#ChatGPT 昨天花了半天重温了李光耀先生的书：李光耀观天下，本来想自己写个读书小结，但这事 chatGPT 显然也可以做。于是用 gpt-index 这个库试了下，效果奇好。我导入的是英文版的 epub，然后用中文要求 chatGPT 总结或回答我的问题。由于我已经读了两遍了，不得不说，这个总结很到位。未来已来

#chatGPT 把我博客的一篇中文文章（bmpi.dev/dev/renaissanc…）投喂了给它，问了几个问题，总结的都很到位，就感觉很聪明

不知道这个和 bingAI 相比哪个更聪明？我一直在 bingAI 的等待列表里，如果哪位大佬有 bingAI 可以对比下这两个结果的差异，不知道哪个更好一些？

#ChatGPT 导入五百多页的英文 PDF，最终抽取出 34 万的 Token，读 PDF 也毫无障碍。看起来作为一个读书智能助理已经没什么大问题了

#ChatGPT 把整部西游记导入，最终产生了 178 万个 Token

整体感觉对中文的支持没有英文那么好，只能回答一些简单的问题。稍微复杂的比如孙悟空哭了几次？红孩儿的父亲是谁？这类问题就回答不出来，如果让它自由发挥，就开始胡言乱语了

但中英文随意切换是很容易的，这点并不受语料和问题语言的限制

#ChatGPT 经过这么一番测试后我花了多少钱？gpt-index 这个库在上面的例子里我都用了两个模型：text-embedding-ada-002-v2 和 gpt-3.5-turbo-0301，前者一百万个 Token 是 0.4 刀，后者百万 Token 是 2 刀。所以今天我一共花了 2.5 刀。这成本不算低，适合做个人私有部署的小工具。

#ChatGPT 接上。可使用 gpt-index 将 text-embedding-ada-002-v2 生成的数据保存到本地，这样后续的费用就只有 gpt-3.5-turbo-0301 了，哪怕像西游记这种大部头，embedding 的费用也只有 0.4 刀，之后与 chatGPT 的交互传输的是向量化后的数字。但从账单看，也包含了输入的 Token，而且 prompt 也不小

#ChatGPT Newsletter 这些文章可以通过一个 proxy 把文章的核心内容用让 chatGPT 以中文的语言来总结下，这样读的效果应该能大幅度提升。有时间我得整一个工具出来试试。

#ChatGPT 虽然 gpt_index 可以导入 GitHub Repo，但千万不要随意尝试，刚才导入了 gpt_index 的代码库，五百多万个 Token，光 embedding 模型的费用就 2 刀了（存储到磁盘后就无需再次调用此模型了），生成了 124MB 的 index json 文件

看起来这又是一个有趣的阅读开源代码的方式了，就是太烧钱了。

#ChatGPT 经过一番测试，发现用 gpt_index 读开源项目代码非常合适，适合探索类的代码阅读。如果你对一个开源项目的代码结构感觉无从下手，那与 chatGPT 一块阅读可能是非常快速的一种方式！唯一需要考虑的是代码规模，如果代码量非常多，那可能首次的 embedding 的费用要贵一些，可能需要几美元。