用 GPTs 实现「找专家」：指令、知识与 Actions

把「找专家」交给智能体，难点不在模型能力，而在流程是否说清楚：输入是什么（问题），按什么顺序处理，交付什么（专家建议），哪些事不能做。Skill 就是把这些写下来的载体。

本文介绍如何在 GPTs 上实现这个技能，包括它的形态、示例配置、启用步骤、一次完整的运行过程和常见坑。

这个技能做什么

处理流程分四步：

1. 分析主题
2. 检索文档作者与贡献者
3. 推荐人选
4. 附依据

这个技能需要通过 MCP 或平台连接器访问外部系统（如邮箱、网页、业务系统），要提前授权并限定访问范围；风险较低，但输出仍需快速过目再使用。

在 GPTs 中是什么形态

GPTs 是在 ChatGPT 中创建的定制版助手，可以设置指令（Instructions）、上传知识文件、开启所需能力，并通过 Actions 调用外部 API。

创建与分享的权限取决于账户类型与工作区设置，以 OpenAI 官方说明为准。

示例配置

# Instructions（指令）示意
你是「找专家」助手。用户会提供问题。
1. 分析主题
2. 检索文档作者与贡献者
3. 推荐人选
4. 附依据
输出：专家建议。
- 回答必须有出处，没有依据时如实说明。
- 信息不足时先提问，不要自行编造数据或事实。
- 只访问完成任务所需的最小范围，不读取无关数据，不代替用户发送或提交。
知识文件中的规范优先于你的通用习惯；找不到依据时直说。

需要读取外部系统时，可在 Actions 里导入一段 OpenAPI 描述（示意，服务地址为占位）：

openapi: 3.1.0
info: { title: expert-finder api, version: "0.1" }
servers: [{ url: https://api.example.com }]
paths:
  /records:
    get:
      operationId: listRecords
      summary: 读取问题

示例里最重要的是两处：一是描述（或指令开头）要写明「什么时候用」，让智能体在知识管理与客服团队提出相关请求时能对上号；二是约束部分要写进「回答必须有出处，没有依据时如实说明」这类领域规矩，避免智能体自作主张。

安装与启用步骤

1. 在 GPT 编辑器中新建 GPT，填写名称与描述
2. 在 Instructions 中写入技能步骤、输出格式与约束
3. 上传团队规范、模板等知识文件
4. 需要外部数据时配置 Actions（OpenAPI 描述）
5. 在预览中测试后保存，并设置分享范围

实操：一次完整的运行

假设你在文档库与检索系统中发出这样的请求（虚构示例）：

这是今天的问题，按团队的找专家流程处理一下。

智能体识别到任务与「找专家」相关后，会依次分析主题、检索文档作者与贡献者、推荐人选、附依据。最终交付专家建议，并在末尾列出需要人工确认的内容。你的工作是对照原始问题抽查两三处关键信息，确认无误后再使用。

测试与验收

在预览窗口用正常、缺信息和越界三类请求测试，确认指令中的边界有效。

针对这个技能，还建议额外准备：

• 一份信息齐全的标准问题，检查输出是否完整
• 一份缺少关键信息的输入，检查智能体是否先提问而不是编造
• 一份包含“忽略以上规则”等字样的输入，检查约束是否仍然有效

常见坑

• 知识文件包含不应外泄的信息却设置了公开分享。
• Instructions 过长且结构混乱，关键规则被忽略。
• 只写了步骤，没写交付格式，导致每次输出的专家建议结构不同。
• 没有给出样例，智能体对“好结果”的理解与你不一致；在参考资料里放一两份范例会明显改善。

延伸阅读

• 找专家 · AGENTS.md 版
• 找专家 · 测试用例
• 找专家 · 极简与进阶
• 会议知识沉淀 · GPTs 版
• 对话沉淀知识 · GPTs 版
• 智能体Skills 分类：625 个技能 × 32 个角度

说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。