是什么造就了一款出色的 ChatGPT 应用

在 DevDay 上，我们推出了 ChatGPT Apps——一种将你的产品直接带入 ChatGPT 对话的新方式。本文在该发布的基础上，为开发者、产品经理和设计师提供实用指导，帮助你选择合适的应用场景，并设计出上线后真正有用的应用。我们将重点介绍如何将你产品的优势转化为清晰、范围明确的能力，使模型能够在各种不同的对话和用户意图中应用这些能力。如果你想找原始的技术工作流程，可以直接跳转到 Apps SDK 快速入门和开发者文档。

我们将涵盖：

• ChatGPT 应用到底是什么（以及不是什么）
• 应用真正增加价值的三种方式
• 如何为对话和发现而设计
• 如何判断你的应用是否真的在发挥作用
• 具体示例和截图建议

ChatGPT 应用到底是什么

当团队构建他们的第一个 ChatGPT 应用时，出发点通常是：

       “我们已经有一个产品了。让我们把它带进 ChatGPT。”

这通常从拿出现有的网页或移动端体验——屏幕、菜单、流程——并试图将其重塑为聊天形式开始。这是一种合理的直觉；多年来，“软件”一直意味着页面、导航和 UI 骨架。

然而，为 ChatGPT 构建应用是一个不同的环境。用户并不是“打开”你的应用并从主页开始。他们正在就某件事进行对话，而模型可以决定何时将应用引入该对话。他们是在某个时间点进入的。 在这样的世界中，最好的应用从外部看往往出奇地小。它们不会试图重新创建整个产品。相反，它们允许用户在 ChatGPT 中使用应用时访问一些特定的能力：你的产品最擅长的具体事情，模型可以在任何对话中重复使用。

在 ChatGPT 之外，你的应用通常是目的地。用户会：

1. 点击你的图标
2. 进入你的环境
3. 学习你的导航和 UI 模式

大多数产品决策都源于这个假设：“我们拥有这个屏幕。”你可以大力投入布局、引导流程和信息架构，因为用户正在投入你的空间。

在 ChatGPT 内部，你的应用扮演不同的角色：

• 它是模型可以调用的能力——用于上下文和视觉互动。
• 它出现在进行中的对话内部。
• 它是模型可能编排的多个工具之一。

这意味着“价值单位”更多是你能在正确时刻帮助模型和用户完成的具体事情，而不是你的整体体验。

一个实用的定义：

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

这有几个含义：

• 你不需要移植每个功能。
• 你不需要完整的导航层级。
• 你确实需要一个清晰、紧凑的 API：一组易于调用、易于在其基础上构建的操作。

你可以这样理解：你的 ChatGPT 应用是模型在用户遇到特定类型问题时会使用的工具箱。这个工具箱定义得越精确，在对话流程中就越容易使用。

一旦你将应用视为“模型可以编排的能力”，而不是“我们产品的迷你版”，设计决策就会变得更清晰。你会开始问“我们在这里能帮上什么忙？”，而不是“用户接下来应该去哪里？”

增加真正价值的三种方式

适用于任何应用创意的简单筛选标准：

• 认知：它是否让用户能够获取在 ChatGPT 中无法看到的新上下文或数据？
• 行动：该应用是否代表用户执行真实操作？
• 展示：该应用是否以比纯文本更清晰、更可操作的 UI 呈现信息？

这既适用于“严肃的”生产力应用，也适用于“纯属娱乐”的应用（如游戏）。游戏可能无法帮助用户更快地交付报告，但它仍然能做到基础模型自身无法做好的事情：维护有状态的游戏逻辑、跟踪进度、执行规则，或渲染游戏世界的有趣视图。其价值在于愉悦感和参与度，但底层模式是相同的。

1) 新的认知内容

你的应用在 ChatGPT 对话中提供新的上下文：

• 实时价格、可用性、库存
• 内部指标、日志、分析数据
• 专业的、订阅限定的或小众的数据集
• 用户特定数据（账户、历史、偏好、权限）
• 传感器数据、实时视频流

在实践中，这通常意味着接入那些数据准确、及时且有权限控制的系统。该应用成为模型在你所在领域的“眼睛和耳朵”，能够以更高的权威性回答问题。

2) 新的行动

你的应用代表用户执行操作：

• 在内部工具中创建或更新记录
• 发送消息、工单、审批、通知
• 安排、预订、下单或配置事物
• 触发工作流（部署、升级、同步数据）
• 玩互动游戏（应用规则、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，应用与其说是真相来源，不如说是一双得力的手。它将用户的意图转化为你团队日常所用系统中的具体变更——或者对于游戏而言，转化为游戏状态的具体变更，使体验保持一致和公平。正是在这里，你的应用以有意义的方式转变为智能体。

