嘿，我是 Axton！欢迎来到我的博客。随着 2025 年的到来，人工智能的浪潮愈发汹涌，制作一个专属的 GPT 似乎变得越来越简单。然而，真正的问题在于——我们应该用它来做什么？以及如何才能发挥它最大的效用？这篇 GPT 教程，正是为那些即便对 Action、API 一窍不通的小白朋友们准备的，我将带你一步步制作出能够生成经典脑图和实用时间线图的 GPT，帮你高效总结文章、整理会议纪要，或是梳理事件脉络。
GPT 与 Mermaid 强强联手：可视化信息的新范式
制作 GPT 的门槛越来越低，但真正有价值的应用却需要巧思，而将文本信息转化为直观的图形无疑是一个极佳的切入点。 我发现，在处理大量文本信息时，无论是新闻报道、学术文章还是会议记录，人们往往渴望一种更快速、更直观的理解方式。传统的纯文本总结虽然有效，但缺乏视觉冲击力，难以在第一时间抓住核心。这时候，一种名为 Mermaid 的工具进入了我的视野。Mermaid 并非新生事物，它是一个老牌的、通过文本标记语言来生成各种图表的开源项目，非常适合嵌入到笔记软件中。
让我用一个实例来为你展示。最近 AI 界有个大新闻：Meta 的 CEO 马克·扎克伯格 (Mark Zuckerberg) 宣称不仅要构建高级通用人工智能 (AGI)，还要考虑将其开源。这在《卫报》(The Guardian) 的一篇报道中引发了激烈的讨论，评论认为开源 AGI 如同”给人们提供了制作核弹的模板”。对于我们这些时间宝贵的朋友，完整阅读这篇报道可能有些奢侈。于是，我将这篇新闻全文复制下来，交给了我特制的 GPT——”可视化总结”。它迅速用中文对新闻进行了摘要，并生成了一段 Mermaid 格式的代码。
你可能会问，ChatGPT 本身并不能直接画出脑图，这段代码有什么用呢？别急，这正是 Mermaid 的魅力所在。这段代码可以在许多常用的笔记软件中完美呈现，例如 Notion 或 Obsidian。在 Notion 中，我只需要选择插入一个 “Code” 代码块，并将语言设置为 Mermaid，然后粘贴代码，一个清晰的脑图就跃然纸上了。同样的操作，在 Obsidian 中也能得到类似的效果，只需创建一个代码块，指明语言为 `mermaid`，然后粘贴即可。如果你想在网页上直接预览，Mermaid 的官方网站也提供了免费的在线编辑器，将代码粘贴进去，脑图便即时生成。通过这个由 GPT 生成的脑图，我们能迅速把握新闻核心：扎克伯格的 AGI 计划、AGI 的定义、以及专家对其潜在风险的担忧，整个过程无需阅读冗长的原文。这才是真正意义上的高效信息获取。
我的第一个 GPT教程：无需 API 的可视化总结 GPT
构建这个强大的可视化总结 GPT，核心在于一个精心设计的 Prompt，完全无需触及复杂的 Action 或 API 调用。 你可能会惊讶于实现上述功能的 GPT 竟如此简单。我给它取名为”可视化总结”，描述是”总结文本，创建脑图”。它的所有魔力都源于一段精心编写的 Prompt 指令。
这段 Prompt 主要包含两部分核心内容。第一部分是指令 GPT 根据用户提供的内容进行总结，如果内容是会议记录，它甚至可以提炼出关键的行动项 (Action Items)。第二部分则是指示 GPT 在总结完成后，使用 Mermaid 的语法来制作一个逻辑清晰、层次分明的脑图。为了确保 GPT 能够准确无误地生成 Mermaid 代码，我还特意在 Prompt 中加入了一些对脑图的具体说明，比如建议添加合适的图标以增强可读性，并且提供了一段 Mermaid 脑图的示例代码作为参考。这样，只要我们把需要总结的文本喂给它，就能轻松获得前文展示的那种效果。
这个 GPT 我会分享给大家，链接就在视频的描述栏中。值得一提的是，我并没有对这个 Prompt 设置任何保护。你可以轻易地看到我的完整 Prompt 内容。因为这是我自己日常使用的一个 GPT，我会根据实际需求经常去更新和优化它。说到 Prompt 保护，我个人认为现阶段不必花费过多精力在这上面。目前并没有一种万无一失的方法能完全保护 GPT 的 Prompt 不被泄露。我曾出于好奇尝试过，基本上都能设法获取到那些声称做了严密保护的 GPT 的核心 Prompt，有时那些保护性指令甚至比真正的功能性 Prompt 还要长两三倍。所以，与其在”防君子不防小人”的保护措施上浪费时间，不如把更多精力投入到打磨出更优质、更高效的 Prompt 上，这显然更有意义。
