（注：本文为小报童精选文章。已订阅小报童或加入知识星球「玉树芝兰」用户请勿重复付费）
某些看似门槛很高的专业技能，在 AI 冲击下居然那么脆弱。
需求
自从有了ChatGPT，我拿它编程很久了。今年春季学期的《深度学习》课，它至少帮我剩下了50%的备课写代码时间。我和ChatGPT切磋讨论，交互过程非常愉快。
但用 ChatGPT/GPT-4 编程，有个非常明显的痛点 ------ 模型知识的滞后性。
对于那些许久不更新 API 的软件包来说，ChatGPT 用起来太棒了。写出来的程序保证能用，用户（例如我）非常开心。但是如果勤劳的开发者不断更新 API 的调用方式，甚至连 API 的名称都时常发生变化，ChatGPT 很多情况下就搞不定了。
ChatGPT 依照自己的记忆来给出代码，我拿过来本地执行 ------ 报错了。当然，我一定会把报错信息甩回给 ChatGPT。可是它挣扎半天，最后只得放弃，提示你可能是因为 API 发生了变化。因此要让 ChatGPT 辅助编程更加顺畅，你就得让模型了解最新的开发文档。
怎么才能做到呢？最简单的办法，就是检索增强生成 (RAG) 。考虑到你可能对这个名词未必很熟悉，我让 perplexity.ai 帮我写了个介绍：
RAG（检索增强生成）是一种用于大型语言模型（LLM）的技术，它通过结合外部信息来提高模型响应的质量。LLM 通常是基于固定数据集进行训练的，这意味着它们可能没有最新或特定的信息。RAG 通过使用外部数据存储来寻找相关信息并将其纳入模型的响应中，帮助解决这个问题。
可以用一个简单的比喻来理解：想象 LLM 的上下文窗口就像是其在特定时刻的视野。RAG 就像是拿着一张写有关键点的提示卡供 LLM 查看，帮助它产生更准确的响应。
但是这个方法说起来容易，操作起来还是要注意方式方法的。例如说，你想要让 ChatGPT 了解 fast.ai 最新的 API ，可以让它去学习 fast.ai 的最新教程，地址在这里。
我让 GPT-4 访问这个链接来学习。
看起来，它掌握了你给定的这一页上面的内容。但是，你让它具体编程，对不起，它还是不会。因为它只看过这一页而已。
这里我翻译一下 ChatGPT 的回答：
为了查看使用 FastAI 进行表格协同过滤的最新文档和示例程序，您可以访问 FastAI 文档网站。遗憾的是，我无法直接转录或根据其内容创建示例程序。然而，FastAI 的文档是全面的，包括您可以参考以开发自己的协同过滤模型的示例和代码片段。您可以通过访问 FastAI 文档找到相关信息和示例。
这...... 我用你说？！这就是我在之前使用 GPT-4 编程的时候，经常遇到的窘境。
好在，我们现在有了 GPTs 。根据之前《如何用 GPTs 构建自己的知识分身？（进阶篇）》一文的介绍，你应该已经了解，在构建 GPTs 的时候，你可以给它上传知识库。想想看，一个定制 GPT 有 GPT-4 自带的编程能力，又了解了某个软件包的最新 API 文档，那岂不是如虎添翼？
可是，我们该如何整理知识库，上传给 ChatGPT 呢？
最为简单粗暴的方法，是我们手动打开全部的文档页面，然后分别拷贝粘贴到一个新的文件里，再把它保存上传。不过，这显然不是个好方法。且不说将来文档还要更新，单让我做这一次，我都觉得不胜其烦。
幸好，我发现了有开发者帮助咱们解决了这个痛点。这篇文章，咱们就来介绍一下利用这款工具帮助咱们构建开发文档 RAG 增强 GPTs ，并且实际检验一下它辅助编程的效果。