我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
延續：
- AI說書 - 從0開始 - 475 | 為 ChatGPT 建立知識庫範本
- AI說書 - 從0開始 - 476 | 為 ChatGPT 建立知識庫的關鍵字
- AI說書 - 從0開始 - 477 | 為 ChatGPT 建立知識庫的 Prompt
- AI說書 - 從0開始 - 478 | 為 ChatGPT 建立知識庫之檢索函數
以下開始建立主程式：
responses = []
for i in range(n):
user_request_num = i
kb_record = parse_user(user_requests[user_request_num], kbkw, kbt)
iprompt = []
iprompt.append({"role": "system", "content": "You are an assistant for Snap-LM Consulting."})
iprompt.append(kb_record)
iprompt.append(user_requests[user_request_num])
response = dialog(iprompt)
ex = response.choices[0].message.content
rt = "Total Tokens:" + str(response.usage.total_tokens)
responses.append([user_requests[user_request_num], ex, rt])
pd.DataFrame(responses, columns = ['request', 'response', 'tokens'])
