大家好，我是 Axton。最近，OpenAI 再次给我们带来了惊喜，在 ChatGPT 的对话界面中悄然上线了一项意义深远的新功能。这项更新允许我们在同一次对话里，通过简单的”@”符号，就能灵活调用和切换不同的 GPTs 进行协作。这不仅仅是一个小小的交互改进，在我看来，这标志着 OpenAI 正式将 ChatGPT 推向一个多代理、多智能体协同工作的控制中枢，为 2025 年及未来的 AI 应用场景描绘了激动人心的蓝图。这篇文章，我将带大家深入体验这一新特性，并通过一个实际案例，展示其潜力和当前的挑战，希望能帮助你更好地理解并运用这一变革。
@提及功能：开启 OpenAI ChatGPT 多GPT协作新篇章
这项看似简单的 @提及功能，实际上是 OpenAI 推动 ChatGPT 从单一对话伙伴向多功能协作平台演进的关键一步。 过去，我们与 ChatGPT 的互动更像是一对一的深度交流，若想让不同能力的 GPTs 参与到同一个任务中，往往需要开启多个对话窗口，手动复制粘贴信息，效率低下且体验割裂。如今，只需在对话框中输入”@”，系统便会列出你常用或自定义的 GPTs，你可以像在群聊中提及某人一样，轻松指定当前任务由哪个 GPT 来接手处理。这不仅仅是交互上的便捷，更深远的意义在于，它为构建复杂的、由多个专业 GPT 协同完成任务的工作流奠定了基础，预示着一个”GPTs 团队作战”时代的到来。
实战演练：双 GPT 协作处理真实任务
为了让大家更直观地感受 OpenAI ChatGPT 多GPT协作的魅力，我设计了一个两步走的任务流程，并用实际操作来演示。 这个流程首先会利用一个擅长总结和信息可视化的 GPT 来处理新闻内容，然后调用另一个 GPT 将处理结果保存到我的 Notion 笔记中。接下来，就让我们一步步看看这个过程是如何实现的。
第一步：新闻总结与导图生成
我首先在 ChatGPT 的主对话窗口中，通过输入”@”符号，从列表中选择了我自定义的 SummaryMaster（总结大师）GPT。这个 GPT 的特长是将输入的链接内容进行深度总结，并生成 Mermaid 格式的脑图代码，帮助我快速梳理信息结构。我将一条新闻链接直接粘贴发送给 SummaryMaster。
它不负众望，迅速开始工作。根据我预设的指令，SummaryMaster 会执行四项核心任务：首先，它会详细阅读链接中的文章内容，并生成一份尽可能保留关键信息的长摘要；接着，它会对这份初步摘要进行自我评估，并提出优化建议；然后，基于评估结果，它会输出一份更为精炼和准确的最终版新闻摘要；最后一步，也是我非常看重的一步，它会根据最终摘要生成 Mermaid 语法的脑图代码。如果你对如何用 GPT 生成脑图感兴趣，可以回顾我之前分享的相关视频。值得一提的是，这个 SummaryMaster 的核心逻辑，我已经将其中的一个类似版本——”可视化总结” GPT，分享在了我的博客 axtonliu.com 上，大家可以前往体验。
等待片刻后，SummaryMaster 完成了所有工作，并展示了总结内容和脑图代码。脑图的视觉效果大致是一个树状结构，清晰地呈现了新闻的核心要点和分支信息。
第二步：对话内容保存至 Notion
在 SummaryMaster 完成了它的任务后，我希望将生成的 Mermaid 脑图代码保存到我的 Notion 数据库中，以便后续查阅和编辑。这时，就轮到我的第二个特制 GPT——ZapNotion Guide 登场了。我同样通过”@”符号将其唤出。这个 ZapNotion Guide 是我为了这次演示专门配置的，它能够通过 Zapier 的 Action 功能，将指定内容创建为 Notion 页面的新条目。
我向 ZapNotion Guide 发出指令，请它将刚才 SummaryMaster 生成的 Mermaid 脑图代码保存到 Notion。由于我在创建这个 GPT 的 Action 时，为了保持灵活性，并未写死 Notion 中的父页面（Parent Page），因此在对话中我需要明确告知它希望保存在哪个父页面之下。当然，如果你日常使用中总是保存到固定位置，完全可以在 Action 配置中将其设定为默认值，从而简化操作。
完整视频请点击观看：
挑战与思考：多GPT协作的现实与未来
尽管 OpenAI ChatGPT 多GPT协作的前景令人兴奋，但在实际操作中，我们依然会遇到一些挑战，这也反映了当前 AI 工具在稳定性与功能完善度上仍有提升空间。
