使用提示从模型完成
部署模型后，可以测试其完成提示的方式。 提示是发送到部署模型的完成终结点的请求的文本部分。 响应被称为完成，可以采用文本、代码的形式或其他形式。
提示类型
可以根据任务将提示分组为请求类型。
| 任务类型 | 提示示例 | 完成示例 |
|---|---|---|
| 对内容进行分类 | Tweet：我喜欢这次旅行。 情绪: |
正 |
| 生成新内容 | 列出旅行方式 | 1.骑行 2. 乘车 ... |
| 进行对话 | 友好的 AI 助手 | 请参见示例 |
| 转换（转换和符号转换） | 英语：你好 法语： |
bonjour |
| 汇总内容 | 提供内容总结 {text} |
机器学习的内容共享方法。 |
| 从离开的位置继续 | 种植西红柿的一种方法 | 就是播种种子。 |
| 提供事实答复 | 地球拥有多少颗卫星？ | 一种 |
完成质量
有几个因素会影响从生成式 AI 解决方案中获得的完成质量。
- 提示的工程处理方式。 单击此处详细了解提示工程。
- 模型参数（下文将介绍）
- 训练模型的数据，可以通过自定义模型微调进行调整
与通过提示工程和参数调整相比，你可以通过训练自定义模型更好地控制返回的完成。
发起呼叫
可以通过 REST API、Python、C# 或从 Studio 开始调用部署的模型。 如果部署的模型具有 GPT-3.5 或 GPT-4 模型库，请使用聊天完成文档，该文档具有与其他基础模型不同的请求终结点和变量。