任務1：

要求sku這一列數(shù)字后面的字母全部刪除，保留數(shù)字前面的字母D L S等。

我不是excel高手，肯定有公式可以輕松解決這個問題。我們今天嘗試用AI解決這個問題！

提示詞：幫我把數(shù)字后面的字母去掉，并輸出給我，請保留數(shù)字前面的字母：

把需要處理的數(shù)據(jù)，復制粘貼到冒號后面，輸入給AI系統(tǒng)

輸出結(jié)果如上，復制回去excel表格，即可搞定！

任務2：

查重和去重任務，交給AI，輕松完成。(此任務消耗了9000+ token，還好是GPT 3.5-16k模型，才能順利完成這樣的長任務)

提示詞：Please help me summarize. There are repeated asin in the following, and calculate the number of repetitions：

任務3：

批量寫小說功能

任務4：

批量內(nèi)容改寫和縮寫，擴寫！

備注：批量任務和長文小說功能，VIP不可用（3.5模型按照次數(shù)付費），4.0模型 按照字數(shù)付費！

GPT Token 的概念！

在GPT計算機語言處理中，Token 是一個基本的概念。它指的是文本中可以被視為一個單獨單位的元素，比如單詞、數(shù)字或符號。例如，在句子“我愛北京天安門”中，每一個詞“我”、“愛”、“北京”、“天安門”都可以被視作一個 Token。Token 是 NLP（自然語言處理）中數(shù)據(jù)預處理的重要步驟，它幫助模型理解和分析文本。Token 分為以下幾種類型，不同類型的詞匯對照的內(nèi)容也不一樣：

詞匯 Token（Word Tokens）：這是最常見的 Token 類型，代表文本中的單詞。例如，“貓”、“跑”等。

符號 Token（Symbol Tokens）：包括標點符號和特殊字符，如逗號、“？”等。

數(shù)字 Token（Number Tokens）：代表數(shù)字，例如“2023”、“100”等。

每種類型的 Token 在文本處理中扮演不同的角色:

詞匯 Token 幫助模型 理解文本的語義內(nèi)容；

符號 Token 通常用于理解文本的結(jié)構(gòu)和語法；

數(shù)字 Token 則在處理包含數(shù)字信息的文本時顯得尤為重要。

通過將文本分解為不同類型的 Token，NLP 模型如 GPT模型 能更準確地分析和理解語言，從而在回答問題、生成文本或執(zhí)行其他語言相關(guān)任務時，表現(xiàn)出更高的效率和準確性。對于 8K Token，需要進行大約 6400 萬次（8000 乘以 8000）的注意力計算。而對于 32K Token，則需要進行高達 10.24 億次（ 32000 乘以 32000 ）的計算。這就解釋了為什么處理 32K Token 的模型要比處理 8K Token 的模型難得多，而處理更大規(guī)模的 Token（如 128K ）更是難上加難。