它能帮你顺畅执行工作流，比 @GPTs 好用 100 倍

1 月 30 日晚 10 点，我仍旧没有被灰度到 @GPTs 的功能，决定自给自足。两小时后（在 GPT 的帮助下）功能完成文章写好，喜滋滋发到群里接受大家的赞美。[1]

第二天一觉醒来，OpenAI 已全面放开，我也拿到了 @GPTs 权限。就差这么几小时……

并没有白忙乎。我体验过 OpenAI 的 @GPTs 后，发现还是自己的更好用。今天得闲，迭代了一版。五个优点，让我完全弃用 @GPTs。

优点 1: 可选的 GPTs 范围广

在原生应用里，只有最近用过的若干和被 pin 在左边栏的 GPTs 才能够被 @ 到。如果临时想起用某个 GPTs，要么得 pin 住它，要么得浪费一次对话轮次使得它出现在最近使用的列表里。都不方便。

而用我的小工具，可以 @预先设置好的名称，也可以输入 @g-xxxxxxxxx 的编号，甚至直接输入你想用的 GPTs 的 https 链接，只要是放在最开头，都能被准确识别到。

复制一个已有的链接，这是召唤临时想到的 GPTs 最简单的方式了。我自己习惯的流程是：始终打开一个 Explore GPTs 的窗口，想要做什么就搜一下，然后鼠标右键->复制链接地址，回到对话 thread 粘贴。

对于常用的，则可以设置好简写的名称，用起来会更方便。（& 和 @ 都可以。主要是考虑到输入 @ 就会有 OpenAI 的 GPTs 选择框蹦出来，比较麻烦，所以额外又支持了 &。）

顺带吐槽：OpenAI 不让直接 @任意 GPTs 是因为三百万个 GPTs 搜索性能扛不住吗？它在 @ 功能上哪怕加个点击了才搜的按钮，也比现在无法即兴在对话中召唤任意 GPTs 要好呀。OpenAI 的产品真的是草台班子～～

优点 2: 修改中间的对话也能 @

原生 @GPTs 功能只能在最下方的输入框里用，如果我想修改之前的对话，就无法指定了。

但是，在我的小工具里，不存在这样的困扰：

优点 3：预先设计好工作流，点按钮更方便

@GPTs 的小脚本和 EasyFill 结合起来就更方便了：创建一个功能组，把与特定某件事相关的 GPTs 都放到功能组下，只需要点击按钮就可以依次唤出。[2]

一套好的工作流，不只是操作简单，它总挂在页面右侧，也是在提醒你接下来该做些什么。

而它的实现极其简单：把相对应的 gizmo id 填到模版里就好。

优点 4: 可以局部引用前面的文字

有上下文后 GPTs 能知道前情提要是很好。但如果前面内容过多，想要只关注其中一部分，原生的 @GPTs 就做不到了。EasyFill 可以轻松达成局部强调的效果。

例如上面的“文字配插图”功能组，我通过“提取要素”把卡尔维诺《看不见的城市》的文字交给 @g-rzeBPKJPI，它给出了五个插图方案。然后，我只需要选中偏好的方案，再点击“画插图“按钮。

新的 prompt 自动编辑好发送，冗长的上下文不再是干扰。（感谢 @g-Qs1wbwJEP 的作者林克，超喜欢你这个 Ghost Painter！）

优点 5：输出内容直接点！看我变魔法！

本来只是输出的内容按我要求前后添加了 ️ emoji，输出结束后摇身一变变成了可以点击的链接。选中自己喜欢的方案，轻轻一点，给 Ghost Painter 的画插图命令就发送出去了。

几个链接分别点一遍，多张图片刷刷刷就生成了，超方便！

魔法其实很简单：EasyFill 会把符合给定正则表达式的内容，替换可以点击的链接，链接点击后的行为就是填写 prompt 并发送。我要求前一个命令输出内容用 ️ ️ 括起来，再设定一个 ️(.*?)️ 正则匹配，搞定！[3]

一点感想：

从 prompt engineer 到 flow engineer

最后这一个方案，比较接近我期望的人机协作互动了。[4]

去年上半年，我着迷于 prompt engineer，用一段长长的伪代码式的 prompt 让 GPT 完成超复杂的任务，看起来很酷炫。[5]

后来我反思，何必像帕格尼尼用一根琴弦拉小提琴那样炫技，用一串 prompt 更稳定地实现功能不好吗。于是开始研究 agent framework，自己写了个超轻便的，也用过不少很不错（metagpt 很赞）。（刚巧最近一篇 flow engineer 的论文也有提到，多个 prompt 多次生成测试反馈迭代，效果好于精心构造的 prompt 一次生成。我们的侧重点略有差异，但异曲同工。）[6]

再后来，用 agent framework 写小说的过程中[7]，我深刻认识到在很长一段时间里，AI 都需要通过与人协作来获得更好的表现：它需要人为它提供很多很多的上下文，很多很多的反馈[8]。对话框，是一种看上去最简陋、其实却最灵活的方案，可以让人与各个 bot 非常自由地穿插着对话。因此，我开始写 EasyFill 等小插件。

最近越来越强烈的感觉——要让 LLM 发挥作用，需要的远不止是理科生思维：用 RAG 提供上下文，用 agent framework 精心设计各 bots 之间的交流，用 生成-测试-反馈-迭代 的流程让 LLM 自行进化……这些都很重要，但文科生的思路也很有价值——比如我之前说的靠（动作）把 LLM 带入该有的氛围，靠 YES-AND 和 LLM 不断推陈出新。一个方便灵活的对话框，是试验这类文科生方法的最佳途径。

不知道接下来 OpenAI 会发布什么，agent transformer 什么时候能到来。等它来了，文科生们的方法就有更多用武之地啦。期待着……