当前位置: 首页 > news >正文

GPTs——定制的小型智能体

GPTs”是 OpenAI 在 ChatGPT 产品中的一个新概念,它指的是:

基于 GPT 模型构建的、可自定义的小型 AI 助手,支持特定行为设定、知识注入、工具调用,适用于各种具体场景,如代码生成、法律问答、销售助理、知识管理等。

简单说:GPTs 就是你可以定制的“专属 ChatGPT”。


一、什么是 GPTs(在 ChatGPT 中的含义)

GPTs 是指在 ChatGPT 平台上,由用户或开发者自定义的“专属 GPT 应用”。这些应用基于 OpenAI 的 GPT 模型,但具备如下特点:

1. 拥有个性化设定

用户可以设定:

  • 指令(Custom Instructions):告诉模型你是谁、你怎么说话、你的目标是什么。

  • 行为风格:例如更专业、更简洁、更幽默等。

  • 默认知识背景:可上传文件、指定参考资料。

2. 可以连接外部功能(Tools):

通过集成:

  • Web 浏览器:支持联网搜索

  • 代码解释器:运行代码、分析数据(原名 Advanced Data Analysis)

  • 自定义 API:开发者可接入外部 API 或服务,实现场景化工具调用

3. 有独立页面和入口:

每个 GPT 都是一个小应用,用户可以直接“对话”,就像使用一个定制的 AI 助理。


二、GPTs 与原始 GPT 模型的区别

比较项原始 GPT 模型(如 GPT-4)自定义 GPT(GPTs)
用户控制能力限制在 prompt 层可以设定角色、口吻、行为规范
知识注入方式无(需 prompt 明确输入)可上传文件或指定参考内容
是否具备工具使用默认不具备可调用浏览器、Python、API 工具等
是否支持开发不支持支持 API 集成、行为配置、自定义调用


三、GPTs 的核心组件

GPTs 由以下组成:

  1. 基础模型:GPT-4、GPT-3.5 等

  2. 个性化设置

    • 角色扮演设定(System Prompt)

    • 对话风格

    • 禁止/允许执行哪些操作

  3. 知识上传

    • 支持上传 PDF、文本、CSV 等作为“私人知识库”

  4. 工具集成

    • 自定义工具调用(Function Call)

    • 连接外部服务(API)

  5. 行为约束

    • 不允许或必须遵守的交互逻辑(例如不能回答某类问题)


四、GPTs 的应用举例

  • 法律咨询 GPT:限制回复范围为法律条文,附加本地法规文本作为知识库

  • 医学问答 GPT:使用医学指南作为知识源,不提供个人诊断

  • 销售助手 GPT:接入公司产品资料与 CRM API,帮你写邮件和跟单

  • 编程助手 GPT:可运行代码、查找文档、调试逻辑

  • 语言学习 GPT:用母语教你目标语言,具备语法讲解能力


五、GPTs 的底层技术(Function Calling + Tool Use)

GPTs 本质上结合了以下技术:

  1. System Prompt 微调:通过行为约束设定模型行为

  2. Function Call 技术:生成结构化函数调用请求

  3. 工具调度器(Tool Router):决定是否调用某个工具或函数

  4. Memory(可选):记录用户历史对话,优化长期交互体验


六、如何创建 GPTs

OpenAI 提供了可视化的创建流程,几乎零代码:

  1. 打开 ChatGPT,点击左侧栏的 “Explore GPTs”

  2. 选择 “Create a GPT”

  3. 系统通过对话式引导,引导你:

    • 填写目标描述

    • 设置角色风格

    • 上传参考资料

    • 添加工具或函数

  4. 发布后,你的 GPT 会获得一个独立入口链接,可供他人访问

你也可以使用 OpenAI 的开发工具,将 GPTs 接入到自己的系统中,实现 Agent 化。


七、常见误解

误解正确理解
GPTs 是新模型GPTs 仍然是基于 GPT-4 或 GPT-3.5 的定制版本
GPTs 是插件GPTs 可调用插件/工具,但本身是交互式模型封装
GPTs 需要编程能力创建大多数 GPTs 不需要写代码


总结

GPTs 是 OpenAI 提供的一种“可定制、可调用、可集成”的智能助手框架,用户可基于 GPT 模型,通过个性化设定、知识上传和工具集成,打造专属的 AI 应用。这使得 LLM 不再只是一个问答工具,而是一个可以“会话 + 执行 + 知识融合”的 AI Agent。

http://www.dtcms.com/a/314111.html

相关文章:

  • 微算法科技(NASDAQ: MLGO)开发量子边缘检测算法,为实时图像处理与边缘智能设备提供了新的解决方案
  • vue3+天地图。添加标注和点击当前去掉其他的标注
  • 1. 什么是柯里化
  • SpringBoot自动装配原理
  • XSS的原型链污染1--原型链解释
  • 如何选择一个容易被搜索引擎发现的域名?
  • C++ 入门基础(4)
  • CAD格式转换器HOOPS Exchange:全方位支持HOOPS系列产品
  • 20250805问答课题-实现TextRank + 问题分类
  • 解锁高并发LLM推理:动态批处理、令牌流和使用vLLM的KV缓存秘密
  • VUE+SPRINGBOOT从0-1打造前后端-前后台系统-整体示例
  • Memcached缓存与Redis缓存的区别、优缺点和适用场景
  • 学习游戏制作记录(角色属性和状态脚本)8.4
  • python:机器学习中的分类与回归怎么理解
  • 【PHP】获取图片的主要颜色值RGB值
  • 回归预测 | MATLAB实现RBF径向基神经网络多输入单输出回归预测+SHAP可解释分析
  • 短剧小程序系统开发:引领影视消费新潮流
  • 基于开源AI智能名片链动2+1模式与S2B2C商城小程序的直播营销销量转化机制研究
  • jenkins+gitlab自动发布系统
  • git 项目拉取 SSH密钥配置
  • Vue2实现docx,xlsx,pptx预览
  • 接口请求的后台发起确认
  • PPT自动化 python-pptx - 11 : 备注页 (Notes Slides)
  • Java 大视界 -- Java 大数据在智能交通智能停车诱导与车位共享优化中的应用(381)
  • 【iOS】渲染原理离屏渲染
  • 如何在没有iCloud的情况下将联系人转移到新iPhone?
  • 华奥系科技奥采01:重新定义物联网数据采集标准
  • 【机器学习】(算法优化一)集成学习之:装袋算法(Bagging):装袋决策树、随机森林、极端随机树
  • 时序数据库如何高效处理海量数据
  • 代码详细注释:(linux)TCP客户端接收服务器端发的信息