如需查看完整的文档索引,请参阅 llms.txt。在文档页面的 URL 末尾加上 .md 即可查看该页面的 Markdown 版本。
主导航
主题
Nov 24, 2025 Apps SDK

什么样的 ChatGPT 应用才算出色

如何围绕对话需求设计应用能力,让对话更有用。

作者: Corey Ching

什么样的 ChatGPT 应用才算出色

在 DevDay 上,我们推出了 ChatGPT 应用,让您可以直接把自己的产品带入 ChatGPT 对话。在此基础上,本文为开发者、产品经理和设计师提供一些实用建议,帮助您选对使用场景,设计出上线后真正能帮到用户的应用。我们将重点讨论如何把产品的优势转化为用途清晰、范围明确的能力,让模型在不同对话中根据用户意图灵活调用。如果您想直接了解最初发布的开发流程,可以阅读 Apps SDK 快速入门和开发者文档。

本文将讨论:

  • ChatGPT 应用究竟是什么,以及哪些常见理解有偏差
  • 应用真正发挥价值的三种方式
  • 如何设计应用,让用户在对话中发现它的用处
  • 如何判断应用是否真的帮到了用户
  • 具体示例和截图建议

ChatGPT 应用究竟是什么

团队在开发第一个 ChatGPT 应用时,往往会这样想:

       “我们已经有产品了,把它接入 ChatGPT 吧。”

于是,团队通常先从现有的网页或移动端体验入手,尝试把界面、菜单和操作流程改成适合聊天的形式。这个想法很自然。多年来,人们一说到“软件”,想到的就是页面、导航和界面框架。

但为 ChatGPT 开发应用,面对的是另一种使用环境。用户不会先“打开”您的应用,从首页开始操作。他们正在聊某件事,模型可以决定何时把应用引入对话。用户接触应用时,对话已经进行到了某个具体环节。 在这种环境中,出色的应用看起来往往出奇地小。它们无需重现整个产品。用户在 ChatGPT 中使用这些应用时,可以获得几项具体能力:也就是您的产品最擅长做的事,模型可以在任何对话中调用这些能力。

在 ChatGPT 之外,用户往往是专程来使用您的应用。他们会:

  1. 点按应用图标
  2. 进入您的应用环境
  3. 熟悉应用的导航方式和界面操作方式

大多数产品决策都有一个共同前提:“整个屏幕都由我们来设计。”用户既然愿意花时间熟悉您的产品,您就可以投入大量精力打磨布局、新用户引导和信息架构。

在 ChatGPT 中,应用扮演着不同的角色:

  • 它是模型可以调用的一项能力,既能提供上下文,也能让用户通过可视化界面参与互动。
  • 它出现在正在进行的对话之中。
  • 它是模型可以协调使用的多种工具之一。

因此,衡量应用价值时,与其看整体体验,不如看它能否在恰当的时机帮助模型和用户完成某件具体的事。

从实际用途来看,可以这样定义:

ChatGPT 应用是一组定义清晰的工具,可以执行任务、触发交互或访问数据。

这对设计有几个直接影响:

  • 您无需移植每一项功能。
  • 您无需搭建完整的多级导航。
  • 您确实需要一套清晰、精简的 API,只提供少数几项操作,方便模型调用,也方便后续步骤使用。

可以把 ChatGPT 应用想成一个工具箱。用户遇到某类具体问题时,模型就会用到它。工具箱里每件工具的用途越明确,模型就越容易在对话中用好它。

一旦把应用理解为“模型可以协调使用的一组能力”,而不再把它当成“我们产品的迷你版”,设计思路就会清晰起来。您会开始问“我们在这里能帮上什么忙?”,而不是“接下来应该让用户去哪个页面?”

真正发挥价值的三种方式

可以用三个简单的问题来判断一个应用构想是否值得做:

  • 获取信息:应用能否让用户在 ChatGPT 中使用原本看不到的上下文或数据?
  • 执行操作:应用能否代表用户采取实际行动?
  • 展示结果:相比纯文本,应用的界面能否更清楚地呈现信息,让用户更容易采取下一步行动?

