Shira Lazar 如何为编辑团队构建自定义 GPT

Shira Lazar 介绍为 What’s Trending 构建的自定义 GPT 实操演示。她和嘉宾 Jim Marsh 将解释背后的框架，以及团队如何在编辑工作中使用它。

Marsh 介绍自己在 HBO 建立数字营销和社交媒体能力的经历。他说，生成式 AI 的普及恰好与自己进入职业新阶段的时间重合。

他将 AI 描述为可以放大人类想法的协作者，而非取代人的思考。Shira 问他的营销背景如何影响他看待新兴创作工具。

Marsh 预测，制作精致视觉内容的门槛降低，将带来新的叙事方式。Shira 将这一创作问题与利用 AI 大规模定制营销内容区分开来。

两人介绍一份工作表和他们的合作。Shira 说，她想为小团队建立共享的编辑框架；此前依赖个人聊天记忆无法提供她需要的团队工作流程。

她希望在自己不在场时，作者仍能使用编辑参考，帮助保持品牌声音，并为不同平台和搜索场景改进内容。

Marsh 概述三个步骤：记录意图、构建可重复的系统、协作并完善。第一步明确个人或组织想做什么；第二步将目的变成可复用的工作流程；第三步在使用中改进。

Shira 说，把这些想法写下来也迫使团队明确自己的品牌。如果组织对自身身份不确定，AI 仍可能给出方向，但那个方向未必符合团队的意愿。

起点是一份她与团队根据品牌数据、优先事项和各平台原则制定的文档。Marsh 强调，最初的创意和战略信息来自人，之后才交给 AI 系统处理。

Marsh 还说，面向公众发布的工作应由人审核。Shira 将原始材料比作品牌资料或内部指南，帮助团队理解自己希望发布什么。

在 2025 年录制的演示中，Marsh 打开 ChatGPT 的 GPT 区域，将自定义 GPT 描述为针对特定用途的专门配置。录制时展示的界面细节可能变化。

两人打开 What’s Trending 的配置，其中包括名称、描述、指令和参考文件。写入的角色是帮助作者和编辑按照品牌要求生成、审核和完善内容。

参考材料包括使命与价值观、编辑风格指南和战略目标。指令要求采用特定语气、提供清晰答案，并在请求含糊时提出澄清问题。

Shira 问，如何定义“有问题的”内容而不让这个词过于模糊。两人讨论标记看起来不符合品牌的材料，并将批评意见与原始文件联系起来，而不是只迎合用户。

配置还提供对话开场提示，例如请求撰写标题或检查帖子是否符合品牌。这些提示旨在帮助团队成员更容易开始使用。

Marsh 说，他利用 AI 根据 Shira 的材料协助起草指令，然后检查并修改结果。他强调这经历了多轮质量检查，而非一次设置后就不再管。

这些文件构成一个知识库，目的是减少常见任务的重复设置。Marsh 说，第一版很有用，但对团队而言，更新和跨工具共享仍有局限。

他希望团队的工作原则能在不同工具之间迁移，而不是完全依赖某个产品的记忆。这促成了他所说的战略增强智能层，即 SAIL。

这种方法有两份文档：一份供人阅读的手册，解释系统及其使用方式；另一份旨在为 AI 系统提供背景和指令。手册列出了评估选题、起草标题等可能用途。

团队指南还提醒人们避免过度依赖、输入私人或机密信息、猜测个人情况，以及提出没有来源的主张。Marsh 说，这套系统是用来辅助人的。

他将这些文档称为持续演进的系统：团队成员应交流什么有效、更新材料并分享有用的提示词。提示词库为团队保存可复用例子提供了位置。

Shira 指出，许多人需要帮助，才能把个人习惯变成可重复的流程。Marsh 将这项工作与自己此前带领团队应对技术变化的经历联系起来。

两人回顾了从原始文件到自定义 GPT，再到可供团队迁移使用的文档的过程。Marsh 打开供 AI 使用的 SAIL 文件，准备在新对话中测试。

供 AI 使用的文档以指令开头，将团队背景分成多个部分。Marsh 说，文档既可以交给 AI 系统，也方便人阅读和更新。

Shira 问初学者如何构建类似系统。Marsh 建议从身份、目的、希望如何与 AI 合作，以及几个明确使用场景开始；系统可以在此基础上发展。

两人查看身份、决策原则、风险和示例等部分。文档比较较好与较差的标题，将具体性和实用性作为编辑考量。

Marsh 建议随着文档演进，更换示例并加入团队真实经验。他把文件保存为 PDF，上传到临时对话，观察在没有自己日常个人背景的情况下会得到什么反应。

系统建议的用途包括评估选题、生成标题、检查品牌安全和改善互动。Shira 说，她希望团队先自行写好初稿，再寻求反馈。

他们将一篇现有文章粘贴到对话中，请系统就搜索、阅读体验、互动和答案引擎优化提供反馈。Shira 说，当她无法审核每篇初稿时，这可以作为编辑辅助。

回答建议了替代标题、文章可以回答的问题和更有力的开头。Shira 说，作者可以审阅这些建议，决定采用哪些。

Marsh 随后请 AI 为同类评估生成可重复使用的提示词。两人讨论将有用的版本加入团队手册或共享提示词库。

谈到主要收获时，Marsh 再次强调意图和结构。明确的目的与少量背景就可以成为起点；之后人们可以开发具体使用场景，并在实践中更新系统。

被问及未来时，他说变化太快，很难预测。他鼓励人们在学习工具如何提供帮助的同时，始终关注自己的目标。

Marsh 说，他会有意识地散步、暂时远离生成式技术，以便带着注意力和创造力回来。Shira 感谢他，邀请观众反馈演示，并介绍他们准备的工作表。