GPT for Sheets（二）：GPT 函式和基本功能
2023/03/12閱讀時間約 10 分鐘
打鐵趁熱，馬上來接著介紹 GPT for Sheets 外掛程式提供的函式裡最基本的 GPT 函式吧。在上次的文章，我們稍稍用它跟大家打了聲招呼：
就會得到這個結果：
這個函式就和我們上 ChatGPT 問問題、下指令差不多，但幸虧有外掛程式的幫助，我們還可以在 GPT 函式裡做更多調整，像是切換語言模型、輸出結果的溫度、最大令牌數等等。一起來看看怎麼做吧！
如果你好奇要怎麼把 GPT 串連到 Google 試算表的話，歡迎回顧一下安裝的步驟，再過來這邊繼續研究唷！（延伸閱讀：GPT for Sheets（一）：GPT 串連 Google 試算表）
💡 請先準備好已經串連完畢的 Google 帳號、還有一個試算表來練習喔！
語法說明
=GPT(指令, [值], [溫度], [最大令牌數], [自然語言模型])
- 指令：你要請 GPT 函式做的事情。你可以直接寫文字在括號裡面，記得在前後用雙引號（"）括起來。
- 值：選填，目前似乎還用不到，可以跳過。
在這個外掛程式裡，這個函式（還有日後要介紹的函式）有「溫度」、「最大令牌數」、「自然語言模型」這三個參數，可以進一步調整函式的生成結果。因為是選填的，不寫後面這些參數也沒關係，GPT 函式就會以預設值來處理。
我們一個個拆開來看：
溫度（temperature）
函式的預設值是 0，也就是 GPT 會嚴格按照你下的指令給出回覆。
在 GPT 中，我們用「溫度」這個詞指控制輸出的隨機性和創造性的參數。你可以輸入 0 到 1 之間的數字，0.2、0.5、0.8 或是 1 等等的都可以。要注意的是：
- 數字越高、輸出結果會越有創意、越有隨機感
- 數字越低，輸出結果會越保守、越直接、越能預測到輸出的結果
如果你要做的是提取資料、轉換格式、修正語法這類要求精準度的任務，建議可以把它調低一點（0 到 0.3）；如果希望 GPT 做一些比較有創意的事（像是行銷標語、廣告文案），建議可以調高一點（0.7 到 1）。你當然也可以自己試著調高或調低，看看你喜歡什麼樣的結果。
最大令牌數（max tokens）
會依你等等選擇的模型，預設值會不太一樣：
- 如果你用的是 gpt-3.5-turbo，預設值是 4096 個令牌（tokens）。
- 如果你用的是其他的，預設值是 500 個令牌。
你可以填入大於 0 的整數，建議是小於或等於 500，不然有可能會有處理超時的狀況。
簡單來說，令牌是 GPT 語言模型計算文本長度的單位，1000 個令牌大概是 750 個英文單詞、450 個漢字。OpenAI 會按照你使用的令牌數量來收費，使用的越多、花費就會越高，反之亦然。
使用不同的語言模型也會有不同的費用，例如：
- Davinci：每使用 1000 個令牌，就收 0.02 塊美金。
- Curie：每使用 1000 個令牌，就收 0.002 塊美金（Davinci 的十分之一）。
- Babbage：每使用 1000 個令牌，就收 0.0005 塊美金（Curie 的四分之一）。
- Ada：每使用 1000 個令牌，就收 0.0004 塊美金。
你可以到 OpenAI 的官方工具，計算文本總共佔了多少個令牌。通常漢字和其他 Unicode 字符會被算比較多的令牌，而英數字會比較少。
自然語言模型
💡 因應最近的更新，這部分也在 2023/03/26 也跟著更新囉！
預設是 gpt-3.5-turbo，你也可以選擇其他的模型來節省成本、或是加快運算時間。輸入的時候要加上雙引號，像是這樣：
"gpt-3.5-turbo""gpt-4""gpt-4-32k""text-davinci-003"
"text-curie-001"
"text-ada-001"
在 2023 年 3 月左右 OpenAI 釋出了兩個新的語言模型，一個是 gpt-3.5-turbo，還有 gpt-4（跟支援更大文本輸入的 gpt-4-32k）。
gpt-3.5-turbo 模型是目前 ChatGPT 背後的語言模型，經過 OpenAI 調整後成本大幅降低，是 Davinci-003 的十分之一。而 gpt-4 則是比 GPT 3.5 更強大的模型，還可以做更複雜的工作，不過相對地成本也會變高、速度生成也還是最慢的。
統整了網路上各類資訊，我把各個模型的能力、成本和產生結果的速度統整成一張簡單的表格：
雖然 Davinci 能力最好，但 Curie 的速度和成本也不差。其實 Curie 有時就能做很多 Davinci 能做的事，且速度更快，成本卻只有 Davinci 的十分之一。
稍稍比較這四個模型的功能，你會發現：
- Davinci：最強大的模型，可用在複雜的文本解析、推敲因果關係、總結文章、產生有創意內容等工作。
