第 3 章 产品形态与功能选择

学习目标

• 用比喻说明聊天、项目（知识空间）、自定义助手、连接器、智能体功能、深度研究、定时任务、API的区别。
• 根据持续时间、共享范围、外部资料、是否执行行动，以及是否需要嵌入产品，选择适合任务的形态。
• 区分当前对话、已保存指令、记忆功能和项目指令各自的适用范围。
• 说明连接器遵循用户权限、读取与写入权限不同，以及智能体为何需要批准节点。
• 产品名称变化后，仍能按形态性质判断，用实际工作而非功能表作比较。

引言

会计师事务所的南主任在观察员工如何使用AI时，发现了一件奇怪的事。一名员工每天早上都会把同一份业务规则文档粘贴到新的对话中；另一名员工每周都要下载客户发来的资料，再重新上传给AI；还有一名员工亲自逐一浏览十个网站来收集信息，却只让AI总结收集到的结果。这三名员工都在用同一个聊天界面处理所有工作。

这三名员工所做的工作，形态各不相同。第一项工作是遵循相同的规则反复进行，第二项工作需要获取外部系统中的最新资料，第三项工作则需要在多个步骤之间往返，并执行行动。AI产品中，分别有适合这些工作形态的不同形式。如果选择的形态不对，就可能每天都在重复同样的事情、得到依据过时资料作出的回答，或者用上超出实际需要的繁重工具。

本章从选择形态的标准开始，依次介绍聊天、记忆功能、项目、自定义助手、连接器、智能体功能、深度研究、定时任务和API。深入阅读讨论如何区分固定流程与开放问题，以及让AI依据公司文档回答是否需要重新训练模型。本章对应AI运用能力中的委派（Delegation）。

核心概念

选择形态的五个问题

AI产品的名称虽然经常改变，但其形态可以归纳为几种。选择适合工作的形态时，应提出以下五个问题。

1. 这项工作会持续多久？ 一次结束，还是几周内反复使用相同资料和规则？
2. 与谁共同使用？ 个人、团队，还是整个组织？
3. 需要外部资料吗？ 是否要访问内部云盘、邮件、即时通信中的最新资料，或广泛调研网络？
4. 是否要执行行动？ 只需答案，还是需要浏览网页、填写表单、发送邮件？是否需要在无人值守时定时运行？
5. 需要嵌入自己的产品或系统吗？ 人在界面上使用就够，还是程序要自动大批量调用？

这张表格只是选择的起点，各种形态之间并不相互排斥。如果一项工作同时涉及好几个问题，就可以组合使用不同的形态。例如，撰写提案时，可以将写作规则放在项目里，通过连接器查找客户公司的最新资料，并用定时任务接收每周的进展摘要。组合使用时，应当在每一个实际发生行动的环节设置批准和审核。

聊天：一次电话咨询

聊天是向AI提出问题并获得回答的最基本形态。它就像打一次电话咨询，适合当场开始、当场就能结束的工作。构思点子、撰写简短草稿、润色句子和一次性的提问，都是典型例子。多数聊天产品允许用户在对话中调用文件附件、网页搜索和图片理解等工具。

聊天的局限在于，上下文基本上只停留在当前这一段对话中。记忆功能有时能把部分内容延续到下一段对话，但并不能保证重要的规则和资料都会自动延续。如果一项工作每次都需要相同的规则和资料，却只用聊天来完成，就得每次重新粘贴。而且，不同的人粘贴的内容可能不同，得到的结果也就会参差不齐。

针对不希望保留历史记录的对话，许多产品提供了临时聊天功能。OpenAI说明，临时聊天不出现在对话历史中，不创建或修改记忆，也不用于改进模型，但可能为安全目的保留最多30天。若保存临时聊天，它会转为普通对话，遵循账户设置。

当前对话、已保存指令、记忆功能与项目指令

“上次说过，它应该知道”这种预期常常落空，因为模型记得什么，取决于产品向上下文放入什么信息。需要区分四个层次。

OpenAI区分：自定义指令是用户直接提供的指导；记忆是产品从多个对话和来源中筛选积累的信息。删除对话后，独立保存的记忆仍可能存在，所以两处都要检查。项目指令仅在该项目内生效，并优先于自定义指令。