完整视频请点击观看：
Mermaid 的更多可能：创建动态时间线
Mermaid 的能力远不止于脑图，制作清晰的时间线同样轻而易举，这为我们梳理事件发展脉络提供了极大的便利。 除了结构化的脑图，Mermaid 还能生成多种图表，时间线图 (Timeline) 就是其中一个非常实用的功能。想象一下，你需要回顾某个项目的发展历程，或者整理一年中发生的重大行业事件，时间线图无疑是最佳的呈现方式。
因为准备带有准确时间戳的数据比较耗时，我就直接用之前和 GPT 对话时使用过的一组数据来为你演示。这组数据是关于 2023 年 AI 领域发生的一些重要里程碑事件。我让 ChatGPT 先对这些事件进行总结，然后指示它按照 Mermaid 的语法绘制出时间线图。经过几次简单的沟通和调整，它便生成了一段相当不错的 Mermaid 时间线代码。将这段代码同样放入 Mermaid 的在线编辑器或者支持 Mermaid 的笔记软件中，一张清晰的 2023 年 AI 里程碑时间线图就呈现出来了。这张图将事件分成了几个大类，并按照时间顺序清晰排列，一目了然。借助 ChatGPT 强大的文本和数据处理能力，再结合 Mermaid 的图表生成功能，我们可以轻松制作出各种符合需求的定制化图形，这种方式甚至比直接让 ChatGPT 使用其 Code Interpreter 功能通过 Python 等语言画图还要来得简单直接。我曾尝试让 ChatGPT 用 Code Interpreter 画同样的时间线图，虽然也能实现，但沟通过程和调整复杂度远高于使用 Mermaid。
进阶 GPT教程：调用 API 实现传统脑图 (Gapier 探索)
如果你偏爱传统样式的、节点间用线条直接连接的脑图，那么调用外部 API 是一种可行方案，这里我将以 Gapier 为例进行演示。 尽管我个人更推崇 Mermaid 那种高度抽象和概括的笔记式脑图，但有些朋友可能更习惯于我们常见的那种辐射状、层层展开的传统脑图。要让 ChatGPT 直接生成这种图片格式的脑图，就需要借助 API 调用了。一个名为 Gapier 的网站提供了这样的服务，它内置了大约 50 多个 API，其中就包括生成此类脑图的功能。最后核实：2025-05
下面，我就为你演示如何一步步配置 GPT 来调用 Gapier 的 API 生成传统脑图。首先，你需要在 Gapier 网站注册并登录账户。它支持使用谷歌 (Google) 账号或 GitHub 账号登录。不过，使用谷歌账号登录时可能会遇到访问被阻止 (blocked) 的错误，提示未通过谷歌的验证流程，所以是否选择谷歌账号登录，需要你自行斟酌。为了演示，我最终选择了 GitHub 账号注册。登录后，你会进入 Gapier 的首页，在 “Action” 页面能找到制作 GPT Action 所需的所有信息。
接着，我们来创建一个新的 GPT。在 GPT 的配置界面，关键在于设置 “Action”。Gapier 提供了一份清晰的文档，指导你如何调用其 API，整个过程非常简单，基本就是傻瓜式操作。你只需要点击 “Create new action”，然后选择 “Import from URL”，将 Gapier 文档中提供的 Schema URL 复制粘贴进去并导入。这样，GPT 就知道了 Gapier 提供了哪些可用的 Action。随后，你需要设置 API 密钥。点击 “Authentication” 部分的设置按钮，选择 “API Key” 作为认证方式，Auth Type 选 Bearer，然后从你 Gapier 账户的 Dashboard 中复制你的 API Key 粘贴到相应位置并保存。如果计划公开分享这个 GPT，还需要提供一个隐私政策 (Privacy Policy) 的 URL，这个 URL 同样可以在 Gapier 的 Dashboard 中找到并复制过来。完成这些设置后，在 Action 列表中，你会看到一个名为 `GenerateMindMap` 的 Action，记住这个名字。最后，在你的 GPT 的 Prompt 中，明确指示它在需要绘制脑图时调用 `GenerateMindMap` 这个 Action 即可。
