ChatGPT 新手进阶教程：10 个容易忽略的功能与变现工作流

本文整理自 YouTube 视频《最新！ChatGPT最全教程，10個隱藏版功能，循序漸進小白也能快速上手賺錢，不用懂程式，看完就知道怎麼用（新手保姆級實操）》，频道为“小船 / LittleBoatTan”。由于本次访问无法取得视频的可复核字幕，本文不是逐字稿，而是围绕视频公开标题和主题整理出的可执行教程；具体按钮、套餐权限、模型名称和功能开放范围，请以当前 ChatGPT 界面及 GPT88 控制台为准。

很多人使用 ChatGPT 的方式仍然停留在“打开对话框—问一个问题—复制答案”。这种用法当然能解决一些小问题，但也会错过它真正适合做的事情：查资料、处理文件、生成和修改图片、维护长期项目、封装重复流程，以及把一次性的回答变成可以反复执行的工作流。

本文把视频主题整理成十个功能模块。重点不是记住十个按钮，而是学会判断：什么时候应该用哪种能力、输入什么材料、怎样验收结果，以及什么时候应该停下来核对事实和权限。

先看结论：从“聊天”升级为“任务工作流”

一个更完整的 AI 工作流通常长这样：

明确目标
  → 选择能力
  → 提供上下文和素材
  → 让 AI 生成中间结果
  → 人工检查事实、权限和格式
  → 继续修改或交付

十个功能可以按四类理解：

类别	功能	主要价值
获取信息	搜索、深度研究	从“凭记忆回答”变成“带来源调查”
处理与创作	文件分析、图像生成、语音、Canvas	直接处理材料，产出文本、图像和结构化结果
长期复用	Projects、自定义 GPT	固定项目上下文与重复规则
自动化与开发	Tasks、连接器、API/GPT88	把手工操作接入周期性任务和程序流程

1. 搜索：需要最新信息时，不要只问模型记忆

当问题涉及今天的产品价格、当前版本、政策变化、公司公告、软件文档或实时事件时，普通对话并不适合直接给出结论。先让 ChatGPT 搜索，再要求它列出来源和日期，答案才更容易复核。

可以这样提问：

请查找截至今天仍有效的资料，比较三种方案的价格、限制和适用场景。
只使用可打开的一手来源；每个关键结论后附链接，并标注资料日期。
如果不同来源冲突，请分别列出，不要自行选择一个隐藏冲突。

搜索结果仍然需要检查。尤其要注意：搜索摘要可能过期，第三方文章可能把 ChatGPT 套餐和 API 价格混在一起，网页中的“免费”“无限”也可能只针对某个入口或活动。涉及 GPT88 时，模型 ID、Base URL、计费和速率限制应回到 GPT88 当前文档和 API 响应核验。

2. 深度研究：把复杂问题拆成可交付的调查

搜索适合快速找资料；深度研究更适合需要多来源比较、长报告和明确结论边界的问题，例如工具选型、行业调研、竞品比较和技术路线评估。

一个好任务应该包含：

• 研究问题，而不是只有一个宽泛主题；
• 时间范围和地区范围；
• 必须覆盖的来源类型；
• 输出格式，例如表格、结论、风险和待验证事项；
• 不确定信息如何标注。

示例：

研究适合中文独立开发者的 AI 编程客户端。
范围：当前仍维护的产品，关注 Mac 和 Windows。
比较：第三方 API、项目上下文、工具调用、隐私、价格和导出能力。
输出：先给结论，再给对比表；每项关键事实附来源；把营销宣传、实测结果和推断分开。

深度研究报告不是自动成为事实。发布前仍应打开关键原文，确认版本、发布日期、价格单位和适用条件；如果报告中出现“最高提升”“节省多少时间”等宣传数字，必须确认其测试条件，不能把峰值描述写成普遍保证。

3. 文件分析：先让 AI 读材料，再要求它加工

上传 PDF、表格、演示文稿或文本后，ChatGPT 可以帮助提取结构、总结重点、比较版本、生成问答和发现异常。最有效的方式不是只说“总结一下”，而是先指定阅读任务。

例如：

请阅读这份 PDF，输出：
1. 一页摘要；
2. 章节结构；
3. 所有价格、日期和型号；
4. 需要人工核对的数字；
5. 可以改写成博客的内容提纲。
不要补写 PDF 没有出现的事实。

处理文件时要特别留意三件事：扫描 PDF 可能存在 OCR 错误；表格中的单位和合计不能只靠肉眼判断；包含身份证件、客户资料、源代码、密钥或未公开商业信息的文件，不应在没有确认数据处理边界前上传。

