ChatGPT 實戰

打造你的專屬 AI 助理:自訂 GPT 從設計到分享

自訂 GPT 是把一組寫好的指令、你上傳的知識檔與選用的能力,包裝成一個有名字、可重複使用、可分享的專屬助理,全程不用寫程式。設計的核心是把指令寫成清楚的行為準則、用知識檔補上它原本不知道的內容,需要對接外部服務時再加上動作(Actions)。做得好,它就是把你的工作方法產品化。
打造你的專屬 AI 助理:自訂 GPT 從設計到分享:文章重點卡

打造你的專屬 AI 助理:自訂 GPT 從設計到分享

如果你發現自己老是在對 ChatGPT 重複貼同一段開場白:「你是某某角色、請用某某格式、注意某某規則⋯⋯」,那你已經站在自訂 GPT 的門口了。自訂 GPT(GPTs)做的事很單純:把這些你每次都要講一遍的東西,連同你的參考資料,打包成一個有名字的專屬助理,點開就能用,還能分享給別人。

我修 Vanderbilt 大學的 OpenAI GPTs 這門課之後,最大的觀念轉變是:做一個好用的 GPT,九成的功夫不在技術,在於你能不能把自己的工作方法講清楚。這篇照著「指令、知識檔、動作」三個核心零件,把設計的方法與地雷走一遍。

你將學到什麼

自訂 GPT 是什麼

指令加知識檔加能力,包成可分享的助理。

指令怎麼寫

行為準則、流程與拒答邊界是靈魂所在。

知識檔

用你的文件補上模型不知道的事。

動作與分享

串外部服務的方式,與上架前的檢查。

把「你的用法」變成「一個工具」

自訂 GPT 的組成可以拆成三個零件:指令(instructions)決定它是誰、怎麼做事;知識檔(knowledge)給它模型本身沒有的資料;能力與動作決定它除了對話還能做什麼,例如瀏覽網頁、產生圖片、執行程式,或呼叫外部服務。三者都設定完,你就得到一個可以命名、掛頭像、開連結分享的助理。

換個角度說:一般的對話是「每次現場教它一遍」,自訂 GPT 是「教一次,之後大家都能用」。它真正封裝的不是技術,是你的工作方法。這也是為什麼最好的 GPT 通常出自最懂該流程的人,而不是最會寫程式的人。

指令是靈魂:當成新人手冊來寫

指令欄位就是這個助理的長期人格與工作守則。我覺得最好的心智模型是「寫給新進同事的手冊」:他很聰明,但完全不了解你的情境,所以你要寫的是:

  • 身分與任務:你是什麼助理、服務誰、目標是什麼。
  • 工作流程:收到請求後先做什麼、再做什麼。需要先反問使用者的,寫明要問哪些問題。
  • 輸出格式與語氣:格式範例直接貼進去,比形容詞有效。
  • 邊界與拒答:哪些主題不回答、遇到超出範圍的請求怎麼回應。這一段最常被省略,也最常出事。
迭代出來的,不是一次寫成的編輯畫面旁邊就是預覽對話,善用它:寫一版指令、立刻實測、看到歪掉的行為就回頭補一條規則。好的指令幾乎都是這樣一輪一輪長出來的,跟提示工程的迭代心法一模一樣。

知識檔:補上它不知道的事

模型再厲害,也不知道你們公司的退貨流程、你課程的章節安排、你品牌的文案風格。知識檔就是補這個洞:上傳你的文件,GPT 回答時會先檢索這些檔案,優先根據裡面的內容作答。這讓回答從「模型的一般常識」變成「你的領域知識」,是自訂 GPT 價值最高的一個零件。

兩個實務建議。第一,檔案要整理過再上傳:標題清楚、段落分明的文件,檢索的命中率遠高於未整理的大雜燴;與其塞十份重複的舊檔,不如給一份乾淨的整併版。

第二,把知識檔當成「半公開」看待:使用者有機會透過提問把內容問出來,所以不能外流的東西從一開始就不要放

動作:讓它伸手碰外面的世界

前面的零件都還在「對話」的範圍裡,動作(Actions)則讓 GPT 能呼叫外部服務的 API:查即時資料、寫入行事曆、送單到你的系統。設定方式是提供一份 API 的規格描述(OpenAPI schema),讓 GPT 知道有哪些操作可用、參數怎麼帶,之後它會在對話中自行判斷何時呼叫。

這是三個零件裡唯一需要技術背景的一個,也是權限最大的一個。原則很簡單:從唯讀的查詢開始,謹慎開放會改動資料的操作,並且記得使用者的任何一句話都可能觸發動作,把「哪些操作需要先跟使用者確認」寫進指令裡。

分享之前:把它當產品驗收

自訂 GPT 可以只留給自己、用連結分享、或公開發佈。

一旦要給別人用,心態就要從「我的小工具」切換成「一個產品」:找幾個沒參與設計的人實測,觀察他們會怎麼問出你意料之外的問題;試著故意誘導它講出不該講的話,看指令的邊界擋不擋得住;再檢查一次知識檔的內容經不經得起被問出來。

我自己的起手式建議:先做一個解決你每週都會遇到的小麻煩的 GPT,例如固定格式的週報產生器、照你風格改稿的編輯。範圍小、驗收容易、天天用得到,你會在真實使用裡快速學會指令怎麼寫。

等這個小助理被你磨利了,再考慮把它分享出去,你的工作方法就正式變成了一個別人拿了就能用的工具。

本文源起本文取材自 Coursera 上的「OpenAI GPTs: Creating Your Own Custom AI Assistants」課程(Vanderbilt University),由酒Ann 修畢後以自己的視角重新編寫成中文。原版課程可在 Coursera 修習。

延伸學習

把這篇文章分享給需要的人FacebookLINEThreadsX

常見問答

自訂 GPT 跟直接開新對話差在哪?
差在「不用每次重講」。指令、語氣、格式、參考資料都預先封裝好,你和拿到連結的人點開就是同樣的行為。對重複性高的工作流程,等於把個人經驗變成一個隨開即用的工具。
做自訂 GPT 需要寫程式嗎?
基本款完全不用。指令用自然語言寫,知識檔用上傳的,能力用勾選的。只有要串接外部服務的動作(Actions)需要看得懂 API 描述格式,那已經是進階玩法,多數實用的 GPT 根本用不到。
知識檔放什麼內容最有效?
放模型原本不可能知道的東西:你的產品規格、內部流程、常見問答、風格範例。整理得越乾淨效果越好,結構清楚的文件比大雜燴可靠。也要記得,放進去的內容有被使用者問出來的可能,機密資料不要放。
分享出去前該檢查什麼?
至少做三件事:用陌生人的角度實測常見問題與惡意問題;確認知識檔裡沒有不能外流的內容;檢查指令有沒有寫明拒答邊界。公開分享等於發佈一個產品,測試的認真程度要跟著提高。