社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  chatgpt

刚刚,ChatGPT 的额度“翻倍”了

学术AI大模型 • 3 天前 • 41 次点击  

用AI辅助做科研,最尴尬的时刻,莫过于项目进行到关键时刻,额度不足的提示也弹了出来

尤其是现在,OpenAI的额度限制,从每周刷新,变成了5小时就刷新一次后,这样的窘境,就变得更加频繁。

稍微处理一个复杂点的问题,可能几轮对话,5小时的额度就干没了。

干等5个小时,甚至下个星期额度刷新?那工作就要被大大耽误了。

那么,有什么方法可以“挤”出一些额度吗?

| 01 Chat 与 Work

首先,OpenAI 对两个入口的定位很清楚。

Chat 主要用于快速、对话式的日常协助;Work 则是面向较长、多步骤任务和成品交付的 Agent。

带入到实际工作中,Chat 适合把一个问题谈明白,Work 适合把一堆材料推进成看得见的文件。

前者常以消息往返为主,后者会围绕任务持续读材料、整理过程并生成交付物。

更重要的是,Chat 与 Work 模式,额度是分开计算的。

因此,我们可以从一开始就让两个窗口协同工作,让每一分Token都花在该花的地方;或者当Work模式先到上限后,把手上能安排的工作,给聊天窗口分配一些。这样一来,在等待额度恢复的时候,项目也能继续推进。

| 02 Chat 先救急

虽然 Chat 模式无法像 Work 那样自由调用本地文件和工具,且记忆长度也更有有限。但说到底它依然是 GPT-5.6-Sol ,应付那些能在几轮对话内闭环的小任务,绰绰有余。

比如把一篇摘要改写成研究问题卡、拆开两个概念的差别、把阅读时的疑问排成下一轮检索清单,或者把已经写出的半页方法说明理顺。

只给当前要处理的摘要、几段笔记和一个明确问题,聊天模式给出的答案依然是可供参考的。

我们甚至可以让 Chat 也给出一份.md 文件,等到额度恢复后在 Work 模式直接用。

这里,我们用一个简单的问题演示一下。

提示词

我正在准备“【研究主题】”的文献阅读。下面依次提供一篇论文的摘要、我已标记的三个段落,以及目前的三条困惑。

请只依据这些材料,整理为一份Markdown 研究问题卡。把它保存为 `question-card.md`。

研究问题卡必须包含:

1. 这篇材料真正讨论的对象、关系和情境;

2. 已经得到原文支持的三条信息;

3. 我提出的困惑分别对应材料中的哪一处;

4. 下一轮阅读应补哪两类文献;

5. 目前无法从材料判断的内容。

不要编造文献、数据、变量或结论。总长度控制在800 字以内。

这张卡不追求写成综述,只负责把已经读到的东西放回原位。研究对象是什么,证据在哪里,下一页该读什么,都已经被标记清楚了。

额度恢复之前,我们仍然可以围绕同一张卡继续问几个小问题,慢慢把方向收紧。

或者遵照这样的办法生成更多研究卡,再带到 Work 模式进行整体分析。

| 03 Work 做长活

与只能进行短任务的 Chat 对应,如果我们要处理的材料变成更多篇PDF或多段历史笔记,并且输出的内容也更加复杂(如PPT),这样的任务我们就应该让 Work 模式来接棒了。

Work模式更适合连续推进:先提取证据,再组织提纲,随后生成汇报或写作骨架。

每一步的产物留在任务里,后面的步骤直接读取前面的文件。

假设我们已经通过上面的过程,制作出多张研究问题卡。现在要把他们串联起来,做成能在组会上放的PPT大纲。

我们可以先让 Codex 读取 Chat 模式下生成的"question-card.md“,交出一张证据图谱“evidence-map.md”。其中包含研究问题、模型设定、关键结果和未解释之处,并且标上来源位置。

图谱清楚后,再安排讲稿和页面结构,后面修改也有落点。

提示词

请读取我上传的“question-card.md” 。先生成“evidence-map.md” 再做PPT大纲,内容包括:

1. 研究问题、研究对象和研究情境;

2. 数据或材料来源、样本范围、核心变量或核心概念;

3. 方法或模型的关键设定;

4. 主要结果及其所在页码、表格或图号;

5. 论文没有说明、当前不能继续推断的事项;

6. 基于现有材料可用于 12 分钟组会的四个页面主题。

数字、术语和结论只能来自上传材料。完成“evidence-map.md” 后暂停,等待我确认。

Work 最有用的地方,在于它把“读完以后再说”变成一个连续的文件链,这是再在聊天窗口里很难做到的。

接下来,“question-card.md“ 给出阅读方向,”evidence-map.md” 固定证据位置,汇报提纲直接读取这几份文件,就不必每次都让 Codex 把论文从头看一遍了。

| 04 额度见底先存档

Work 额度快用完时,我们可以先暂停让AI继续生成新内容把额度彻底耗干。此刻最重要的产物,是一份能让下一次任务继续工作的现场记录。

提示词

当前 Work 额度即将用完。请停止新的分析、检索和扩展任务。只根据当前对话、已经读取的文件和已有产物,快速生成 work-checkpoint.md。文件必须包含:1. 当前研究目标;2. 已完成的步骤;3. 已确认的事实、数据和判断;4. 当前使用过的文件及其作用;5. 尚未完成的问题;6. Work 恢复后应执行的下一步;7. 不能遗失的格式、变量名、文件名或写作要求。不要重新解释背景,不要补充新的分析,不要创建其他文件。完成后只交回 work-checkpoint.md。
随后打开 Chat,把 work-checkpoint.md 粘贴进去。Chat 可以先处理不依赖本地文件和专用 Skill 的部分,例如改写一段引言、整理研究问题、比较两个概念,或者把下一步任务排成清单。
提示词

下面是 Work 生成的 work-checkpoint.md。请只根据这份记录,完成其中一项可以独立推进的工作:整理研究问题、改写指定段落,或列出下一步阅读清单。

请把输出分为“本次完成内容”和“留给 Work 的后续任务”两部分。

我会把结果保存为 chat-progress.md,供 Work 额度恢复后继续读取。不要编造文献、数据、变量或研究结论;不要假设你看到了记录之外的文件

等 Work 额度恢复,再同时提供 work-checkpoint.md 和 chat-progress.md,让它从保存的现场继续。

即使中间需要等待几个小时,研究目标、已完成内容和下一步动作都已经留在文件里,不会回到起点。

| 05 尾声

同一订阅里的 Chat 与 Work,像两条工作通道。

概念解释、摘要梳理、段落改写和临时比较交给 Chat;多份材料的连续阅读、证据整理和文件交付交给 Work。

这样分配,我们就能从有限的订阅量中,额外挤出不少额度。

下次提示额度不足,先看手里的任务有没有形成“问题卡”或“证据图谱”。

有了 question-card.md,可以把一个问题带进 Chat;有了 evidence-map.md,可以把论文阅读继续交给 Work,入口换了,研究也没有中断。

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/201083