重要工作不要把必要条件交给记忆，应明确写入本次指令或项目指令。

项目（知识空间）：团队共用抽屉

项目是把相互关联的对话、文件和指令集中在同一个地方的工作空间。不同产品对它的称呼可能不同，本书也把它称作知识空间。OpenAI建议，在每周调研或内容起草这类反复进行的工作中，重复使用项目。Anthropic的Claude项目，也可以为每个项目分别设置知识库，即上传的文档集合，以及项目指令。

适合采用项目的工作，具有三个特征：需要反复使用同一批资料，需要遵守同一套规则，而且工作会持续几周乃至更长时间。

共享时要考虑边界。

• 可见范围：OpenAI说明，共享项目所有成员都能查看和下载上传的文件。只有部分人能看的资料，原则上一开始就不要放入共享空间。
• 编辑权限：Anthropic说明，团队和企业套餐可按“可查看”与“可编辑”共享项目。应提前确定谁能改指令和资料。
• 记忆范围：OpenAI说明，共享项目自动使用“仅限项目的记忆”，不会访问成员个人记忆或项目外上下文。

当资料数量增多时，产品有时会改变处理方式，不再一次将所有文档都放进上下文，而是只查找并放入相关的部分。Anthropic说明，在付费套餐中，项目知识接近上下文容量上限时，会切换到检索方式，也就是RAG模式，以扩大可用容量。RAG（检索增强生成）指的是只检索与问题有关的文档片段，再将这些片段提供给模型。采用这种方式时，模型只会读取“检索找到的部分”，没有找到的内容就可能不会反映在答案里。因此，项目质量受已上传资料的影响，甚至比受模型本身的影响还要大。应移除旧版和已废弃的版本，为每份资料指定负责更新的人，并在文档开头写明适用对象及生效日期。如果原始资料经常变化，就应通过连接器连接原件，而不是反复使用副本。

自定义助手：熟悉手册的专职员工

自定义助手是一种把指令、参考资料，有时也包括工具组合在一起，使多个人能够以相同方式获得帮助的形态。公司内部的员工福利咨询助手、品牌文风校对助手，都是这样的例子。

OpenAI将自定义助手与项目进行比较时，作出了这样的说明。自定义助手适合把专家已经整理好的固定知识，推广到整个组织；共享项目则适合成员共同积累资料和对话的协作。一种是在分发已经完成的手册，另一种则是提供一个供大家共同使用的工作场所。

制作自定义助手时，不能写完角色说明就结束，而应分别设计四个部分：必须反复遵守的指令、供它参考的资料、允许使用的工具，以及不会承担的工作，例如涉及个人具体情况的法律判断，应转交给相应负责人。放入了资料，并不意味着它就完全掌握了其中的全部内容。因此，正式推出之前，必须用有代表性的问题进行测试。

连接器：只能用我的门禁卡进入

连接器把AI连接到云盘、邮件、即时通信、日历等外部服务，使其在对话中检索信息，有时还能执行操作。不同产品也叫“应用”或“已连接应用”。许多连接器基于**MCP（Model Context Protocol）**这一公开标准。MCP官方文档将其定义为连接AI应用与外部系统的开源标准，比作以标准方式连接电子设备的USB-C接口。一次搭建的连接可以用于多个AI产品，是标准的优点。

连接器最重要的性质是权限继承。Anthropic解释说，连接器继承的是每个用户各自的权限，所以某个人在原始系统中无权访问的文件或记录，也不能借助连接器访问。OpenAI同样说明，企业工作空间中的已连接应用会遵循组织原有的权限设置。具体做法因应用而异：有的需要每个用户连接自己的账户，有的则使用管理员设置的连接。连接器并不能创造用户原本没有的权限，就像拿员工门禁卡，只能进入这张卡本来就允许进入的楼层一样。

这个比喻还需补充两点。

• 究竟用的是谁的门禁卡：Anthropic说明，如果连接器是用一组共用凭据建立的，那么它就能访问这组凭据允许访问的全部内容。用一个权限范围很广的共用账户建立连接，会使原本按个人划分的权限边界失效。
• 读取与写入是不同权限：搜索并阅读文档，与发送邮件、更改日程或删除文件，所涉及的风险大小不同。Anthropic解释说，团队和企业套餐的管理员，可以为连接器中的每一项工具，分别设置“始终允许”“需要批准”或“阻止”。这样的限制，并不会授予超出原始系统所允许范围的权限。