这三个问题既适用于“办正事”的效率应用,也适用于游戏等“纯娱乐”应用。游戏也许不能帮人更快地交付报告,但它仍能做一些基础模型单独很难做好的事,例如根据游戏状态推进游戏、跟踪进度、执行规则,或呈现游戏世界中有趣的画面。游戏的价值在于让人玩得开心、投入其中,但它发挥价值的方式与其他应用相同。

1) 获取原本无法获取的信息

您的应用可以为 ChatGPT 对话提供新的上下文:

  • 实时价格、可用情况和库存
  • 内部指标、日志和分析数据
  • 专业数据集、需要订阅才能访问的数据集,或面向小众领域的数据集
  • 特定用户的数据(账户、历史记录、偏好、权益)
  • 传感器数据、实时视频流

在实践中,这通常意味着要连接那些数据准确、更新及时且按权限开放的系统。应用就像模型在您所在领域的“眼睛和耳朵”,让它回答问题时更有依据。

2) 执行原本无法执行的操作

您的应用可以代表用户采取行动:

  • 在内部工具中创建或更新记录
  • 发送消息、工单、审批结果或通知
  • 安排日程、预订、下单或调整配置
  • 触发工作流(部署、升级处理、同步数据)
  • 运行交互式游戏(执行规则、推进回合、跟踪状态)
  • 在物理世界中执行操作(物联网、机器人控制等)

在这里,应用的主要作用从提供权威信息转为动手做事。它能根据用户意图,在团队日常使用的系统中做出具体更改。在游戏中,它会相应地改变游戏状态,让玩家感到规则前后一致、体验公平。能够这样采取行动,应用就真正开始发挥智能体的作用了。

3) 更好地展示信息

应用可以在 ChatGPT 对话中通过图形界面呈现信息,让用户更容易理解,也更容易据此采取行动:

  • 候选清单、对比结果、排名
  • 表格、时间线、图表
  • 针对特定角色或决策整理的摘要
  • 以可视化或结构化形式展示的游戏状态(棋盘、物品栏、得分)

当用户需要做选择或权衡利弊时,这一点尤其有价值。应用可以为模型提供一套有结构的表达方式:通过组件中的行、列、评分和图像,按照人们实际做决定的方式来呈现信息。在游戏中,这些组件则可以帮助玩家了解自己在游戏世界中“身处何处”。

如果应用在获取信息、执行操作、展示结果这三个方面都没有明显改进,用户往往会觉得,自己原本在 ChatGPT 里就能做到这些。用户未必会直接抱怨,但无论应用用于工作还是娱乐,您都错过了为他们提供更有意义的帮助的机会。

下面的例子展示了应用如何改善对话体验:

ChatGPT 的回答示例

这个回答对用户有帮助,不过,用户可能还希望通过应用获得更多能力,无需切换场景或离开对话,就能直接浏览真实房源。

在 ChatGPT 中查找房源 使用 Zillow 应用后的回答

有了 Zillow 应用,用户还可以搜索实时房源、按条件筛选并查看详细的房源信息,整个过程都在聊天中完成。

使用 Zillow 应用查找房源

在全屏模式下进一步浏览房源

以全屏模式浏览房源

这样的体验既保留了模型提供的丰富背景信息,也让应用可以随着用户意图的变化调整展示内容。想查找某个地区的房源?使用 Zillow 应用时,模型会调用 Zillow MCP 服务器上的工具,重新渲染界面。

选取合适的能力,无需移植整个产品

团队最初往往会列出产品的所有功能,然后问:“怎样把这些功能都带入 ChatGPT?”

这个思路看似全面,实际做出来的应用却往往功能繁多、用途模糊,模型很难选对功能,用户也很难弄清楚能用它做什么。如果您很难用一句话说清应用的用途,模型理解起来也会更吃力。

更有效的做法是:

  1. 列出用户要完成的核心任务。 明确用户希望完成哪些具体任务、取得什么结果,以及您的产品如何帮助他们做到。这些正是产品存在的理由。从这里出发,您就能始终关注用户想达成的目标,而不会把注意力放在功能清单上。
    例如:

    • 帮用户选一套合适的房子。
    • 把想法做成精美的演示文稿。
    • 根据用户的意图,让他们在愉快的探索中找到感兴趣的内容。
    • 把原始数据整理成清晰、便于分享的报告。
  2. 针对每项任务,问问自己:

    “如果没有应用,用户在 ChatGPT 对话中有哪些事情做不到?”