我用之前扎克伯格那篇新闻再次测试了这个配置好的 GPT。它会提示正在 “Starting Action”，并请求你确认允许它访问第三方网站 (即 Gapier)。确认后，一张大家司空见惯的传统脑图就生成了。虽然这个过程并不复杂，但在我目前的使用场景中，我对 Gapier 的需求并不大。Gapier 目前提供的 API 数量（50多个）与我之前在 Action 视频中提到的 RapidAPI（提供上万个 API）相比，规模上还有较大差距。不过，Gapier 的思路值得肯定，它确实简化了在 Action 中调用 API 的过程。
API、Zapier 与 GPT 的未来：我的思考
对于非开发者而言，通过 Zapier 扩展 GPT 功能往往比直接寻找和配置来自 RapidAPI 这类平台的原始 API 更为高效和可靠。 无论是调用哪个第三方网站的 API，都无法回避数据隐私和安全的问题。因为你的部分对话数据会被发送到 ChatGPT 之外的服务器。如果你对数据隐私非常在意，那么使用第三方 API 时就需要多加权衡。
谈到 API 和 Action，我想分享一点个人看法。如果你并非开发人员，又希望通过 Action 来扩展 GPT 的功能，我更推荐使用 Zapier 来创建 Action。Zapier 本身已经能够与超过 6000 个应用程序和服务进行集成和联动，比如自动发送邮件、同步日历等。而且，Zapier 的配置通常更为简单和稳定。除非是 Zapier 无法实现的功能，你才有必要去考虑那些公共 API 服务。在此声明，我并非为 Zapier 做广告，推荐它不会为我带来任何收益。
虽然 GPT 理论上能够根据用户问题的理解来智能调用不同的 Action，但在现阶段，将 GPT 作为多个应用程序的协调中枢，尤其是在处理稍微复杂一些的操作逻辑时，它显然还不太成熟。我期待 GPT 未来能够真正做到这一点，但至少目前来看，使用像 MAKE 或 Zapier 这样的自动化工具来反向调用 ChatGPT 的能力，往往是更优的选择。
全局性核心要点总结
在我看来，GPT 的真正力量在于其可塑性与易用性的结合。首先，无需深奥的编程知识，通过精心设计的 Prompt，普通用户也能打造出解决特定问题的高效 GPT 工具，例如利用 Mermaid 进行文本可视化。其次，Mermaid 这种文本到图表的转换方式，不仅简化了脑图、时间线等图表的创建过程，还极大地便利了知识的记录与传播，尤其适合嵌入各类笔记应用。再者，虽然调用外部 API (如 Gapier) 可以扩展 GPT 的功能边界，实现如传统脑图生成等效果，但我们必须警惕由此带来的数据隐私风险。对于非开发者而言，Zapier 这样的集成平台往往是比直接操作 API 更友好、更可靠的选择，它能将 GPT 的能力无缝对接到数千种现有应用中。最后，尽管 GPT 的潜力巨大，但在现阶段，将其作为复杂工作流的调度中心尚不成熟，更实际的做法是利用自动化工具（如 Zapier 或 MAKE）来编排和调用 ChatGPT 的服务。
独特深度洞见
我认为，当前 GPT 的发展，尤其是自定义 GPT 的出现，正在悄然改变我们与信息交互和创造价值的方式。它不仅仅是工具的革新，更是一种思维方式的转变。我们开始从”如何完成任务”转向”如何教会 AI 完成任务”，这个过程本身就在培养一种”指令化思维”或”AI 协同思维”。未来，高效运用 AI 的能力，将如同读写能力一样，成为个人核心竞争力的一部分。而探索和创建各种实用 GPT 的过程，正是这种能力培养的最佳实践。
希望这篇 GPT 教程能为你打开一扇新的大门。如果你对使用 Zapier 调用 ChatGPT 系列服务感兴趣，请点赞订阅并打开小铃铛，不要错过我下一期的精彩内容。我是 Axton，今天的分享就到这里，咱们下期再见！
