Text completion，文本补全，是一种自然语言处理任务，目标就是在给定的一段文本中，基于概率预测下一段可能的文本。我们用的 GPT 模型很擅长做这种任务，比如生成内容，对话，分类，总结，转换等等。

通过 OpenAI 的 completions 接口可以使用 OpenAI 提供的模型做文本补全任务，用法就是给这个接口提供一段文本，也就是 prompt，接口会把这段文本交给指定的模型处理，模型会根据你给它提供的这段文本里的指令，上下文或者模式生成补全文本，接口会把这些文本交给我们。在 OpenAI 提供的 playground 里面，可以测试使用这种文本补全功能。

因为这些模型可以做很多事情，所以你想让它做你想让他做的事情，就必须要把 prompt 设计好，我们需要明确地描述清楚我们想要的结果，最好再给它展示一些高质量的示例数据，也就是即要告诉它你想要的，又可以向它展示一下你想要的。另外还要留意模型的设置，比如 temperature 还有 top_p 这两个设置都会影响模型生成的文本。

分类

下面我们在 playground 里面测试一下文本补全。假设我们要给一家餐厅开发一个应用，应用需要判断顾客留下的评论内容的情绪，比如是正面的，中立的，或者负面的。

这个 prompt 可以这样，判断评论内容的情绪为正面、中立或负面，在这个 prompt 里面再提供一个格式，比如内容冒号，然后是评论的内容，另起一行，再添加一个情绪，然后是冒号。

submit ，提交一下这个 prompt。模型把这条评论内容的情绪归类为“正面”。因为评论里说菜不错，味道很好，所以是一条正面的评论。

下面再输入一个内容，冒号，然后是评论的内容。再 submit 一下。模型把这条评论情绪规类为了“中立”，虽然评论说菜一般般，但是环境不错，所以这算一条中立的评论。

再试一下，输入一个内容，冒号，然后添加一条评论。点击 submit，这回模型把这条评论规为了“负面”，因为评论里说菜是凉的。

转换

再试一下模型的转换功能，写一段 prompt，“把 emoji 转换成文本”，emoji 冒号，后面是一个表情符号，然后另起一行，中文，冒号，点击 submit，模型返回的文本是中文 “开心”，再试一下，添加一个 emoji 冒号，一个表情符号，然后点击提交。这回模型补全的文本是中文：柠檬。

翻译

如果想把一段英文翻译成中文，可以这样，输入翻译冒号，然后是要翻译的英文文本，a novel neural network architecture for language understanding，点击提交，模型会返回这句话的中文翻译。

补全

再试一下文本补全，用这段翻译之后的中文作为 prompt ，后面加上一个逗号，然后点击 submit，模型会根据这行文本补上一段可能的文本。

因为请求接口的时候限制了最大长度，所以很可能没有补全完整的文本，可以多点几次提交，这样就会继续补全剩下的文本。

摘要

模型可以读懂文本内容，我们可以让模型用不同的方式表达这段文本，比如可以这样试一下，为5岁的小朋友解释上面这段话。再点一下提交。你会发现在模型返回的文本里面去掉了很多专有名词，重新总结出一段非常容易理解的话。