在开发私有chatGPT的时候，如果我们使用官方的基础模型，那么回答的问题可能不符合我们自己的预设答案
现在就是通过官方的训练方法，提供一部分数据进去，训练出自己的私有模型
按照工具
pip install --upgrade openai
设置环境变量
export OPENAI_API_KEY="自己的key"
准备本地数据
{"prompt": "你是谁", "completion": "我是唯一客服小助手"}
{"prompt": "你会做什么", "completion": "我能帮你解答使用唯一客服时的问题"}
格式化数据
openai tools fine_tunes.prepare_data -f /tmp/
如果报错
执行
pip install pandas
然后继续执行，他会给出一些格式化的建议
翻译一下
正在分析。。。
-根据您的文件扩展名，您提供了一个文本文件
-您的文件包含3个提示完成对。一般来说，我们建议至少有几百个例子。我们发现，示例数量每增加一倍，性能就会线性增加
-“completion”列/键不应包含空字符串。这些是行：[2]
-所有完成都以前缀“｛”prompt“：”开头你`. 大多数情况下，您应该只将输出数据添加到完成中，而不添加任何前缀
-完成应该以空白字符(``)开头。由于我们使用的标记化，这往往会产生更好的结果。看见/docs/guides/fine-tuning/preparing-your-dataset有关详细信息
根据分析，我们将采取以下措施：
-[必要]您的格式“TXT”将转换为“JSONL”`
-[必要]删除1行空白完成符
-[推荐]删除前缀“｛”prompt“：”你` 来自所有完成[Y/n]：
-[推荐]在完成开头添加空白字符[Y/n]：
您的数据将写入新的JSONL文件。继续[Y/n]：
将修改后的文件写入`/tmp/json_prepared.jsonl`
随便看一看！
现在在微调时使用该文件：
>openai api fine_tunes.create-t“/tmp/”
确保包含`stop=[“”}“]`，以便生成的文本在预期位置结束。
一旦你的模型开始训练，训练一个“curie”模型大约需要2.47分钟，而“ada”和“babbage”则需要更少的时间。在您之前，每个作业排队大约需要半小时。
创建一个微调模型
基于达芬奇模型，创建一个自己的模型
openai api fine_tunes.create -t 数据文件路径 -m 基础模型
这个时候会让等几分钟或者几个小时哦
列出所有微调任务的列表
openai api fine_tunes.list
查看微调任务的状态，ID就是上面列表的ID，可以看到正在运行中
openai api fine_tunes.get -i 任务ID
当任务完成以后，fine_tuned_model 字敦会有模型名称
后面就可以使用这个模型了，可以看到模型名称
使用模型
openai api -m 模型名称 -p 提示