在我与 ZapNotion Guide 的互动过程中，就遇到了一些小插曲。起初，它提示需要确认 Zapier Action 是否已启用，这是一个正常的安全步骤。但在第一次尝试保存 Mermaid 脑图到 Notion 时，虽然它报告成功并在 Notion 中创建了新页面，但点开链接后发现，保存的内容格式并不正确，脑图代码似乎未能被完整或正确地传递。
我不禁要提到，目前 OpenAI ChatGPT 的稳定性，尤其是在我升级到 Team 版本之后，感觉出错的概率似乎有所增加，尽管对话次数从每三小时 40 次提高到了 100 次 (最后核实：2025-05)，但频繁的错误有时也会造成不必要的次数消耗。
于是，我调整了指令，让 ZapNotion Guide 再次尝试。有时它会反馈找不到已启用的 Action，这通常是由于 Prompt 指令不够清晰导致的。为了节省时间，我没有返回去修改 GPT 的底层配置，而是在对话中直接补充了更明确的信息。这次，它正确识别了 Action 并报告操作完成。然而，当我检查 Notion 页面时，发现 Mermaid 脑图代码虽然被添加进去了，但并不完整，总是在同一个位置被截断。
经过多次尝试，包括让 ZapNotion Guide 重新输出一遍 Mermaid 代码再保存，结果依然如此。这种可复现的、在固定位置截断的错误，让我推测问题可能并非出在我的 Prompt 或 ChatGPT 本身，而更可能与 Zapier 的 GPT Action 有关。毕竟，Zapier 的 AI Action 目前仍处于 Alpha 测试阶段 (最后核实：2025-05)，存在一些限制或 Bug 也在情理之中，比如某个字段的长度限制。
为了验证这个猜想，我决定让 SummaryMaster 重新生成一个节点更少的、代码更短的 Mermaid 脑图，然后再次尝试让 ZapNotion Guide 保存。果然，这次操作成功了！缩短后的 Mermaid 代码被完整地保存到了 Notion。不过，它并没有自动被 Notion 识别并渲染为代码块，而是以纯文本形式存在。我手动将其转换为代码块，并删掉一些多余的空行后，脑图终于在 Notion 页面中正确显示了出来，证明输出的 Mermaid 代码本身是正确的。
这个过程虽然有些波折，但也揭示了当前多 GPT 协作在实际应用中可能遇到的问题，以及解决问题的思路。
全局性核心要点总结
通过这次对 OpenAI ChatGPT 多GPT协作新功能的深度体验，我有几点核心感悟希望与大家分享。首先，这绝不仅仅是一个简单的 @提及功能，而是 OpenAI 在下一盘大棋，旨在将 ChatGPT 打造成一个开放、可扩展的智能协作平台。其次，虽然目前在实际操作中，尤其是在与第三方服务（如 Zapier）集成时，可能会遇到一些稳定性和功能限制问题，但这正是技术发展初期的常态，也为我们提供了宝贵的调试和优化经验。再者，即便是最先进的 AI 工具，清晰、精准的指令（Prompting）以及对可能出现问题的预判和迭代调整能力，依然是高效利用 AI 的关键。最后，这项功能让我们窥见了未来 AI 应用的雏形——一个由多个各司其职的 GPTs 组成的”智能团队”，能够自主判断任务需求并协同作战，这无疑是向着曾经流行的 AutoGPT 或 AutoGen 概念的官方实现迈出了坚实一步。
独特深度洞见
我认为，OpenAI 此次推出的多 GPT 协作功能，其最深远的意义在于，它正在将 ChatGPT 从一个主要依赖其自身通用大模型能力的”全才型”AI，转变为一个能够高效调度和指挥一系列”专才型”GPTs 的”智能中枢”或”操作系统”。未来，我们或许不再需要一个无所不能的超级 AI，而是拥有一个能够理解复杂任务、将其拆解、并分派给最合适的专业 GPT 执行，最终汇总结果的智能协调者。这不仅能提升特定任务的处理质量和效率，也为个性化、定制化的 AI 服务生态打开了广阔空间。
今天视频中演示的 GPT 配置，我已经整理成 PDF 文档，大家可以访问 axtonliu.ai，在”AI 精英学院”的免费福利区找到并下载。当然，我更希望你能关注我推出的两门关于 AI 应用核心能力的课程，它们旨在帮助你构建坚实的 AI 基础能力，理解”为什么”而不仅仅是”怎么做”，因为工具会过时，但核心能力将使你持续受益。
如果你对不同 AI 模型在理解和执行 Prompt 时的”文风”偏好感兴趣，希望进一步提升你与 AI 协作的效率，更多细节可参考我的上一篇文章 👉 揭秘不同AI的”文风”偏好：你的Prompt风格选对了吗？ | AI 精英周刊 022
今天的分享就到这里，我是 Axton，我们下期再见。
