知識 · AI 基礎

自訂 GPT · GPTs

Custom GPT

📂AI 基礎⏱閱讀 2 分鐘📊入門🔗相關 5

什麼是自訂 GPT?

一句話定義
透過輸入指示(系統提示詞)與參考文件,無需寫程式即可打造專屬特定工作的個人聊天機器人的功能。OpenAI 的 GPTs(GPT 是 Generative Pre-trained Transformer 的縮寫)是代表例子,Claude 的專案等類似功能也存在於各家 AI 服務中。
這個主題,企業內訓📚 相關課程💬 教育諮詢
⚡ 3 行重點摘要
  • 以指令加文件打造的業務專用聊天機器人
  • 將提示詞的經驗轉化為組織共享資產
  • 公開範圍與知識檔案的更新管理是關鍵

自訂 GPT 真正改變的,不是回答品質本身,而是誰來為那份品質負責。過去只有一位善用 AI 的同仁,筆記本裡存著好的指令,其他人則只用「幫我摘要一下」這一句來問,同樣的業務也會得到參差不齊的結果。把專用機器人建好後,指令就固化在工具裡,新人隨口一問,也會經過 15 年資深同仁寫的指令來回答。團隊的下限會比最強者的上限先提升。

製作時要動的地方有三處:指令、知識檔案,以及功能開關。指令中寫入角色、禁止事項與回答格式;知識檔案上傳參考文件;網路搜尋、程式碼執行、內部系統串接(Actions)則只開需要的。這裡最常被誤解的界線,是微調與它的差別。自訂 GPT 並不是讓模型學習,而是每次對話時去找文件來讀,所以只要換掉檔案,答案當天就改變,要復原也只需換回檔案。

公開範圍設定實際上就是安全設定。範圍分為僅自己可見、知道連結者可見、工作區內部與全面公開,處理內部文件的機器人應限定在團隊或企業方案的工作區內部。知識檔案有數量與容量上限,而且文件越長,越容易引用到不相關的段落,因此與其上傳整本規章,不如只切出常被詢問的章節,會更準確。把表格改寫成文字敘述的文字檔,比掃描 PDF 出錯的機率低得多。

現場最容易出現落差的地方,是「只要放入文件,就會變成我們公司的專家」這種期待。即使有依據文件,模型也只是挑出與提問相似的段落來讀,因此會把條款混在一起回答;若舊的工作規則仍留在裡面,就會自信地引導已廢止的規定。若上傳的檔案中混有員工編號或年薪,幾次提問後內容也可能外洩。若沒有把每個機器人的負責人與更新週期寫成文件確定下來,半年後就只剩下沒人維護的數十個機器人。

會出現此術語的課程 · AI・DX
推薦課程 · 推薦講師 · 迷你報價
🧮 迷你報價 · 講師費基準
約 KRW 1,200,000 (≈ US$900)專題講座 2 小時 · 20 人以下 · 韓語
依此條件取得正式報價 →
💡 簡單來說
就像交給新進員工一本業務手冊與參考資料夾,只讓他負責一件工作。同樣是通用 AI,只要有手冊(指示)與資料夾(知識檔案),在該項工作上就能維持一致的表現。
為什麼在實務上很重要
AI 應用的落差,大多來自提示詞品質的落差。自訂 GPT 會把設計良好的提示詞與參考資料變成組織的共享資產,讓整個團隊的應用水準趨於一致。
⚠️ 常見誤解
很容易把它當成 '一次設定,就會自動運作的自動化',但自訂 GPT 本質上仍是「設定好的聊天機器人」,原始文件一旦過時就會給出過時的答案,也不會自己去做事。需要自動執行時,屬於代理與工作流程工具的範疇。
由來與出處

OpenAI 在 2023 年 11 月的開發者大會(DevDay)上,推出了無需寫程式即可打造客製化聊天機器人的 GPTs,以及買賣這些 GPT 的 GPT 商店,從此普及開來。之後,Anthropic 的 Claude 專案功能、Google 的 Gemini Gem 等類似功能也成為標準配備。

出處 · OpenAI DevDay 2023 — Introducing GPTs · 查看原文
透過案例理解

以下用假設案例來說明。員工 420 人的製造業 A 公司,人資室 3 人負責處理年假、婚喪假與居家上班的詢問,每天花了將近 2 小時。透過即時通訊進來的詢問每月有 310 筆,而不同承辦人對同一問題給出的答案各不相同,因此每季都會重複出現異議。

  1. 人資主管調出近 6 個月的詢問紀錄,發現年假、慶弔、居家上班三個主題佔全部的 71%;又判斷涉及個人情況的詢問不適合交給機器人處理,因此把範圍縮限在這三項。
  2. 指令中寫入了 "只根據上傳的規定原文回答,務必附上條文編號,文件中沒有的內容不要捏造,改為引導至人資室內線 2140" 這句話。
  3. 工作規則 187 頁中只擷取了相關的 3 章。表格形式的慶弔假天數因掃描檔一直辨識錯誤,所以改寫成「配偶生產 10 天」這樣的文句重新上傳。
  4. 人資室的兩位課長用 30 則真實詢問進行測試,有 6 則答錯,於是把 "半天假以 4 小時為單位" 之類的例外直接寫成範例放進指令,再跑一次,答對 28 則。
  5. 公開範圍只限公司工作區內部,並指定人資企劃專員為管理員,要求規定修訂時 5 日內更換檔案,並在試算表中留下更換紀錄。
  6. 導入兩個月後,單純的規定詢問從每月 310 筆降到 90 筆,回覆時間從每天 2 小時降到 40 分鐘,新人教育時只要一個分享連結就能取代。
相關術語
相關 AI 工具
與此術語相關的課程
📚ChatGPT、AI 工具教育Nanum 經營顧問 企業內訓 · 面授/線上查看課程 →
是否需要針對此主題進行企業內訓?
立即取得負責人為您量身打造的課程規劃與報價。
教育洽詢
最後修訂 2026年9月13日 · 監修 金鍾赫

常見問題

可以。製作的重點只在於撰寫指令並上傳文件,非工程師也能在 30 分鐘內做出第一個機器人。只有外部系統串接(Actions)這類進階功能才需要 API 知識。
必須區分兩種風險。是否用於學習,取決於方案與設定,因此要確認企業方案的政策;另外還有一種外洩風險:對話對象可能透過誘導式提問,把知識檔案的內容引導出來,所以敏感文件應把公開範圍限制在企業內部。
原理相近,但規模與控管程度不同。自訂 GPT 的知識檔案是讓模型方便參照少量文件的功能;RAG 則是把大量文件與搜尋系統結合,連準確度與權限管理都能控制的建置型架構。一般來說,文件在數十份以內用自訂 GPT,超過則改用 RAG。
負責人(擁有者)、知識檔案更新週期、公開範圍政策三項。尤其是處理規定、價格等會變動資訊的機器人,一旦更新中斷就會變成「自信滿滿地答錯的機器人」,因此必須指定負責人。