    常见答案包括:

    • 访问实时数据或私有数据。
    • 在我们的系统中执行实际操作。
    • 获得用户需要的结构化或可视化输出。
  3. 回答这些问题时,应用的独特价值就开始显现了。您关注的问题也会从“技术上我们能开放哪些功能?”变成“在哪些地方,只有我们能提供这样的帮助?”

  4. 把这些缺口转化为几项名称清晰的操作。例如:

    • search_properties:返回结构化的候选房源列表。
    • explain_metric_change:获取相关数据,概述指标变化的可能原因。
    • generate_campaign_variants:生成多个广告版本,并附上元数据。
    • create_support_ticket:创建工单,返回摘要和链接。

这些操作具备以下特点:

  • 用途足够具体,模型有把握选对操作
  • 足够简单,可以和对话中的其他步骤组合使用
  • 每项操作都直接对应用户能获得的价值,无需覆盖整个产品的所有功能

也可以换个角度想:如果团队成员问“这个应用一定要做好的三件事是什么?”,答案应该能与产品提供的能力近乎一一对应。

例如,ChatGPT 中的 Canva 应用可以生成整份演示文稿的初稿。用户可以进入全屏模式,按熟悉的方式翻阅幻灯片。如果要逐页深入编辑,则仍需使用功能完整的 Canva 编辑器。

以全屏模式查看 Canva 应用中的演示文稿

让用户在对话中发现应用的用处

您可以在 MCP 服务器中定义 description,向模型说明何时应该调用工具,以及完成某项任务具体需要调用哪些工具。这样,模型就能将用户意图与工具提供的操作对应起来。

a) 意图模糊

帮我想想住在哪里比较合适。

设计得当的应用会这样回应:

  • 利用当前对话中已有的相关上下文。
  • 如需澄清,最多问一两个问题。
  • 尽快给出具体结果,例如列举几个城市,并简要说明各自适合的理由。

用户应该感觉到事情已经有了进展。如果体验像一个多步骤的新用户引导流程,要回答五个问题才能看到有用的内容,很多人就会直接放弃。

来看看 Canva 应用是怎样处理这种情况的:

制作一份完整的演示文稿需要背景信息。Canva 应用会进一步提问,帮助用户理清并概括自己想做什么。

Canva 应用通过提问了解用户的演示文稿需求

b) 意图明确

在西雅图找有三间卧室、价格低于 120 万美元的房子,附近要有评分较高的小学。

这时,应用不应让用户重复需求。它应该:

  • 解析查询。
  • 调用合适的能力。
  • 返回一组紧扣需求、便于查看的结构化结果。

您仍可以让用户进一步调整条件(“您更看重通勤时间还是学校评分?”),但这应该是用户可以自行选择的微调步骤,无需先回答才能看到结果。

Canva 示例:

当用户意图明确,提出要生成演示文稿时,模型就清楚什么时候该调用 Canva,以及具体该用哪项能力。

如下图所示,工具会给出几个选项。如果用户还想调整,它也会继续询问具体需求:

Canva 应用提供演示文稿选项并询问调整需求

c) 用户不了解您的品牌

不要假定用户已经了解您的品牌。

应用第一次给出实质性回复时,应该做到以下几点:

  • 用一句话说明应用的作用(“我可以查询实时房源和学校评分,方便您比较不同选择。”)。
  • 立即给出有用的结果。
  • 给出明确的下一步(“您可以让我按通勤时间、街区或预算进一步筛选。”)。

可以把这看作一个冷启动问题:您要在一两条消息里说清楚应用是做什么的、为什么能帮到用户,以及该怎么用。

同时为模型和用户设计

设计应用时,您要考虑两个使用方:

