就 3.5-turbo 的效果来说，我觉得它更适合的用法是 Prompt 中给出一些信息，然后让 LLM 基于这些信息构造或转换成另一种形式的信息（中间可能涉及一定的推理）。
比如自然语言写代码就是一类，还有一个我在探索的做法是把自然语言的 etymology 描述转换成结构化的描述：
https://gist.github.com/secondwtq/d00ea3a0d88c6098a57b0dba04054466 注意这里面的 etymology 数据是我自己事先从 wiktionary 里面抄下来给它的，你直接问它 etymology 它也知道，但是结果就不那么可靠。Changelog 推过一篇文章把 LLM 比作“calculator for words”我觉得很形象：
simonwillison.net/2023/Apr/2/calculator-for-words Think of language models like ChatGPT as a “calculator for words”
当作“搜索引擎”就不太好，反而应该尽量限制它使用 Prompt 之外的信息（当然你可能很享受自己 fact check 这个学习的过程）。主要是 hallucination 太严重了，让它原文引用点东西都是很难的事情，比如这是我拿它搜陆游的诗的结果：
> 《秋夜将晓出篱门迎凉有感》：“三万里河东入海，五千仞岳上摩天。遗民泪尽胡尘里，南望王师又一年。已是悬崖百丈冰，犹有花枝俏冒春。梦得楼台声啾啾，昨夜风雨过后天。”
>《钗头凤·世情薄》世情薄，人情恶，雨送黄昏花易落。晓风干，泪痕残，欲笺心事，独语斜阑。难，难，难！人成各，今非昨，病魂常似秋千索。角声寒，夜阑珊，怕人寻问，咽泪装欢。瞒，瞒，瞒！
> 《卜算子·咏梅》：“风雨送春归，飞雪迎春到。已是悬崖百丈冰，犹有花枝俏。”
鉴定为不如百度。