我們在 DevDay 推出了 ChatGPT 應用程式,讓你能以全新的方式將產品直接帶進 ChatGPT 對話。本文延續當時的介紹,為開發人員、產品經理與設計師提供實務指引,說明如何選擇合適的使用情境,設計出上線後真正能幫上忙的應用程式。我們會著重說明如何將產品的強項轉化為用途明確、範圍適當的功能,讓模型在各種對話中都能依使用者的意圖加以運用。如果你想查看最初發布的技術實作流程,可以直接閱讀 Apps SDK 快速入門指南和開發人員文件。
本文將探討:
- ChatGPT 應用程式究竟是什麼,以及哪些想法容易造成誤解
- 應用程式能真正創造價值的三種方式
- 如何配合對話設計功能,讓使用者自然發現它們
- 如何判斷應用程式是否真的幫上了忙
- 具體範例與螢幕截圖建議
ChatGPT 應用程式究竟是什麼?
團隊第一次開發 ChatGPT 應用程式時,往往是從這個想法開始的:
「我們已經有產品了,把它帶進 ChatGPT 吧。」
於是,團隊常會從現有的網頁或行動版產品著手,試著把畫面、選單和操作流程改成適合對話的形式。這樣想很合理。多年來,大家一想到「軟體」,想到的就是頁面、導覽和介面的基本架構。
但為 ChatGPT 開發應用程式時,使用情境不同。使用者不會「開啟」你的應用程式,再從首頁開始操作。他們正在談論某件事,模型可以決定何時在對話中引入應用程式。使用者是在對話進行到某個時刻才開始使用它。 在這樣的環境裡,最好用的應用程式從外表看來,功能往往少得出乎意料。它們不試圖重現整個產品。使用者可以在 ChatGPT 裡透過應用程式運用幾項特定能力,完成你的產品最擅長的工作。模型也能在任何對話中重複運用這些能力。
在 ChatGPT 之外,使用者往往是專程來使用你的應用程式。他們會:
- 點選應用程式圖示
- 進入你設計的環境
- 熟悉你的導覽方式和介面操作慣例
大多數產品決策都建立在同一個前提上:「整個畫面都由我們掌控。」使用者既然願意進入你的產品環境並花時間使用,你就可以投入大量心力設計版面、新手引導和資訊架構。
在 ChatGPT 裡,你的應用程式扮演不同的角色:
- 它是模型可以呼叫的一項能力,既能提供上下文,也能讓使用者透過視覺介面互動。
- 它出現在進行中的對話裡。
- 它是模型可能協調使用的多項工具之一。
因此,衡量價值的單位也變了。比起應用程式的整體體驗,更重要的是你能在適當時機幫助模型和使用者完成哪些具體工作。
從實務角度來說:
ChatGPT 應用程式是一組用途明確的工具,可以執行任務、觸發互動或存取資料。
這對設計有幾個影響:
- 不必移植每一項功能。
- 不必建立完整的階層式導覽。
- 你確實需要一套清楚精簡的 API,只提供幾項容易呼叫、也方便接續使用的操作。
你可以把 ChatGPT 應用程式想成一組工具:當使用者遇到特定類型的問題,模型就會取用這組工具。各項工具的用途定義得越精確,模型就越容易在對話中運用它們。
一旦你把應用程式看成「模型可以協調運用的一組能力」,跳脫「產品迷你版」的想法,設計方向就會更明確。你開始問的是「在這裡我們能幫上什麼忙?」,而非「接下來該把使用者帶到哪裡?」
真正創造價值的三種方式
評估任何應用程式構想時,都可以先問三個簡單的問題:
- 取得資訊: 使用者能否運用原本在 ChatGPT 中看不到的上下文或資料?
- 採取行動: 應用程式能否代替使用者實際執行操作?
- 呈現資訊: 應用程式能否透過介面,把資訊呈現得比純文字更清楚,讓使用者更容易採取下一步行動?
