如果 OP 认为此回复不相关，请告知我，以便我将其移走。
OpenAI 刚刚宣布了 ChatGPT 插件。
阅读文档时，我遇到了一个最广泛的示例
其中提到
这是 ChatGPT 的一个插件，可实现个人或组织文档的语义搜索和检索。它允许用户通过自然语言提问或表达需求，从他们的数据源（如文件、笔记或电子邮件）中获取最相关的文档片段。企业可以通过此插件使内部文档可供员工通过 ChatGPT 使用。
作为多个 Discourse 站点的常规用户，我希望能够直接向 ChatGPT 提出自然语言问题，然后它可以通过一个待创建的插件搜索我所有的 Discourse 站点并生成一个不错的回复。
这更像是一个想法，但值得一提。
编辑
另一个现有的 ChatGPT 插件。（供那些试图理解 插件 功能的人参考，我知道这对程序员来说是常识，但对非程序员来说就像说希腊语，所以希望这能让你更好地理解 
）
供参考
供参考
了解大型语言模型 (LLM) 及其集成方法并非易事。本网站以易于理解的格式将许多概念联系起来，虽然仍需要高技术水平的 LLM 相关知识，但它也为学习如何集成 LLM 提供了值得关注的模板。
LangChain 是一个用于开发由语言模型驱动的应用程序的框架。我们相信，最强大和差异化的应用程序不仅会通过 API 调用语言模型，而且还会：
- 了解数据：将语言模型连接到其他数据源
- 具有代理能力：允许语言模型与其环境进行交互
我最近在这个领域进行了大量实验：
该主题侧重于将 GPT-3 和 BlenderBot 等 AI 机器人集成到 Discourse 中，讨论技术设计、API 和软件。参与者探讨了潜在的用例，并解决了成本、道德和局限性方面的问题。他们对开发 GPT-3 集成插件以及与 Discourse 公司合作表示兴趣。AI 集成被优先考虑用于下一个发布周期，但挑战仍然存在，包括对持久内存的需求。该主题还涵盖了插件和技术（如 Wolfram 插件、WebGPU 和 LangChain）的最新进展，这些技术提供了计算数据、开发应用程序和创建自定义可视化的新方法。
上面 
是通过总结该主题的各个部分，然后对摘要进行总结而生成的。
这里的“下一个前沿”无疑是围绕将各种 GPT 工具与其他外部源（如 Discourse 数据库、搜索引擎、摘要引擎等）联系起来。