3) 更好的展示方式

应用可以在 ChatGPT 对话中以 GUI 形式呈现信息，使信息更易于理解或更具可操作性：

• 精选列表、对比、排名
• 表格、时间线、图表
• 针对特定角色或特定决策的摘要
• 游戏状态的可视化或结构化视图（棋盘、库存、得分）

当用户在做选择或权衡取舍时，这一点尤其有价值。应用可以为模型提供一种结构化的语言：具有列、行、得分和视觉元素的组件，与人们实际的决策方式相匹配——或者在游戏中，与他们理解自己在世界中“所处位置”的方式相匹配。

如果一个应用在认知/行动/展示中至少一项上没有明显提升，它往往会让人觉得没有为用户在 ChatGPT 中已有的能力增添价值。用户可能不会明确抱怨，但这错失了为用户提供更有意义价值的机会，无论该应用是用于工作还是娱乐。

这里你可以看到一个由应用增强的体验示例：

来自 ChatGPT 的示例回答

这个回答很有帮助，然而，用户可能希望使用具备额外功能的应用，在不改变上下文或离开对话的情况下直接浏览真实房源。

使用 Zillow 应用的回答

借助 Zillow 应用，用户获得了额外的能力：搜索实时房源、按条件筛选，并查看丰富的房源详情——这一切都无需离开聊天。

用于丰富探索的全屏模式

这里的价值在于，你既能从模型获得丰富的上下文，又能获得一个可与用户意图动态交互的增强型应用体验。想让它查找某个特定区域的房源？使用 Zillow 应用时，模型会调用 Zillow MCP 服务器上的工具并重新渲染 UI 层。

选择能力，而非移植你的产品

一个常见的初步想法是列出产品的所有功能，然后问：“我们如何把这些带进 ChatGPT？”

从纸面上看，这似乎很周全。但在实践中，它通常会产生一个庞大而模糊的表面区域，模型难以导航，用户也难以理解。如果你难以用一句话概括应用的功能，模型也会更难理解它。

更有效的路径是：

1. 列出核心待办任务（jobs-to-be-done）——识别用户试图完成的、你的产品能帮助实现的具体任务或成果。这些正是你的产品存在的原因。从这里开始，可以让你专注于用户成果，而不是功能清单。
   示例：

   • 帮助人们选择住宅。
   • 将想法转化为精美的演示文稿。
   • 将意图转化为愉悦的发现体验。
   • 将原始数据转化为清晰、可分享的报告。

2. 针对每项任务，问自己：

   “如果没有应用，用户在 ChatGPT 对话中就无法做什么？”

   常见答案包括：

   • 访问实时或私有数据。
   • 在我们的系统中执行真实操作。
   • 获取用户所需的结构化或可视化输出。

3. 这正是你的独特价值开始显现的地方。你不再思考“我们在技术上能暴露什么？”，而是思考“我们在哪些方面有独特的帮助？”

4. 将这些差距转化为少数几个命名清晰的操作。例如：

   • search_properties – 返回候选住宅的结构化列表。
   • explain_metric_change – 获取相关数据并总结可能的驱动因素。
   • generate_campaign_variants – 创建多个带有元数据的广告变体。
   • create_support_ticket – 创建工单并返回摘要 + 链接。

这些操作是：

• 足够具体，让模型能够自信地选择
• 足够简单，可以与对话中的其他步骤混合使用
• 直接与价值挂钩，而不是与你的整个产品地图挂钩

另一种思考方式是：如果团队中有人问：“我们绝对需要这个应用做好的三件事是什么？”这些事应该几乎一一对应地映射到你的产品能力。

例如，ChatGPT 中的 Canva 应用可以生成整个演示文稿草稿，用户可以进入符合其对幻灯片浏览预期的全屏模式，但更深入的逐页编辑仍在完整的 Canva 编辑器中进行。

为对话和发现而设计

在你的 MCP 服务器中，你可以定义 description，它为模型提供上下文，说明何时调用你的工具，以及具体调用哪些工具来执行特定任务。这有助于将用户意图映射到你的工具操作。

a) 模糊的意图

帮我弄清楚该住在哪里。

一个好的应用响应会：

• 使用对话中已有的任何相关上下文。
• 如有需要，最多问一两个澄清性问题。
• 快速产出具体成果——例如，给出几个示例城市并附上简短说明。

用户应该感觉到进展已经开始，而不是被扔进了一个多步骤的引导流程。如果他们必须回答五个问题才能看到有用的信息，很多人会直接放弃。

让我们看看 Canva 应用是如何处理这一点的：

构建一个完整的演示文稿需要上下文。Canva 应用会提出后续问题，以引导用户综合他们想要构建的内容。

b) 特定意图

在西雅图寻找价格低于 $1.2M、靠近优质小学的三居室住宅。

在这里，应用不应要求用户重复自己的话。它应该：

• 解析查询。
• 调用正确的功能。
• 返回一组结构清晰、聚焦的结果。

你仍然可以提供细化选项（“你更看重通勤还是学校评分？”），但它们应该感觉像是可选的微调，而不是必需的设置。

Canva 示例：

当用户的意图变得明确并要求生成演示文稿时，模型确切地知道何时调用 Canva 以及调用哪个功能。

如下所示，该工具会分享几个选项，并在用户希望进一步细化时进行更深入的探询：

c) 没有品牌认知

你不能假设用户知道你是谁。

你的第一个有意义的响应应该：

• 用一句话解释你的应用的作用（“我提供实时房源和学校评分，方便你比较选项。”）。
• 立即提供有用的输出。
• 提供清晰的下一步（“让我按通勤、社区或预算来缩小范围。”）。

