ChatGPT每週更新1.1次!這位專家揭露2025年正確使用方法,讓你效率提升10倍

2025年才過了一半,ChatGPT已經推出超過30個更新!面對推理模型、網路搜尋、深度研究、Canvas等眼花撩亂的新功能,大多數使用者都陷入選擇困難。這支爆紅影片的創作者用實際案例,清楚示範什麼時候該用什麼功能,讓複雜的AI工具變得簡單易懂。

選對模型是成功的第一步

影片中最重要的觀念顛覆了許多人的想法:不要根據任務類型選模型,而要根據任務複雜度來選。

創作者舉了幾個生動的例子。查詢「哪些水果纖維最多」這種簡單問題,用聊天模型(GPT系列)就足夠,答案差個一兩克也無所謂。但如果要求「設計一份含15克纖維和20克蛋白質的素食早餐」,就需要推理模型(O系列)來仔細思考各種食材組合。

他特別強調:「推理模型就像挑選伴侶,要選名字最乾淨的那個,不要選後面有一堆額外編號的。」這個比喻雖然有趣,但點出了重要原則:選擇最新、最簡潔的模型版本。

有趣的是,寫電子郵件這個看似日常的任務,也要看情況選模型。如果只是把要點轉成正式信件,聊天模型綽綽有餘。但如果是處理20封郵件的客訴災難,需要寫出既不失禮又能解決問題的回覆,那就要上傳整個郵件串,請推理模型幫你寫出「外交辭令」。

提示詞技巧大公開

關於如何給推理模型下指令,影片分享了三個反直覺的技巧:

第一,使用分隔符號來區分資訊。比如把指令放在「任務」區塊下,把要分析的內容放在「文件」區塊下。這能幫助AI清楚區分你要它做什麼,以及要對什麼內容進行操作。

第二,千萬不要加上「請一步步思考」這句話!這對聊天模型有用,但對推理模型反而有害,因為它們本來就會自動逐步思考。

第三,範例是可選的。推理模型在零範例(zero-shot)的情況下表現就很好,只有在結果不對時才需要加範例。

網路搜尋功能的正確打開方式

很多人把ChatGPT的網路搜尋當成Google用,這是最大的誤區。創作者給出了清楚的使用原則:

單一事實查詢還是用Google比較快。比如查「NVDA股價」,開新分頁Google一下就有答案。

但如果你需要的是「事實加解釋」,ChatGPT搜尋就能發揮優勢。例如問「Nvidia最新財報在什麼時候?股價是漲是跌?原因為何?」不僅能得到互動式圖表,還有完整的背景分析。

更進階的用法是要求特定格式的輸出。比如「過去5年全球疫苗接種率,以表格呈現」,ChatGPT會整理出清楚的表格,還能回答後續問題,像是「為什麼每年有多個欄位而不是只有一個數字?」

深度研究功能威力驚人

影片中最讓人印象深刻的功能是深度研究(Deep Research)。這個功能會花10到20分鐘,自動瀏覽數十甚至上百個網頁,產生詳細的研究報告。

創作者舉了兩個實用案例。第一個是分析晶片公司:「根據最新財報,分析比較Nvidia、AMD、Intel的AI晶片發展藍圖」。以前需要手動開幾十個分頁查看各公司財報,現在AI會自動完成這些工作。

第二個是個人理財案例:「分析美國前五大高利率儲蓄帳戶,包含隱藏費用,並為每月存1000美元的人做預測」。這種需要比較多家銀行資訊的任務,深度研究能省下大量時間。

更強大的是,深度研究可以連接私人資料來源如Google Drive,在商業環境中能產生「比較我們公司Q4表現與競爭對手,引用內部數據和外部產業報告」這類報告。

Canvas功能讓編輯變簡單

Canvas功能的使用時機很明確:當你知道需要多次編輯ChatGPT的回應時就該開啟。

影片中的績效評估範例特別實用。先上傳公司的評分標準,讓ChatGPT產生初步大綱。接著在Canvas視窗中刪除不必要的部分、加入具體成就、適度美化數字(影片作者稱之為「不成文的企業潛規則」)。

Canvas的強大之處在於可以針對特定段落要求修改,還有版本控制功能,能在不同版本間切換。最後可以下載markdown格式,上傳到Google Drive就能得到格式完美的文件。

實用指令快速上手

影片最後分享了三個最愛用的指令:

使用「elaborate」來增加細節,例如「elaborate on these three bullet points」(詳細說明這三個要點)。

使用「critique」來及早發現問題,例如「I'm arguing for more headcount based on this data. Critique my approach」(我根據這些數據爭取更多人力,請批評我的做法)。

使用「rewrite」來改善內容,例如「rewrite the second paragraph using a friendly tone」(用友善的語氣重寫第二段)。