如果要把 PDF 整理到 GPT88 文档站，推荐保留来源说明、作者、发布日期、选定配图和原文链接；需要完整截图时，明确标注截图是原始材料，不要让读者误以为截图中的品牌或价格属于 GPT88。

4. 图像生成与编辑：描述交付条件，不要只堆风格词

ChatGPT 的图像能力适合封面、海报、概念图、商品场景和局部编辑。首轮提示词可以按下面顺序写：

用途 + 主体 + 场景 + 构图 + 比例 + 必须出现的文字 + 必须保持的内容

例如：

为技术博客制作一张 16:9 横版封面，主题是“AI 工作流自动化”。
左侧留出标题区，右侧是由文件、搜索和自动化节点组成的明亮工作台。
蓝紫色现代科技插画风，缩略图状态也要看清主体。
不要出现第三方品牌 Logo、价格数字或无法核验的统计数据。

修改时一次只改一个变量，并写清保持项：

只修改右下角的背景颜色为深蓝色。
保持人物、产品比例、标题文字、光线方向和画面比例不变。
不要增加新物体或其他文字。

文字、Logo、商品包装和人物身份必须放大检查。图片“看起来像写了字”不等于文字正确；产品图“看起来真实”也不等于产品参数真实。需要批量生成时，可在 GPT88 中使用当前可见的图片模型，但模型 ID、尺寸、编辑参数和价格都要以当前接口文档及 GET /v1/models 为准。

5. 语音：适合快速输入和内容草稿，不适合跳过确认

语音输入可以降低提问门槛：走路时记录想法、把会议要点说出来、让 ChatGPT 口头解释一段代码，或者把一篇长稿改成口播提纲。推荐先用语音产生粗稿，再让模型输出结构化文本：

把我刚才的口述整理成：目标、事实、待办、疑问和不能确定的内容。
不要把推测写成已经发生的事情。

涉及会议、客户、医疗、财务或未公开事项时，先确认录音、转写和分享权限。语音转写可能听错专有名词、数字和人名，正式纪要要回听原音并逐项核对。

6. Canvas：适合边看边改的长文本与代码

当任务不是一次问答，而是需要持续修改一篇文章、一段代码或一份结构化文本时，Canvas 类编辑空间比在聊天记录里来回复制更适合。可以先让 AI 生成初稿，再针对选中的段落提出修改要求。

推荐的协作方式是：

1. 先定义读者、目标和长度；
2. 让 AI 生成结构，不急着润色；
3. 逐段检查事实和逻辑；
4. 只对选中区域提出局部修改；
5. 最后统一检查标题、链接、代码和格式。

代码同样要运行测试，文章同样要回到来源。编辑区中的“完成”只代表文本被修改，不代表软件已经运行，也不代表引用已经核验。

7. Projects：把长期任务的上下文固定下来

Projects 适合一个会持续数天或数周的主题，例如写一本小册子、维护一个产品文档、完成一项研究或运营一个内容栏目。它的价值不是“自动记住一切”，而是把相关文件、约定和对话集中到一个边界内。

可以为项目准备一份简短的工作说明：

项目目标：维护 GPT88 中文文档站。
写作风格：清晰、克制，区分官方事实、实测结果和推断。
链接规则：优先官方来源；GPT88 接入使用当前文档，不编造模型能力。
发布前检查：Markdown、内部链接、SEO 路由、构建和 Git 状态。

项目文件也要定期清理。过期价格、旧模型名、互相冲突的说明会让后续回答变得不可靠；“放进 Project”不是版本管理，也不是备份方案。

8. 自定义 GPT：把重复的角色和规则封装起来

如果你每次都要重复说明“你是技术编辑”“必须保留来源”“输出要包含风险提示”，可以把这些固定规则封装为自定义 GPT 或项目级指令。一个合格的配置至少应包含：

• 负责什么任务；
• 不负责什么任务；
• 输入格式；
• 输出格式；
• 事实和来源规则；
• 失败时如何询问或停止；
• 需要哪些知识文件。

不要把所有经验都塞进一份超长指令。通用边界放在入口，具体模板和参考资料按需提供；每次更新后用成功、失败和越权三个测试用例验收。自定义 GPT 仍可能产生错误，因此不能让它未经人工复核就发送邮件、修改生产数据或发布对外声明。

9. Tasks：让周期性提醒变成可执行的小闭环

任务自动化适合低风险、可重复、结果容易检查的事情，例如每天整理待办、每周提醒复盘、定期生成主题清单。创建任务时要写清时间、时区、输出和失败处理：

每周一上午 9:00（Asia/Shanghai），提醒我检查上周 GPT88 文档的 broken links，
输出待检查 URL 清单；如果无法访问，不要猜测修复结果，只标记为待人工处理。