把它看作一个冷启动问题：你在介绍你是什么、为什么你有用以及如何使用你——全部在一两条消息内完成。

同时为模型和用户进行设计

你在为两类受众设计：

• 聊天中的人类
• 决定何时以及如何调用你的应用的模型运行时

大多数团队对思考第一类受众感到自在。第二类则较新。但如果模型无法理解你的应用是做什么的或如何使用它，你面向人类的体验将没有太多运行的机会。

还有一个同样重要的维度：当模型调用你的应用时，哪些用户数据会流经你的应用。良好的应用设计不仅关乎清晰的功能，还关乎在你请求什么以及你如何使用它方面保持自律。

• 清晰、描述性的操作和参数：让你的应用何时相关以及如何调用一目了然。使用直白的名称（search_jobs、get_rate_quote、create_ticket），并明确说明哪些参数是必需的、哪些是可选的，以及如何格式化它们。歧义是路由的负担。

• 隐私优先设计：只请求你真正需要的字段。避免收集额外上下文的“大杂烩”参数。优先使用最小化、结构化的输入，不要使用“把整个对话都发过来”之类的指令。

• 可预测、结构化的输出：保持 schema 稳定；包含 ID 和清晰的字段名称。将简短摘要（“三个符合你预算和通勤时间的选项”）与机器友好的列表（[{id, address, price, commute_minutes, school_rating, url}, …]）配对。这使模型能够自然地交谈，同时保持对数据的精确掌控。

• 对你不返回的内容保持有意为之：不要“以防万一”跳过敏感的内部信息。将令牌/密钥排除在用户可见的路径之外。当不需要完全保真度时，进行脱敏或聚合。

• 明确说明你收集什么以及为什么：只请求完成工作所需的最少信息。当你需要敏感信息（例如账户访问权限）时，用一句话说明原因。设计操作和 schema，使发送什么到哪里一目了然。

为生态系统设计，而非围墙花园

在真实的 ChatGPT 会话中，你的应用很少是唯一参与的应用。模型可能会在同一对话中调用多个应用。

从用户的角度来看，这是一个流程。从你的角度来看，这是一个提醒：你是生态系统的一部分，而不是一个封闭的产品。

几个实际的影响：

• 保持操作小而聚焦

  • search_candidates、score_candidates、send_outreach
  • 而不是单一的 run_full_recruiting_pipeline。

• 让输出易于传递

  • 稳定的 ID、清晰的字段名称、一致的结构。
  • 避免将重要信息仅隐藏在自由文本中。

• 避免冗长、隧道式的流程

  • 完成你的工作部分，然后将控制权交还给对话。
  • 让模型决定下一步应由哪个工具处理。

如果其他应用（或你自己的应用的未来版本）能够轻松地基于你的输出进行构建，你就能从生态系统的其他改进中受益，而不是与之竞争。

快速检查清单

一份可在构建前后运行的简短检查清单：

• 1. 新能力

  • 你的应用是否明确地知道、执行或展示新事物？
  • 在你的目标场景中，如果它停止工作，用户会注意到吗？

• 2. 聚焦的界面

  • 你是否选择了一小部分功能，而不是克隆你的整个产品？
  • 这些功能的命名和范围是否清晰地映射到实际待办任务？

• 3. 首次交互

  • 你的应用能否优雅地处理模糊和具体的提示？
  • 新用户能否从第一次有意义的响应中理解你的角色？
  • 他们在第一轮对话中就能看到价值吗？

• 4. 模型友好性

  • 操作和参数是否清晰且无歧义？
  • 输出是否结构化且足够一致，以便链接和重用？

• 5. 评估

  • 你是否有一个包含正面、负面和边缘情况的小型周到测试集？
  • 你是否对应用提供的答案与不使用应用时 ChatGPT 答案的胜率有某种概念？

• 6. 生态系统契合度

  • 其他应用和用户能否合理地基于你的输出进行构建？
  • 你是否愿意成为多应用链中的一个环节，而不是整个旅程？

你不需要在每个维度都完美才能发布。但如果这些问题大多数你都能回答“是”，那么你就不只是把产品放进 ChatGPT，而是在你的领域赋予 ChatGPT 真正的杠杆作用——而这些应用正是从这里开始变得不可或缺。