  • 正在聊天的用户
  • 决定何时、以何种方式调用应用的模型运行时

大多数团队都习惯从用户的角度思考,对模型运行时的需求则相对陌生。但如果模型无法理解应用有什么用、该怎么用,您为用户设计的体验就很少有机会呈现出来。

还有一个同样重要的问题:模型调用应用时,哪些用户数据会流经应用? 设计一个好应用,既要把能力定义清楚,也要审慎决定请求哪些数据以及如何使用这些数据。

  • 操作和参数的命名要清楚地说明用途:让模型一看就知道何时适合使用您的应用,以及该如何调用。使用直观的名称(search_jobs、get_rate_quote、create_ticket),明确哪些参数必填、哪些可选,以及各自的格式。描述越含糊,模型选择工具就越费力。

  • 在设计时就考虑隐私:只将确实需要的字段设为必填。避免使用把额外上下文一并收进来的笼统参数。优先采用精简的结构化输入,不要使用“直接发送整段对话”之类的指令。

  • 提供可预测的结构化输出:保持输出的数据模式稳定,提供 ID 并使用清晰的字段名。除了简短摘要(“以下三个选项符合您的预算和通勤时间要求”),还要提供便于机器处理的列表([{id, address, price, commute_minutes, school_rating, url}, …])。这样,模型既能自然地与用户交流,又能准确引用具体数据。

  • 明确哪些数据不应返回:不要为了“以防万一”就返回敏感的内部信息。用户可见的任何环节都不应暴露访问令牌或密钥。如果无需保留全部细节,就对数据做脱敏或汇总处理。

  • 说明收集哪些数据以及原因:只请求完成任务所需的最少信息。如果需要访问账户等敏感权限,用一句话说明原因。设计操作和数据模式时,应让人一眼看出会把什么数据发送到哪里。

面向开放的生态系统设计

在实际的 ChatGPT 会话中,您的应用很少是唯一参与的应用。模型可能会在同一段对话中调用多个应用。

从用户的角度看,这是一段连续的体验。对您来说,这意味着您的应用需要与生态系统中的其他应用配合。

具体到设计上,可以这样做:

  • 让每项操作都范围小、用途明确

    • 分别提供 search_candidates、score_candidates、send_outreach,
    • 而不是只提供一个 run_full_recruiting_pipeline。
  • 让输出便于传给下一步

    • 使用稳定的 ID、清晰的字段名和一致的数据结构。
    • 避免只在自由文本中提供重要信息。
  • 避免把用户困在冗长的固定流程里

    • 完成应用负责的部分,就把控制权交还给对话。
    • 让模型决定下一步交给哪个工具处理。

如果其他应用(或您自己应用的未来版本)可以轻松地接着使用您的输出,那么生态系统中其他环节的改进也能让您的应用受益,您无需与它们竞争。

快速检查清单

在开发应用之前或之后,都可以用这份简短的清单做一次检查:

  • 1. 新增能力

    • 您的应用是否明显增加了用户能获取的信息、能执行的操作或能看到的结果?
    • 如果应用停止工作,目标场景中的用户会察觉吗?
  • 2. 能力范围

    • 您是否只选取了少量能力,而没有照搬整个产品?
    • 从这些能力的名称和范围,能否清楚地看出它们分别对应哪些实际任务?
  • 3. 首次交互

    • 无论提示模糊还是具体,您的应用都能妥善回应吗?
    • 新用户能否从第一条有实质内容的回复中了解应用的作用?
    • 用户在第一轮对话中就能感受到应用的价值吗?
  • 4. 易于模型使用

    • 操作和参数是否清晰、无歧义?
    • 输出的结构和一致性是否足以支持串联使用和复用?
  • 5. 评估

    • 您是否精心设计了一组小规模测试用例,覆盖正例、反例和边界情况?
    • 您是否大致了解,在多少比例的比较中,应用提供的回答优于 ChatGPT 未使用应用时的回答?
  • 6. 与生态系统配合

    • 其他应用和用户能否方便地利用您的输出继续完成任务?
    • 您是否愿意让应用承担多个应用协作流程中的一个环节,而不必包办全程?

发布应用前,无需在每个方面都做到完美。但如果其中大多数问题您都能回答“是”,那么您做的不仅是把产品带入 ChatGPT,也让 ChatGPT 在您熟悉的领域真正有了办事的能力。这样的应用会逐渐成为用户离不开的工具。