从历史看，即使是开源的一些算法通过研究有一些初步应用，但是仍需持续投入，一方面要跟进底层的算法版本，另一方面，在业务应用上面仍然也需要持续优化才行。

3、个人觉得从ChatGPT到业务应用这层之间，非常重要的一个中间环节就是prompt engineering，目前在github已有多个热门仓库在建设，我觉得我们可以重点投入人力在这个方面，类似的仓库有：https://github.com/PartnerDAO/Prompt-Engineering-Guide-zh。

4、从投入和人员能力上评估，在prompt engineering上切入，是比较符合现有公司客观条件的。