ChatGPT作为一个web应用，自22年12月发布，仅仅不到3个月的时间，月活用户就累积到1亿。在此之前，最快记录的保持者也需要9个月才达到月活1亿。

https://chat.openai.com 因为各种政策&倾向性问题，ChatGPT目前在中国无法访问。而它又是如此火爆，所以就有大量用户通过代理、爬虫等形式来体验ChatGPT。

CloudFlare目前全球最大CDN服务商，占比16%；而OpenAI的流量在CloudFlare中占比已经占据前二。

SSE对比常见Websocket如下：

这就是ChatGPT在输出文字时是逐字输出的原因，这种形式最符合LLM运行的底层原理，在用户体验上也能让用户更快看到第一个字，体验上接近聊天而不是阅读。它是故意的。这里我们得到第一个结论：

ChatGPT（模型 / Fn）的运行原理是每次输入文本（包含上次返回的内容），预测输出后续1个字词。

举个【原创】前端技术十年回顾 文章中的例子：

总的来说可以分为：

对于前端开发同学来说，最关注它的代码能力。正好在一个小程序转taro重构的项目中体验了ChatGPT的能力：

其实在20年GPT3出来之后，机器学习的大部分头部都意识到了这条路线的可行性，积极地在跟进了：

这里专门讲下百度，据公开可靠的文档，百度早在2019年就推出了Ernie（对标谷歌Bard，Ernie和bard在动画Muppet中是1对兄弟），确实是国内最早接入LLM的玩家。百度走的和谷歌一样，是BERT的完形填空的路线，因为在2018~2019年的时间点，GPT一代刚刚问世，第一代的GPT对比各方面都不如BERT，再加上百度和谷歌一样在搜索引擎方面沉淀较多，因此选择的路线是BERT。

近期羊驼系列和国内大语言模型也在大爆发：

类似Auto-GPT，langchain等，通过约定特性的模板，可以让ChatGPT返回执行特定命令的文本，例如和ChatGPT约定如果要搜索的时候，返回[search: 搜索内容]，然后在客户端通过正则匹配 /[search:(.*?)]/，拿到对应的内容执行搜索，再将结果返回给ChatGPT整理最终答案。

虚拟一个例子：

1. user: 深圳明天的天气怎么样？2. chatgpt（触发知识限制2021年，返回约定的搜索格式）：[search:2023年4月27日的深圳天气]3. user接收到正则匹配触发搜索，打开无头浏览器搜索百度并取第1条结果：2023年4月27日星期四深圳天气:多云,北风,风向角度:0°风力1-2级,风速:3km/h,全天气温22℃~27℃,气压值:1006,降雨量:0.0mm,相对湿度:84%,能见度:25km,紫外线指数:4, 日照...4. user（将搜索的内容连带问题第二次发给ChatGPT）: 深圳明天的天气怎么样？可参考的数据：2023年4月27日星期四深圳天气:多云,北风,风向角度:0°风力1-2级,风速:3km/h,全天气温22℃~27℃,气压值:1006,降雨量:0.0mm,相对湿度:84%,能见度:25km,紫外线指数:4, 日照...5. chatgpt（根据问题和上下文，输出人类语言的表达）: 深圳明天的天气还可以，整体多云为主，气温22℃~27℃多模态

4月份发布的GPT4已经具备图像识别的能力，下面的Case是主持人用一致设计稿草图生成前端页面的过程。经典“前端已死”时刻：

虽然我们看到ChatGPT的技术强大，但是也要审慎看待它的局限，它本质上是个基于历史数据的经验主义的模仿人类的文字输出函数。

例如，ChatGPT完全做不了4位数的乘法运算，它大概率会根据6乘和7等于这2块关键信息，得到答案是以2结尾，根据4和乘以3这2块关键信息，得到答案是以1开头，而中间的随机性完全收敛不到正确的答案，不管是ChatGPT和GPT4都是一样的情况：

再比如问它特别小众、普通人也容易错的专业领域知识，它也会根据大部分普通人的错误答案输出错误答案：

比如在V8 Promise源码全面解读，其实你对Promise一无所知文章中一个很奇葩的题目，下面的代码会打印什么？

Promise.resolve().then(() => { console.log(0); return Promise.resolve(4)}).then(res => { console.log(res);})Promise.resolve().then(() => { console.log(1);}).then(() => { console.log(2);}).then(() => { console.log(3);}).then(() => { console.log(5);}).then(() => { console.log(6);})

大部分人都会回答：0、1、4、2、3、5、6GPT3.5的回答：0、1、4、2、3、5、6GPT4的回答：0、1、2、3、4、5、6

只有GPT-4的回答正确，但是即使它的回答正确，它的具体分析也是错误，因为它可能在某个场景学习过类似答案，但是它并不“理解”，后面的分析内容也是大部分人容易错的分析

最后用流浪地球2中周喆直的台词做个结尾。

对于AI的到来，我们战略上不要高估它，AI本身有它的局限性，保持乐观，前端没那么容易死；战术重视和关注它的发展，尝试在我们的工作生活中应用，技术变革的浪潮不会随个人的意志变化。

通宵赶稿，码字不易，看到这里同学帮忙点个赞吧 Thanks♪(･ω･)ﾉ

作者：京东零售 陈隆德

内容来源：京东云开发者社区

花粉社群VIP加油站