這些問題既適用於 「辦正事」 的生產力應用程式,也適用於遊戲這類 「純粹為了好玩」 的應用程式。遊戲也許無法讓人更快交出報告,但它仍能做好基礎模型單靠自己難以做到的事,例如依據當前狀態執行遊戲邏輯、追蹤進度、落實規則,或呈現遊戲世界裡有趣的景象。遊戲的價值在於讓人玩得開心、投入其中,背後的原理則是一樣的。
1) 取得原本無法得知的資訊
你的應用程式可以為 ChatGPT 對話提供新的上下文:
- 即時價格、供應狀況、庫存量
- 內部指標、記錄、分析資料
- 專業領域、限訂閱者存取或特定小眾領域的資料集
- 個別使用者的資料(帳戶、歷史記錄、偏好、享有的權益)
- 感測器資料、即時影像串流
實務上,這通常需要連接到資料正確、即時更新且設有存取權限的系統。應用程式就像模型在你所屬領域的「眼睛和耳朵」,能根據這些資料給出更有依據的答案。
2) 執行原本做不到的事
你的應用程式可以代替使用者採取行動:
- 在內部工具中建立或更新記錄
- 傳送訊息、工單、核准結果或通知
- 安排時程、預約、下單或調整設定
- 觸發工作流程(部署、將問題往上呈報、同步資料)
- 進行互動式遊戲(套用規則、推進回合、追蹤狀態)
- 在實體世界執行操作(例如物聯網或機器人控制)
在這裡,應用程式的主要作用從提供可信資料轉為動手執行。它能依照使用者的意圖,在團隊日常使用的系統裡做出具體變更。在遊戲裡,它改變的是遊戲狀態,讓玩家感受到規則一致、過程公平。到了這一步,應用程式才真正開始扮演智慧體的角色。
3) 以更好的方式呈現資訊
應用程式可以在 ChatGPT 對話中透過圖形化使用者介面呈現資訊,讓人更容易理解,也更容易據此採取行動:
- 候選清單、比較結果、排名
- 表格、時間軸、圖表
- 針對特定角色或決策整理的摘要
- 以圖像或結構化方式呈現遊戲狀態(棋盤、物品欄、分數)
當使用者需要選擇或權衡利弊時,這種呈現方式特別有價值。應用程式讓模型能用結構來表達資訊:介面元件可以利用欄、列、分數和圖像,按照人們實際做決定的方式排列資訊。在遊戲中,這些元素則能幫玩家掌握自己在遊戲世界裡「身處何處」。
如果應用程式在取得資訊、採取行動、呈現資訊這三方面都沒有明顯改善,使用者往往會覺得,原本在 ChatGPT 裡就能做到同樣的事。使用者或許不會直接抱怨,但無論應用程式是用來工作還是娛樂,你都錯過了讓它更有用的機會。
以下範例展示應用程式如何改善使用體驗:
ChatGPT 的回答範例這個回答有幫助,但使用者可能還希望透過具備更多功能的應用程式,直接瀏覽實際房源,無須切換情境或離開對話。
搭配 Zillow 應用程式的回答
有了 Zillow 應用程式,使用者還能搜尋即時房源、依條件篩選,以及查看詳細的房屋資訊,全程都能留在對話中。
以全螢幕模式深入探索房源
這樣一來,你仍能從模型取得豐富的上下文,也能透過應用程式進一步探索,讓結果隨需求調整。想請它找出特定地區的房子嗎?使用 Zillow 應用程式時,模型會呼叫 Zillow MCP 伺服器上的工具,再重新繪製使用者介面。
挑選合適的功能,別移植整個產品
團隊一開始很容易想到,先列出產品的所有功能,再問:「怎麼把這些功能帶進 ChatGPT?」
這種做法看似周全,實際上卻常讓應用程式涵蓋太廣、功能界線模糊。模型難以判斷該用哪項功能,使用者也很難弄懂。如果連你都很難用一句話說明應用程式的用途,模型要理解它也會更吃力。
更有效的做法如下:
-
列出使用者最想完成的幾件事。 找出使用者希望完成哪些具體任務或達成哪些結果,以及你的產品如何幫他們做到。這些需求正是產品存在的理由。從這裡著手,你就能把注意力放在使用者想達成的結果,而不只是逐項核對功能清單。
例如:- 幫使用者挑選適合的住家。
- 把想法製作成精緻的簡報。
- 依照使用者的意圖,讓他們愉快地探索感興趣的事物。
- 把原始資料整理成清楚、方便分享的報告。
-
針對每件事,問問自己:
