ChatGPT 是什么
ChatGPT 是 OpenAI 开发的对话式 AI。你输入一段文字，它生成回复。它能处理的文本任务包括：起草文案、概括总结、解释概念、翻译、写代码、分析数据。
它不会像人类一样思考，也不保证输出正确。把它当作一个速度快、用途广的写作与分析助手——但这个助手偶尔会编造内容。
注册与定价
访问 chatgpt.com，用邮箱、Google、Microsoft 或 Apple ID 创建账号。
截至 2026 年初，OpenAI 提供以下方案：
| 方案 | 价格 | 主要权益 |
|---|---|---|
| Free | 免费 | GPT-5.2 Instant（有频率限制，16K 上下文）、搜索、有限图片生成 |
| Go | ~$10/月 | 扩展版 GPT-5.2 Instant（32K 上下文），更多消息额度，可能含广告 |
| Plus | $20/月 | GPT-5.2 Thinking（高级推理）、Codex 智能体、Sora 视频生成、32K 上下文 |
| Pro | $200/月 | GPT-5.2 Pro（无限制）、128K 上下文、深度研究、优先算力 |
| Business | $25/人/月 | Plus 全部内容 + 团队工作区、管理后台、数据不用于训练 |
免费版足够日常轻度使用。Go 是预算选项（更多消息但没有推理模型）。如果每天都用 ChatGPT 办公，Plus 性价比最高。
界面说明
登录后你会看到：
- 底部输入框 — 输入提示词的地方
- 左侧边栏 — 对话历史，按日期分组
- 模型选择器 — 点击聊天区上方的模型名称，可在 GPT-5.2 Instant、GPT-5.2 Thinking 等之间切换
- 附件按钮 — 直接上传文件（PDF、图片、表格、代码文件）到对话中
值得尽早了解的功能：
- 联网搜索 — ChatGPT 可以浏览互联网，回答关于时事、价格、最新文档等问题
- Canvas — 处理长文写作或编程任务时，会打开一个侧边编辑器，可以和 ChatGPT 协作编辑同一个文档
- Sora — 用文字描述生成短视频（Sora 2 对所有方案开放，Plus 和 Pro 使用额度更高）
- 深度研究 — 自主多步骤研究，读取数十个来源并生成详细报告
写好提示词
ChatGPT 的输出质量很大程度取决于你怎么问。三个原则最重要：
1. 明确你要什么
对比这两个提示词：
模糊：
解释一下机器学习。
具体：
解释神经网络训练中梯度下降的工作原理。先用一个简单的类比，再给出数学公式。控制在 300 字以内。
第二个提示词限定了范围、指定了格式、设置了长度上限。输出会有用得多。
2. 提供上下文
ChatGPT 不了解你的具体情况，除非你告诉它：
我是一名自由职业平面设计师，正在为一家中型电商公司撰写提案。
他们需要品牌升级，包括 logo、色彩方案和包装设计。
帮我起草一份一页的提案，涵盖项目范围、时间线（8 周）和报价（总计 8 万元）。
语气专业但不要太生硬。
你提供的相关背景越多，回复就越不泛泛。
3. 迭代而非重来
第一次回复不满意，不要从头再问。在已有回复的基础上调整：
- "语气再正式一些"
- "第三部分展开，加入具体案例"
- "改成要点列表，不要大段文字"
- "预算部分太细了——简化为 3 个条目"
ChatGPT 记住整个对话上下文，利用这一点。
实际使用场景
总结文档
上传一份 PDF（研究论文、合同、报告），然后问：
把这份文档总结为 5 个要点。重点关注核心发现和待办事项。
100 页以内的文档都能处理。更长的材料建议分章节上传。
代码辅助
直接粘贴你的代码和报错信息：
这段 Python 脚本在处理 CSV 时第 23 行抛出 KeyError。
相关代码：
[粘贴代码]
错误信息：
[粘贴 traceback]
原因是什么？怎么修？
ChatGPT 处理 Python、JavaScript、TypeScript、SQL 等主流语言比较靠谱。冷门框架或非常新的 API 则不太可靠。
邮件和商务写作
写一封跟进邮件，客户已经 10 天没回复我们的提案。
语气：礼貌但直接。包含一个明确的行动号召，请他们本周安排 15 分钟通话。
控制在 150 字以内。
数据分析
上传 CSV 或 Excel 文件，然后提问：
分析这份销售数据，告诉我：
1. 2024 年逐月营收趋势
2. 营收前 5 的产品
3. 是否有异常下跌的月份
需要的话生成图表。
ChatGPT 会自动编写 Python 代码、执行并输出可视化结果。
ChatGPT 的典型失误
使用中要注意以下问题：
- 幻觉 — 它会编造看似可信但实际不存在的事实、引用、URL 和统计数据。任何你要依赖的信息都需要二次验证。
- 知识滞后 — 联网搜索有帮助，但 ChatGPT 的基础训练数据有截止日期。对于非常近期的事件，用一手信源验证。
- 数学不可靠 — 它在算术和精确计算上的表现不可靠。涉及数字计算时，使用数据分析模式。
- 讨好倾向 — 它倾向于同意你的观点，即使你是错的。如果你问"X 是不是这样？"，它通常会附和。
- 不一致性 — 同一个提示词在不同会话中可能产生不同的输出。需要一致结果的话，用 API 并设置 temperature=0。
接下来做什么
熟悉基本对话后，可以尝试：
- 上传不同类型的文件（图片、PDF、表格），观察 ChatGPT 如何处理
- 逛逛 GPT 商店，找找特定用途的定制助手（写作、编程、研究等方向）
- 创建自己的 GPT：设定专属指令和知识库文件
- 试试深度研究功能，用于需要多源综合的复杂课题
- 如果是开发者，参考 OpenAI API 文档 进行集成开发