Lav din egen Tone of Voice i OpenAI 📣

I denne episode dykker jeg ned i, hvordan man kan skabe sin egen tone of voice ved hjælp af OpenAI. Jeg præsenterer en metode til fine-tuning af modeller, der gør det muligt at generere indhold, der er skræddersyet til ens personlige stil. Jeg forklarer processen med at scrape indhold fra LinkedIn, reverse engineer det til JSONL-format og derefter oprette en fine-tuned model i OpenAI. Undervejs deler jeg også nogle af de udfordringer, der kan opstå, og hvordan man kan integrere den fine-tunede model i automatiseringsværktøjer. Jeg runder episoden af med refleksioner over, hvor effektiv metoden er, og en opfordring til dig som lytter om at engagere dig.

Sign op til Manus 👉 https://manus.im/

Prompt 👇

Scrape de sidste 10 opslag på linkedin fra disse 3 profiler, så 30 stk i alt.

https://www.linkedin.com/in/PROFIL1/recent-activity/all/

https://www.linkedin.com/in/PROFIL2/recent-activity/all/

https://www.linkedin.com/in/PROFIL3/recent-activity/all/

Når du har scrapet alle 30, så skal du 'reverse engineer' alle 30 post med "hvis jeg skulle skrive en prompt til en AI for at lave dette indlæg til et SoMe post, hvordan vil den prompt så se ud"

Når du har lavet dette, sæt det op en struktureret orden med prompt først og indlæg bagefter og lav det om til en JSONL format som jeg kan indsætte OpenAI's playground for at fine tune en OpenAI model

___________

Takeaways

📣 Lars introducerer emnet for episoden: tone of voice via OpenAI.

📣 Metoden til fine-tuning er inspireret af Simon Højberg.

📣 Det er vigtigt at forstå forskellen mellem fine-tuning og Custom GPT.

📣 Scraping af LinkedIn-indhold er en central del af metoden.

📣 JSONL-format er nødvendigt for at oprette fine-tuned modeller.

📣 Der er en downside ved fine-tuned modeller: de er ikke tilgængelige i ChatGPT.

📣 Crap in, Crap out er en vigtig overvejelse i AI.

📣 Automatiseringsværktøjer som N8N er nødvendige for at bruge fine-tuned modeller.

📣 Lars deler sin erfaring med at generere indhold uden at rette det.

📣 Episoden opfordrer lytterne til at eksperimentere med fine-tuning.

Kapitler

00:00 Introduktion til Tone of Voice via OpenAI

02:50 Metoden til Fine-Tuning af Tone of Voice

05:55 Scraping og Reverse Engineering af Indhold

08:47 Oprettelse af Fine-Tuned Model i OpenAI

12:06 Brug af Fine-Tuned Model i Automatisering

14:47 Afslutning og Refleksioner