「沒有應用程式的話,使用者在 ChatGPT 對話中做不到什麼?」
常見的答案包括:
- 存取即時或非公開資料。
- 在我們的系統中實際執行操作。
- 取得使用者需要的結構化或視覺化輸出。
-
這時,你的產品能提供哪些獨有的價值,就會開始浮現。你考慮的不再是「技術上可以開放哪些功能?」,而是「哪些地方我們特別能幫上忙?」
-
針對這些缺口設計幾項名稱清楚的操作。例如:
search_properties:傳回結構化的候選房源清單。explain_metric_change:擷取相關資料,並摘要說明可能造成指標變動的因素。generate_campaign_variants:產生多個廣告版本,並附上中繼資料。create_support_ticket:建立工單,並傳回摘要與連結。
這些操作都具備以下特點:
- 用途夠具體,模型能有把握地選用
- 操作夠簡單,能與對話中的其他步驟搭配
- 直接對應使用者能獲得的價值,無須涵蓋整個產品的功能架構
也可以換個角度思考。假設團隊裡有人問:「這個應用程式非做好不可的三件事是什麼?」這三件事應該幾乎都能各自對應到產品的一項能力。
例如,ChatGPT 中的 Canva 應用程式可以產生整份簡報草稿。使用者可以進入全螢幕模式,用熟悉的方式瀏覽投影片。如果要逐張深入編輯,則仍需使用完整版 Canva 編輯器。
配合對話設計功能,讓使用者自然發現它們
你可以在 MCP 伺服器中定義 description,讓模型知道何時該呼叫工具,以及完成特定任務時該發出哪些工具呼叫。這有助於模型將使用者的意圖對應到工具能執行的操作。
a) 意圖尚不明確
幫我想想適合住在哪裡。
好的應用程式回應會:
- 善用對話中已有的相關上下文。
- 必要時提問以釐清需求,最多問一兩個問題。
- 盡快給出具體結果,例如列出幾個可考慮的城市,各附一段簡短說明。
使用者應該感覺事情已經有了進展,而不是才剛開始跑一套繁瑣的新手引導流程。如果非得先回答五個問題才看得到有用的內容,許多人就會就此打住。
看看 Canva 應用程式怎麼處理這種情況:
要製作一份完整的簡報,得先了解背景。Canva 應用程式會接著提問,幫使用者整理想法,說清楚自己想做什麼樣的簡報。
b) 意圖明確
幫我找西雅圖有三間臥室、價格低於 120 萬美元,而且靠近評價良好的小學的房子。
在這種情況下,應用程式不該要求使用者重複說明,而應該:
- 解析查詢。
- 呼叫合適的功能。
- 傳回符合條件的結果,並以方便使用者查看的結構呈現。
你仍然可以讓使用者進一步調整條件(「你比較在意通勤時間,還是學校評價?」),但使用者應該能自行決定要不要微調,而不必先完成設定。
Canva 範例:
當使用者說清楚想做什麼,並要求產生簡報時,模型就知道何時該呼叫 Canva,也知道該使用哪項功能。
如下圖所示,工具會提供幾個選項。如果使用者想進一步調整,工具也會接著詢問細節:
c) 使用者不認識你的品牌
別假設使用者已經知道你是誰。
第一次給出實質回應時,應該做到以下幾點:
- 用一句話說明應用程式能幫什麼忙(「我會查詢最新房源和學校評價,方便你比較各個選項。」)
- 立即給出有用的結果。
- 提供明確的下一步(「你可以請我依通勤時間、社區或預算縮小範圍。」)
把這當成一個冷啟動問題:你只有一兩則訊息的篇幅,要讓使用者了解這是什麼應用程式、為什麼對他們有幫助,以及該怎麼使用。
同時為模型與使用者設計
設計時,你需要考慮兩種對象:
- 對話中的使用者
- 負責決定何時以及如何呼叫應用程式的模型執行環境
大多數團隊都很熟悉第一種對象,第二種則比較陌生。但如果模型無法理解應用程式的用途或用法,你為使用者設計的體驗就很少有機會派上用場。
還有一個同樣重要的面向:模型呼叫應用程式時,哪些使用者資料會流經它? 要設計出好的應用程式,除了清楚界定功能,也得審慎決定要索取哪些資料,以及要如何使用。
-
