一个回答背后的四个部分
一个聊天机器人，是一个模型，加上包裹在它周围的三样东西：一段隐藏指令、目前为止的对话记忆，以及一个过滤器。人们把来自另外三个部分的行为，归功或归咎于模型，这就是为什么用同一个模型的两个产品，感觉却毫不相干。
模型，是每个人都会提到的那个部分，也是你最难改变的那个部分。另外三个，是产品决策，它们在不同服务之间各不相同，也解释了人们注意到的大部分东西。
模型提供语言
它把一串文字，转化成一个大概率的续写。它在请求之间没有记忆，对你也没有任何概念。一切感觉像是连续性的东西，都是由下面这些部分围绕着它添加上去的，而模型本身，在每一次请求中都是一样的。
隐藏指令设定了方式
一段文字，被放在你第一条消息之前：这个助手是谁，该有多谨慎，回答该有多长。你从未见过它，它却适用于每一次请求。当同一个模型上的两个服务感觉不一样时，这段文字，是最有可能的原因。
对话记忆提供了连续性
更早的消息，会随着每一个新请求被重新发送一遍，因为模型无法记住它们。能容纳的量有一个上限，当对话超过这个上限时，最早的部分就会被丢弃。这个助手，随后会像从没读过开头一样回答，这读起来像是粗心，实际上是一个上限。
过滤器决定了什么能留下来
一个分类器，能在模型看到你的问题之前，对它采取行动，也能在你看到回答之前，对回答采取行动。这个部分，独立于模型，能在一个宽松的模型上很严格，也能在一个谨慎的模型上不存在。这两层，是独立设置的，从一个去假设另一个，正是大多数产品对比出错的地方。
粘贴问题之前
哪个部分在不同产品之间变化最大？
隐藏指令和过滤器。这两个，改动起来都很廉价，也都不会被公开，所以它们造成了人们感受到的大部分差异。
我能看到隐藏指令吗？
几乎不能。你能测量它的效果：要求一个一句话的回答，看看这个长度指令是否会胜过你的要求。
一个更大的模型，能修复一个糟糕的回答吗？
只有当这个回答，是被知识所限制时才行。当它是被指令或过滤器所限制时，一个更大的模型，只会产出语法更好、但形状相同的回答。
问一个问题，试着判断这四个部分里，是哪一个塑造了这个回答。
打开无审查聊天机器人