- Curie：在運算能力與速度之間取平衡的模型。能力比 Davinci 差一些，但也可以處理翻譯、複雜的分類任務、情感分析、聊天機器人問答、得出文章的摘要等工作。
- Babbage：能力比較差（次於 Curie），但速度很快。可以做分類工作、搜尋文本的語意等工作。
- Ada：最快且成本最低的模型，適合做簡單的任務，像是解析文本、重新格式化文本、挑出關鍵字、對文本內容簡單分類等等。
我會覺得一開始試用的時候，可以先用 Davinci，先了解最好的結果會是什麼樣子；之後可以嘗試其他模型，看看能不能用更快的速度、更低的成本達到你滿意的效果。如果你想了解更多模型的相關資訊，可以到 OpenAI 的說明文件瞧瞧！
使用範例
📣 小提醒
截稿為止（2023/02/27），個人覺得中文結果的表現有點不太理想，
有點像是先產生英文結果後，再翻譯成中文，所以可能有翻譯腔、或語法不順的問題；
相較之下感覺英文的書寫表現會好一些，語氣比較自然流暢。
我會在下面示範中文跟英文的執行狀況給你參考看看。
產生一句簡單的宣傳標語
你可以直接在 GPT 函式的括號裡面，直接輸入你的指令（記得前後附上雙引號）：
=GPT("用中文產生一個宣傳標語，宣傳「Google 試算表教學站」的部落格")得到的結果是：
「讓Google試算表教學站帶你輕鬆掌握試算表技巧！」
或是做英文的指令、加上最高的溫度（1）：
=GPT("Write a tagline for a tutorial blog for Google Sheets beginners",, 1)得到的結果是：
Get your Sheets together with Google: learn the basics in no time.
當然直接給個儲存格的參照位址也可以，例如說：
=GPT(A1)
=GPT(B30)
=GPT(A1,, 0.8)
按照儲存格資料產生指令
你也可以給 GPT 一個範圍，讓它讀取範圍內的資料。舉例來說：
我們可以讓 GPT 函式讀取工作表裡 A2 到 B5 裡面的資料，裡面有指令、主題、語氣、長度這些屬性，你當然也可以定義自己需要的。
我這邊寫的語法是：
=GPT(A2:B5,, 0.8)
意思是先指定範圍（A2 到 B5）後，溫度再調偏高的 0.8，得到的結果就會是：
發現自己更大的可能，Google 試算表部落格！
同樣的範圍，這次換個英文的範例給大家看看：
得到的結果：
Better spreadsheets, better life! Learn the secrets of Google Sheets with our tutorials.
你當然還可以調整最大令牌數：
=GPT(A2:B5,, 0.8, 100)
或是切換不同的語言模型：
=GPT(A2:B5,, 0.8,, "text-curie-001")
大概是這樣子！
歡迎你試試看不同的指令、不同的參數，看看 GPT 會給你什麼樣的結果唷。
小技巧：好指令該怎麼寫？
如果你不太滿意函式回傳的結果，除了調整參數之外，也可以試著寫更好的指令，讓 GPT 更明確知道你想要的是什麼。有幾個方向給你參考：
一、指令至少含有一個動詞跟名詞、指定輸出結果的體裁也很好
舉例來說：
- 寫一封 E-mail
- 想一個 YouTube 影片的標題
- 寫一個文章的摘要
結果的體裁也可以指定，像是求職信、產品介紹文、演講稿、廣告文等等的，如果可以明確地跟 GPT 說你要什麼樣的體裁，我想它的結果也會更接近你想要的。
二、指定的主題要具體
可以試著盡可能告訴 GPT 你的結果該跟什麼主題有關，像是：
- 推銷洗髮精產品
- Google 試算表教學部落格
- 傳統手路菜
三、指定寫作風格、語氣：你可以給 GPT 一些形容詞，形容你想要的風格或語氣，像是有趣、活潑、正式、生活化、嚴肅、生氣、愉悅、難過等等的。
四、指定你的受眾：你甚至還可以指定你要寫給誰看，GPT 會試著依照你指定的受眾，選擇適當的詞彙和語法組成文章。你可以指定像是小學生、喜歡美食的中年女性、剛接觸 Google 試算表的新手等等的關鍵字。
五、指定文章的長度：例如字數要在 250 個字裡面、寫 3 個段落等等，都可以指定。
最後你可以按照剛剛介紹的「按照儲存格資料產生指令」，把這些資訊都放在一起，再一次把範圍指定起來。像是這樣：
如果你喜歡這次的文章，歡迎你透過這些方法支持我：
・按下愛心、按下儲存
・留言告訴我你的想法
・加入喜特先生的官方沙龍，即時看到我發布的教學
・付費訂閱喜特先生的官方沙龍，加入每月小額訂閱方案
・追蹤喜特先生的 Facebook
・按這邊小額贊助我的創作！
想要看更多文章，歡迎來到我的 Notion 頁面找找有沒有你需要的資源喔！
我是喜特先生，Mr. Sheet，我們下個教學見！
留言0
查看全部