周期性任务不是“以后一定完成”的证明。第一次运行后要检查是否真的触发、结果是否送达、时区是否正确，以及失败时是否有提示。涉及外部发布、付款、删除和发送消息的动作，应保留人工确认。

10. 连接器与 API：从个人使用走向可控集成

连接器可以让 AI 读取或操作外部服务；API 则适合把模型能力接入自己的应用、脚本和批处理。两者都需要先分清“能读什么”和“能写什么”。

在 GPT88 中配置 API 时，最小安全流程是：

1. 在控制台创建或复制 API Key，但不要把 Key 写进代码、Markdown 或截图；
2. 使用环境变量保存凭据；
3. 先调用模型列表，确认当前可用模型 ID；
4. 用一个低成本、无敏感数据的请求验证 Base URL、认证和返回格式；
5. 记录请求 ID、错误和扣费，确认后再接入批量任务。

示例结构：

export GPT88_API_KEY='在本机安全环境中设置'
curl https://api.gpt88.cc/v1/models \
  -H "Authorization: Bearer $GPT88_API_KEY"

示例中的地址和模型目录可能会随 GPT88 产品更新而变化，正式接入请以当前 GPT88 文档为准。不要在客户端前端暴露长期 Key；如果要把能力提供给他人，应由服务端承担鉴权、限额、日志脱敏和错误处理。

从 AI 能力到“赚钱”：先卖结果，再卖工具

视频标题提到“不用懂程式”和“上手賺錢”，更稳妥的理解不是“学会十个按钮就能稳定赚钱”，而是用这些能力降低交付成本。可以从低风险、边界清晰的服务开始：

服务方向	AI 可协助的部分	必须由人负责的部分
内容整理	资料提纲、初稿、标题和多平台改写	来源核验、事实、版权与最终发布
商品视觉	场景草图、变体和背景方案	产品真实性、Logo、商用授权和质检
企业知识库	文档分类、问答草稿和检索入口	权限、版本、敏感信息和人工升级
小型自动化	API 调用、批处理和格式转换	Key 管理、预算、重试和异常回滚

报价时不要只说“我会用 ChatGPT”。客户购买的是一份可验收的结果：多少页、多少张图、多少轮修改、什么时候交付、哪些内容需要客户确认。把模型成本、人工编辑、失败重试和交付管理一起算入，不要用“AI 很便宜”承诺不现实的低价。

新手最容易踩的 7 个坑

1. 把搜索摘要当原文。 关键事实要打开来源并记录日期。
2. 把 ChatGPT 套餐当 API 额度。 产品入口、订阅和 API 是不同合同。
3. 上传所有文件。 先判断敏感性、权限和保存范围。
4. 图片生成后直接发布。 检查文字、人物、商品、数字和裁切。
5. 让自定义 GPT 直接执行高风险操作。 写入、发送、付款和删除要有人确认。
6. 只看一次成功演示。 用真实任务集测试成功率、延迟、成本和失败恢复。
7. 把“不会编程”理解成“不需要验证”。 不写代码也要验证文件、链接、事实和交付结果。

一套 30 分钟上手练习

如果你是第一次系统使用，可以按下面的顺序完成一次小闭环：

1. 选择一个你熟悉的主题，先让 ChatGPT 搜索三篇一手资料；
2. 上传其中一份公开 PDF，提取摘要、数字和待核对项；
3. 让它把摘要改写成一篇 800 字文章提纲；
4. 生成一张不含敏感资料的文章封面；
5. 在 Canvas 中修改文章开头和结尾；
6. 把最终结果保存为 Markdown，并人工核对所有链接；
7. 如果要通过 GPT88 API 复现，先查询模型目录，再发一个最小请求；
8. 记录本次使用的模型、耗时、失败次数和实际成本。

这套练习会让你同时体验“获取信息—处理素材—创作—校验—复现”五个环节。真正值得长期保留的不是某一次漂亮答案，而是你能否把任务拆清楚、把输入准备好，并在交付前证明结果可靠。

写在最后

ChatGPT 的隐藏能力并不神秘：它们大多是在对话之外增加了搜索、文件、编辑、长期上下文、自动化和 API 这些工作面。新手最应该建立的习惯，是每次先问自己三个问题：

• 这件事需要最新资料，还是只需要已有上下文？
• 这是一次性回答，还是值得封装成可复用流程？
• 结果中哪些内容必须由我本人核对？

当这三个问题成为习惯，ChatGPT 才会从“聊天工具”变成真正的工作台。GPT88 可以作为 API 接入和模型验证的一条路线，但具体模型、价格、权限和协议以当前官方文档、控制台和实际响应为准。

来源：YouTube 视频原链接