随着人工智能技术的迅猛发展，自然语言处理技术也日趋遭到广泛关注。目前，各种自然语言处理技术正被广泛利用于语音辨认、机器翻译、自动问答等领域，并且有望在未来实现更广泛的利用。

而在自然语言处理技术中，基于深度学习算法的“生成式对话模型”又是一个热门话题。其中，GPT（Generative Pre-trained Transformer）模型被广泛认为是最优秀的生成式对话模型之一。GPT模型的本质是一种基于预训练的Transformer模型，它通过预测文本中下一个词的方式进行无监督学习，并在预训练后，可以进一步进行微调以适应特定的任务。

目前，市面上已有很多针对GPT模型的开源实现，例如Hugging Face的Transformers库等。如果你想要训练自己的GPT模型，并在其中添加自己的知识库，那末也是完全可行的。

你需要准备一些训练数据。你可以从公然数据集中获得大量的文本数据，如维基百科词条、新闻报导、小说和论文等。固然，如果你想要训练一个特定领域的对话模型，那末你需要准备相应领域的语料库。

接下来，你需要利用开源的GPT实现，如Transformers库，进行模型训练。你可以根据需要对模型的结构、超参数、文本长度等进行配置，以到达更好的效果。不过对新手来讲，直接使用默许配置也是完全可行的。

在模型训练完成后，你可使用自己编写的代码或开源代码对模型进行微调，以适应特定的任务，例如问答、闲谈等。此时，你也能够添加自己的知识库或规则，以增强模型的解决问题的能力。

你可以将自己训练的GPT模型部署到云端或本地，以供他人使用。固然，在将模型部署到生产环境前，你需要进行模型测试和优化，以保证模型的稳定性和精度。

训练自己的GPT模型需要对深度学习算法和自然语言处理技术有一定的了解。不过，如果你具有这些背景知识，那末训练自己的GPT模型绝对是一项有趣而有挑战性的任务。