最近在和朋友做一件小事，讨论了几次最终将话题收敛到一个明确的方向。
- 如何问一个播客问题？
- 如何问一本书问题？
下面展开这 2 个问题，我们看到的实验尝试的故事。
▎如何问一个播客问题？
有个播客服务叫 snipd：Unlock the knowledge in podcasts。在它的头部播客中，绝大部分都是 knowledge 类的服务，其中 Huberman Lab 这个和生物黑客和科学健身养生有关的内容是最为畅销和有用的。本刊早期间推荐过几次如何科学睡眠、健身、提供注意力等。
我和朋友在听这个播客的过程中，萌发了如何为这样的播客服务构建一个 knowledge graph 的想法，同时最近 every.to 的作者写了一篇文章《I Built an AI Chatbot Based On My Favorite Podcast》。效果如下：
简单总结一下实现思路，前期的数据准备
- 向它提出任何问题，它会扫描 Huberman Lab 播客记录并使用 GPT-3 返回答案。
- 使用 Whisper 服务将Huberman Lab的语音文本化
- 将文本化的内容并打散形成段落，存储在 csv 文件中
- 将拆散的 csv 给 OpenAI 学习调用
当你向它提问的时候
- 在上面结构化的内容中搜索提问的内容以找到最相关的段落；
- 将所有相关段落粘贴到 prompt 中，然后要求 GPT-3 根据您找到的段落回答用户的问题；
这是一个非常神奇的事情，那么以后每个知识类的播客都可以构建这样的 chat bot，这将成为知识库的一个标准功能组件。这代替了以往 Search 类的需求，通过 Chat 提供一系列相关性很强的答案。
目前我们正在构建这样的数据库，会尝试按照上文作者的思路复刻一个 bot 出来。
▎如何问一本书问题？
在本刊的以往中，曾经有过一个小活动叫《读书算命》，其形式是问你一个问题，即你最近读过的最让你感动、记忆深刻、读完之后感叹想早点读到的书是什么？提问你这个问题，然后会给你一个书单，神棍一样的给一些类似性格模型的文字描述。
其实这个选书背后的逻辑，让 GPT - 3 去试试可能有更好的答案。
选书背后的逻辑
寻找一本书的同类（质量非主题）书？ → 10 本书
豆瓣书的详情页面
- 1.作者的其他书籍（评价排序） → 1本书
- 2.译者的其他书籍（评价排序） → 1本书
- 3.豆瓣的推荐算法推荐的8本书 → 64 本书 → 16 本书 → 2本书
- 4.读过的 → 写下短评（有用排序）人 → 读过的书 （评价排序，带有笔记，取第一页1本）→ 20本书 → 4本书
- 5.书单（关注数排序、书单书籍排序） → 剔除大众书单 → 10个书单 → 10本书 → 2本书
其中最有用的是 4 ；如果将 4 中的文本给 GPT-3 的 prompt 中，然后要求 GPT-3 根据您找到的书评给出答案，可能是一个有意思的尝试。
说岔了，继续回到主题，《I Built an AI Chatbot Based On My Favorite Podcast》 的作者是受 gumroad 老板的项目 Ask My Book 项目的启发。 using AI to make my book's content more accessible. Ask a question and AI'll answer it in real-time。
这是 2 个很有意思的问题，利用 GPT-3 的能力做一些意想不到的效果。
Yiqin Fu 本周在其周刊中介绍一些 AI项目中也提到非线性读书这个话题说到：「我理想中的产品，是一个图书搜索、总结引擎。用户提问，引擎指向可能的章节、段落（最小化假阴性），并总结内容。如果真能这样看书，研究人员“看十本书找到一句相关内容”的情况就不会发生了，小说家让读者非线性阅读的梦想也实现了。」 这就是最近读到的东西和思考的问题，让沉默多病的这个冬天多一点机会研究这些忘记时间。
推荐阅读：