需要最新资料时，比起每周下载一份副本再重新上传，连接自己有权访问的原始资料，会更加准确、安全。不过，也要按照Anthropic的建议，只连接那些值得信任、而且确实为工作所必需的服务。

智能体功能：受托办事的秘书

智能体功能是指AI在接到目标之后，自行规划多个步骤，在不同网站和应用之间来回收集信息，并进一步执行填写表单或制作文档等行动的形态。OpenAI在ChatGPT中，除了快速对话用的Chat，还介绍面向较长、多步骤任务和完整成果的智能体Work，说明用户可以观察进度、改变方向，并批准重要行动。

把工作交给智能体时，像委托人办事一样确定三点。

1. 目标与终点：产出什么算完成（对照表、草稿，或到提交预约请求之前等）。
2. 允许范围：可用哪些网站和应用，哪些行动不做（禁止购买、注册、对外发送等）。
3. 批准节点：在难以撤回的行动之前停下，请人确认。

深度研究：比较多个来源的报告

**深度研究（deep research）**是一项功能，在收到复杂问题之后，会制定调研计划，查找并阅读多个来源，再整理成带有引用的报告。OpenAI说明，ChatGPT的深度研究会先展示调研计划，供用户修改；在调研进行过程中，用户也可以调整方向和来源；最终返回的则是带有引用或来源链接、结构清晰的报告。它还建议，把深度研究用于需要综合多个来源的深入问题；如果只是快速确认或简短对话，普通聊天可能更快。

深度研究也会自行执行多个步骤，但与会对外部系统作出更改的行动型智能体不同，它主要侧重读取资料。OpenAI明确说明，深度研究只会使用已连接应用的读取功能，不会使用写入功能；连接应用也不会突破用户原本拥有的权限。报告附带的引用很多，并不代表验证已经完成。仍应亲自打开原文，核实报告中的几条核心主张。

定时任务：设好闹钟的重复工作

定时任务是一种按照预先设定的时间或条件，反复执行同样工作的功能。OpenAI说明，ChatGPT能够执行一次性或重复性任务、监测变化，也能够根据受支持应用中的事件，例如收到新邮件或即时通信消息，触发任务运行。它还写明，如果执行过程中遇到需要批准的行动，任务可能会暂停，等待用户检查和确认。

使用定时任务时容易混淆的一点是，在规定时间运行，与作出正确判断，是两件不同的事。摘要虽然会按时送到，内容仍然需要核实。设置定时任务时，应同时规定什么时候执行、所用资料截至什么时间、结果出现异常时由谁查看，以及什么时候结束任务。由于任务会在无人值守时运行，授予的权限应尽量狭窄。OpenAI提醒，通过分享出去的任务链接，其他人能够读到全部指令，因此不要在任务标题或指令中写入敏感的个人信息。

API：自行组装的零件

**API（Application Programming Interface）**是让程序直接调用AI模型的通道。与人通过界面使用的产品不同，采用API时，是由我们公司的应用或内部系统向模型发送请求，再接收和使用返回结果。如果需要在自家应用中加入摘要功能、每天自动为数万条咨询分类，或对运行行为进行精细控制，就会用到API。

非开发者管理者讨论引入API时，应了解四点。

1. 计费独立。 OpenAI说明，API使用遵循API价格规则，与聊天产品订阅所含用量不同。买了订阅不代表API免费（第5章）。
2. 时效要求较低的大批量任务可以降低成本。 OpenAI说明，不需即时回复的Batch API比同步调用便宜50%，并在24小时内完成；Anthropic对批处理请求也提供50%折扣。
3. 有开发与运维负担。 需要错误处理、费用监控，以及模型变化后的重新检查。
4. 准确性和安全性不会自动具备。 核查流程与数据政策仍然必要。

仅为一两名员工的重复性工作就首先考虑引入API，往往是超出实际需要的繁重选择。如果工作量仍处于员工可以通过界面处理的范围内，不妨先尝试项目或自定义助手。

深入阅读

工作流与智能体：固定路线与开放路线

Anthropic把使用AI的系统划分为两类。工作流是让模型和工具沿着事先确定好的路径运行的系统；智能体则是由模型自行决定处理过程及工具用法的系统。这就像火车沿着固定的轨道行驶，而出租车只听取目的地，再自行选择前往的路线。