讓操作和參數清楚表達用途: 讓模型一看就知道什麼時候適合使用應用程式,以及該如何呼叫。使用直觀的名稱(
search_jobs、get_rate_quote、create_ticket),並明確說明哪些參數必填、哪些選填,以及各自的格式。說明越模糊,模型就越難選對工具。 -
在設計時就納入隱私考量: 只將確實需要的欄位設為必填。避免設計一個參數收進整包資料,連多餘的上下文也一併收下。盡量只接收必要的結構化輸入,也不要下達「直接傳送整段對話」之類的指示。
-
提供可預期的結構化輸出: 維持結構描述的穩定,並提供 ID 和清楚的欄位名稱。除了簡短摘要(「以下三個選項符合你的預算和通勤時間要求」),也提供方便機器處理的清單(
[{id, address, price, commute_minutes, school_rating, url}, …])。這樣模型既能用自然的語言回應,也能準確引用各筆資料。 -
明確決定哪些資料不應傳回: 別只為了「以備不時之需」就傳回敏感的內部資訊。避免讓權杖或密鑰出現在使用者可見的路徑中。無須保留完整細節時,請遮蔽敏感內容或彙整資料。
-
說清楚收集哪些資料,以及為什麼需要: 只索取完成任務所需的最少資料。如果需要敏感資訊或權限(例如帳戶存取權),請用一句話說明原因。設計操作與結構描述時,應讓人一眼就能看出哪些資料會傳送到哪裡。
為整個生態系設計,打破產品界線
在實際的 ChatGPT 對話中,你的應用程式很少是唯一會用到的應用程式。模型可能在同一段對話中呼叫多個應用程式。
對使用者來說,這是一段連貫的流程。對你來說,這提醒了你:你的產品屬於更大的生態系,必須能與其他應用程式配合。
在實務上,可以這樣做:
-
讓每項操作小而專一
- 分別提供
search_candidates、score_candidates、send_outreach - 避免把所有步驟合併成單一的
run_full_recruiting_pipeline。
- 分別提供
-
讓輸出方便交給下一個工具使用
- 使用穩定的 ID、清楚的欄位名稱和一致的資料結構。
- 避免只在自由格式的文字裡提供重要資訊。
-
避免設計冗長、只能一路走到底的流程
- 完成應用程式負責的工作後,就把控制權交還給對話。
- 讓模型決定下一步應由哪個工具處理。
如果其他應用程式(或你自己應用程式的未來版本)能輕鬆接續使用你的輸出,生態系中其他工具的進步也會讓你的應用程式受益,而不會成為競爭壓力。
快速檢查清單
開發前後都可以用這份簡短的清單逐項檢查:
-
1. 新增的能力
- 應用程式是否明確提供了新的資訊、可執行的操作,或呈現資訊的新方式?
- 如果應用程式停止運作,處於目標情境的使用者會察覺嗎?
-
2. 功能範圍明確
- 你是否只挑選了少數幾項能力,避免複製整個產品?
- 這些能力的名稱與範圍,是否都能明確對應到使用者實際想完成的工作?
-
3. 第一次互動
- 無論提示詞模糊或具體,應用程式都能妥善回應嗎?
- 新使用者能從第一次有實質內容的回應中了解應用程式的用途嗎?
- 使用者在第一輪對話就能獲得有價值的結果嗎?
-
4. 模型容易使用
- 操作和參數是否清楚明確,沒有歧義?
- 輸出是否具備足夠的結構與一致性,方便串接後續步驟並重複使用?
-
5. 評估
- 你是否備有一組精選的小型測試案例,涵蓋正例、反例和邊界情況?
- 將應用程式提供的回答與 ChatGPT 未使用應用程式時的回答相比,你是否大致知道前者的勝率?
-
6. 融入生態系
- 其他應用程式和使用者能否順利運用你的輸出,接著完成自己的工作?
- 當多個應用程式接力完成工作時,你是否願意只負責其中一環,把其餘步驟交給其他應用程式?
不必每個面向都做到完美才推出應用程式。但如果上述大多數問題的答案都是「是」,你就不只把產品帶進了 ChatGPT,也讓 ChatGPT 在你的專業領域真正有能力幫使用者辦成事情。這時,使用者就會開始覺得少不了你的應用程式。