为什么对于有的人来说 ChatGPT 并没有什么卵用？
原文中文，约2400字，阅读约需6分钟。
📝
内容提要
2024年6月2日，医生分享了使用ChatGPT-4o的经历，发现模型在处理医疗报告时存在问题：上下文窗口长度有限，输入过长影响生成效果；纯文本难以表达和解析结构化数据；模型推理能力较弱，需要提示工程。建议转换报告格式为LLM友好，预先分类内容，减小上下文窗口，二次处理模型结果。充分利用ChatGPT优势，转化高频使用场景为自动化工作流程。
🎯
关键要点
-
医生分享了使用ChatGPT-4o的经历，发现模型在处理医疗报告时存在问题。
-
上下文窗口长度有限，输入过长影响生成效果。
-
纯文本难以表达和解析结构化数据，导致信息丢失。
-
模型推理能力较弱，需要提示工程来改善结果。
-
建议将报告格式转换为LLM友好格式，使用Markdown、JSON等结构化数据格式。
-
预先分类内容以减少上下文窗口大小，提高提取效率。
-
对LLM返回的结果进行二次处理，以便更好地排序和解析数据。
-
充分利用LLM的优势，将高频使用场景转化为自动化工作流程。
❓
延伸问答
ChatGPT在处理医疗报告时存在哪些问题？
ChatGPT在处理医疗报告时存在上下文窗口长度有限、纯文本难以解析结构化数据和推理能力较弱的问题。
如何改善ChatGPT在医疗报告中的应用效果？
可以将报告格式转换为LLM友好的格式，预先分类内容以减少上下文窗口，并对模型返回的结果进行二次处理。
什么是提示工程，如何帮助ChatGPT处理复杂任务？
提示工程是通过在Prompt中将复杂任务拆分成简单步骤来引导模型，从而提高生成结果的准确性。
为什么上下文窗口长度会影响ChatGPT的生成效果？
上下文窗口长度限制了输入和输出的总字数，过长的输入会导致生成质量下降和成本上升。
ChatGPT对不同数据格式的支持情况如何？
ChatGPT对Markdown格式支持较好，对JSON支持更佳，而对XML的支持相对较弱。
如何将高频使用场景转化为自动化工作流程？
可以通过将LLM的文本处理能力与医疗IT系统结合，输出LLM友好的报告格式，并进行内容分类和二次处理。
🏷️