Anthropic给出的建议很明确：寻找能够满足需要的最简单方案，只有确有必要时，才增加复杂程度。如果工作定义清晰，而且可预测性很重要，就适合采用工作流；如果面对的是无法事先知道需要多少步骤的开放问题，就适合采用智能体。智能体会为获得更好的结果而消耗时间和费用；自主性越大，成本增加、错误在各个步骤不断累积的风险也越大。因此，Anthropic建议先在隔离的环境中进行充分测试，并设置人工检查的节点，以及最多重复多少次等停止条件。

每月按相同顺序处理的工作，遵循固定步骤的自动化通常比“引入智能体”更便宜、稳定。

依据内部文档回答，是否需要重新训练模型

我们经常听到这样的提议：“要制作一个了解公司规定的AI，就必须用这些规定重新训练模型。”使用额外资料对模型继续训练，称为微调（fine-tuning）。OpenAI从两个维度说明提高准确性的方法。如果问题出在模型没有学过某些知识、知识已经过时，或者缺少公司特有的知识，就适合优化上下文，也就是采用查找所需资料并将其输入模型的检索增强生成（RAG）。如果问题出在模型行为的一致性，例如格式不统一，或语气、风格不符合要求，就可以考虑微调。它还建议，无论哪种情况，都应从改进提示词开始，并把这一阶段建立的评估集作为基线。

公司内部规定的问答，大多属于第一种情况。规定会不时修订，而回答中还需要展示所依据的条款。如果采用重新训练模型的方式，每次规定修订后，都要再次训练模型，而且也很难展示答案具体以哪一条规定为依据。相比之下，如果把最新规定放入项目或自定义助手，或者通过连接器连接原件，就只需要更新文档，并且可以通过引用展示依据。在选择费用高昂的方案之前，应先问清楚：“问题究竟出在知识上，还是出在行为上？”

工作场景

雅居生活发布团队的两个月工作设计

家居饰品公司“雅居生活”的李主管，负责这次新产品的发布。接下来的两个月里，将有三名营销人员和两名商品策划人员共同参与工作。李主管围绕前面的五个问题，梳理了团队应该如何使用AI。

第一，发布准备工作将持续两个月，五个人会反复使用同样的资料，包括产品规格书和品牌指南。因此，李主管创建了一个共享项目，并将品牌指南中的核心规则写入项目指令。起初，也有人提议把品牌指南放进各自的自定义指令，但由于自定义指令会影响个人的其他对话，每个成员填写的内容也会不同，而且共享项目不会采用成员个人的自定义指令，所以没有采纳这个提议。尚未确定的成本表，只应由两名商品策划人员查看，因此没有上传到项目中。只要文件上传到共享项目，任何成员都可以打开查看并下载。

第二，每天都会变化的库存和销售数字，保存在公司内部云盘的电子表格中。李主管没有让大家每次下载之后重新上传，而是让每个人用自己的账户连接云盘连接器，在对话中查找最新文件。营销团队没有访问成本文件夹的权限，因此也无法通过连接器查看这个文件夹。李主管还请管理员将连接器中的文件搜索和读取工具设为允许，将修改电子表格的工具设为需要批准。这是为了防止AI在分析过程中，改动原始数据。

第三，比较多家商城中竞争对手新产品价格的工作交给智能体功能，但明确范围与终点：“不购买、不注册，制作完对照表后停止。”

第四，每周一早上行业新闻摘要设为定时任务。前几周李主管亲自核实结果，之后才向全队共享。

这次没有使用API。原因是，这项工作并不是为面向客户的应用加入功能，而且五个人通过产品界面，就足以处理全部工作量。选择形态时，依据的是“符合这项工作实际形态的功能”，而不是“最强大的功能”。

星桥活动的供应商调研

活动代理公司“星桥活动”的赵专员，需要为下月企业工作坊寻找音响设备租赁商。三个条件：位于韩国首都圈、至少拥有20支无线麦克风、活动当天可派技术人员。主管希望周五前拿到五家候选对照表，以及发给其中三家的询价邮件草稿。