這支影片最有價值的地方,是用大量實例說明了一個核心概念:根據任務複雜度而非類型來選擇ChatGPT功能。掌握這個原則,加上正確的使用技巧,就能真正發揮AI的威力,而不是只會問它簡單問題。

參考資料來源:https://www.youtube.com/watch?v=p3840QxlYzc

Read more

Claude推出「Skills」功能,AI工作流的下一個革命!別再重複下指令了

Claude推出「Skills」功能,AI工作流的下一個革命!別再重複下指令了

Anthropic 近期為其 AI 模型 Claude 推出了名為「Skills」的革命性功能,這不僅僅是一次小更新,而是從根本上改變我們設計 AI 工作流程與智能代理(AI agents)的遊戲規則。許多人對 Skills、MCP(Meta-level Control Protocol,元級控制協議)和 Projects 之間的關係感到困惑,甚至誤以為 Skills 只是為了修復 MCP 的問題。事實上,這是一個巨大的誤解。本文將深度解析 Claude Skills 的真正潛力,並透過實戰教學,展示如何立即應用這項功能,打造專屬於你的高效 AI 助理。 簡單來說,你可以將 Claude Skills 理解為「可重複使用的指令手冊」。它教導 Claude 如何按照你的特定要求、

By andy
Claude Skills 實戰教學:如何打造永不犯錯的「數位員工」,徹底終結 AI 的胡言亂語!

Claude Skills 實戰教學:如何打造永不犯錯的「數位員工」,徹底終結 AI 的胡言亂語!

AI 總是不聽話、給出的答案亂七八糟?你可能用錯方法了!在這場深度訪談中,AI 專家 Amir 揭示了 Anthropic 最新推出的殺手級功能——Claude Skills,並現場展示如何將其打造成一個個「數位員工」,解決 AI 最令人頭痛的不可靠問題。本文將帶你深入了解 Skills 與傳統的專案 (Projects) 和子代理 (Sub-agents) 有何天壤之別,並透過三個實戰案例,教你如何打造出能精準執行重複性任務、永不犯錯的 AI 助手。 在深入 Skills 之前,我們必須先理解過去的作法有哪些瓶頸。 首先是 專案 (Projects),這像是為團隊打造的共享工作區,你可以設定系統指令、提供相關文件作為「記憶」,並連接外部工具。這對於協作很有幫助,但問題在於你必須不斷手動更新背景資料,而且當資料過於龐雜時,會出現「脈絡腐爛」(Context Rot) 的問題。

By andy
別再碰AI了!高手學自動化,為何堅持從最無聊的基本功開始?

別再碰AI了!高手學自動化,為何堅持從最無聊的基本功開始?

AI自動化專家 Nate Herk 在最新的分享中,拋出了一個顛覆許多人認知的觀點:如果你想精通 n8n 這類自動化工具,最錯誤的起點就是直接跳進去打造酷炫的 AI 代理人(AI Agents)。他坦言,自己初學時也犯了同樣的錯,只想著「盡快做出 AI」,卻忽略了最關鍵的核心。如果時間能倒流,他會採取截然不同的學習路徑。這篇文章將深度解析 Nate Herk 提出的反直覺學習藍圖,告訴你為何掌握「無聊」的工作流程,才是通往真正強大 AI 自動化的唯一道路。 大多數初學者都急於打造 AI 代理人,因為它們看起來很酷,是網路上的熱門話題。但 Nate Herk 警告:「這就像還不會走路就想學跑。」他強調,如果你不了解工作流程的運作原理,你永遠無法建立出穩定可靠的 AI 代理人。 他將自動化分為三個層次: 1. 工作流程 (Workflows)

By andy

好的,這是一篇根據你的口述內容和風格要求,改寫而成的繁體中文長文,適合發布在 Facebook 或 Blog。 --- 我如何用 Google NotebookLM,將1小時的混亂發言,變成1張秒懂的資訊圖表

【我如何用 Google NotebookLM,將1小時的混亂發言,變成1張秒懂的資訊圖表】 老實說,我一直在找一個能完美解決「輸入、整理、輸出」的 AI 工具。市面上的工具很多,輸入不成問題,整理摘要也做得不錯,但到了「輸出」這一步,總覺得少了點什麼。大多工具給你的,就是一堆文字、一串重點,乾巴巴的,很難讓人一眼就抓住精髓。 直到我最近用到了 Google 的 NotebookLM,才真的有種「就是這個了!」的感覺。它在輸出的環節,特別是視覺呈現上,是我目前看過最驚豔的,沒有之一。 你有沒有過這種感覺?開了一場長達一小時的會議,或是跟客戶、朋友聊了半天,腦袋裡的東西像一團打結的毛線,跳躍又發散。你想把這些內容整理給別人看,卻發現光是條列式重點,根本無法傳達當下的思緒脈絡。對方看了半天,還是抓不到你真正想講的主線是什麼。 我就是這樣。我的思緒常常很跳 Tone,

By andy