如何释放 ChatGPT 的力量 Mendix 数据

ChatGPT 的集成 Mendix 非常简单。例如，凯捷 创建了一个连接器 这可以将整个过程缩短至五分钟以内。

如上面的视频所示，您可以向 ChatGPT 询问他们最成功的产品以及它成功的原因。但是，ChatGPT 不了解这些产品，因此无法提供有效的答案。答案在于输入您的 Mendix 数据到 ChatGPT，这取决于您想要提供多少数据。

根据您的需求微调 ChatGPT

对于使用大数据集的企业级解决方案，推荐的方法是“模型训练”，也称为“微调”然而，这种方法需要大量的资源和劳动力，包括 GPU 资源和数据科学家和工程师团队。微调可能需要数周或数月的时间，并且必须不断评估和更新生成的模型。

为了简化向 ChatGPT 提供上下文的过程，一种更直接的方法是使用相关上下文数据来增强提示和问题。虽然这种方法更容易实现，但它有局限性，我们将在后面探讨。

为了证明这种方法 Mendix 对于视频中显示的用例，创建了一个导出映射，以将品牌及其相关产品详细信息导出为 JSON 字符串。包含品牌和产品数据的结果 JSON 字符串作为上下文添加到提示/问题中：

由于所涉及的数据集相对较小，因此上述方法效果很好。但是，这种方法存在一些暂时的限制，例如：

• 必须为每个问题提供上下文数据。
• 上下文数据的大小受到限制。
• 隐私和安全问题，因为 OpenAI API 在这些领域的功能有限。

虽然这项技术暂时存在局限性，但 Microsoft Azure OpenAI API目前以有限访问预览版的形式提供，将有助于解决大部分这些问题。

Azure OpenAI 运行在与 OpenAI 相同的模型上，并且具有更灵活的限制、私有网络、区域可用性和负责任的 AI 内容过滤。其他服务云服务提供商也在全天候工作以提供类似的 AI 功能。

TL博士

将 ChatGPT 集成到 Mendix 可以改变企业的游戏规则，为其应用程序提供增强的对话功能。为了释放 ChatGPT 的力量，企业必须将相关数据提供给 AI模型.

对于使用大型数据集的企业级解决方案，建议的方法是模型训练或微调，这需要大量的资源和人力。更直接的方法是使用相关的上下文数据来增强提示和问题。不过，这种方法有局限性，例如需要为每个问题提供上下文数据、上下文数据大小有限以及隐私和安全问题。

通过改进的 API 功能、私有网络、区域可用性和负责任的 AI 内容过滤，Microsoft Azure OpenAI API 可以帮助缓解大多数这些问题。