赵专员把工作拆成三块。

1. 寻找候选并进行比较：这项工作需要比较多家供应商的官网和评价，而且主管必须能够核实每条信息的来源。赵专员认为，普通聊天搜索只能找到少量来源，不够充分，因此采用了深度研究。调研计划生成后，他发现其中漏掉了“首都圈”和“派遣技术人员”这两个条件，于是先修改计划，再开始调研。
2. 确认设备库存：各官网设备列表位置不同，需要跨页面操作。这部分交给智能体功能，但限定不得提交咨询表单或注册。
3. 询价邮件：让智能体连发送也完成会更快，但对外邮件是以公司名义发出的承诺。赵专员将邮件连接器的“发送”设为需要批准，只让它起草，亲自阅读修改后发送。

报告中，有一家供应商被写成“可以派遣技术人员”，但所引用的来源，却是一条三年前的活动评价。赵专员把这家供应商标为“待核实”，并将这个问题加入了询价邮件。若把全部事情都交给智能体，就可能进一步执行对外发送，因而有风险；若所有工作都由人手工完成，又无法在周五之前结束。这个案例的关键边界，是把读取和比较委派给AI，而对外的行动则由人批准。

易错点

1. “功能越强越好。” 一次性问题用智能体、两个人的重复工作用API，只会增加成本与风险。选择符合工作形态的最轻量形式。
2. “连接后就能看到所有公司资料。” 连接器会原样遵循建立连接者的权限。反过来，如果多人共用一个访问范围很广的账户来连接，那么这个账户有权访问的全部内容，就都会向他们开放。如果因为觉得连接器一概有风险就避而不用，反而会造成过时副本四处流转的更大问题。
3. “上传到项目就会训练模型。” 上传内容是该项目的参考上下文。上传与模型训练不同，是否用于训练由套餐和设置决定（第4章）。
4. “空间里有资料，答案就准确。” 即使空间里已经有资料，模型仍可能回答错误，或混入一般知识。采用检索方式时，没有检索找到的部分也可能被遗漏。因此，仍然需要对结果进行核实。
5. “有记忆，就不必重说条件。” 记忆只是产品挑选的一部分，具体内容可能不清楚。重要条件应明确写入指令或项目指令。
6. “设好定时，就会自动正确处理。” 定时只规定执行时间，不保证判断准确。要指定结果检查人和结束时间。
7. “全部交给智能体最快。” 不经批准把付款、发送等难撤回行动交出去，会增加风险。
8. “依据公司文档回答就必须重新训练。” 如果问题在于知识，就应首先考虑检索所需资料并提供给模型的方式。如果问题在于行为能否保持一致，才应考虑微调。

要点速览

查阅官方文档

• OpenAI — Projects in ChatGPT：项目指令范围、共享与文件查看、项目和GPT的区别。
• OpenAI — Custom GPT retirement and migration FAQ：自定义GPT停止时间及迁移至Plugins。
• Google — About the transition from Gems to skills：Gems转向skills的时间表。
• Anthropic — What are projects?：知识库、指令、共享权限、转为检索方式。
• Anthropic — Use connectors to extend Claude's capabilities：权限继承、共享凭据风险、逐工具允许、批准或阻止。
• OpenAI — Deep research in ChatGPT / Scheduled tasks in ChatGPT：深度研究、定时任务与等待批准。
• Anthropic — Building effective agents：工作流与智能体，从最简单解法开始。

自测

3-1. 写出选择AI产品形态时应问的五个问题。

3-2. 按“知识固定，还是共同积累”这个标准，分别用一句话区分共享项目与自定义助手。

3-3. 你准备将以下行动交给智能体。请逐一分为“可以委派”“执行前确认”“必须人工批准”，并说明各自的理由。行动包括：读取内部维基、暂定预订会议室、向200名客户发送优惠券、确认与合作方共享的日程。

3-4. 邮件连接器工具可设为“始终允许”“需要批准”“阻止”。你会如何设置“搜索邮件”“起草回复”“发送邮件”“永久删除邮件”？请说明理由。

3-5. 用“谁来确定”和“在哪里生效”两列，制作区分自定义指令、记忆功能与项目指令的表格。

3-6. 分别举一个深度研究优于普通聊天和反而不利的场景，并解释理由。

3-7. 选择自己团队中一项反复进行的工作，逐一回答选择形态的五个问题，并根据这些答案设计所用形态（允许组合多种形态）以及需要人工批准的节点。

实操练习