用 GPTs 实现「统计方法选择」：指令、知识与 Actions

「统计方法选择」是研究人员与学生的高频任务。它的输入通常是数据类型与问题，期望得到的是方法建议。这类有固定流程、又需要一点判断力的工作，很适合封装成智能体 Skill。

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

项目	说明
技能	统计方法选择（`stats-helper`）
作用	根据数据与问题推荐统计方法
输入	数据类型与问题
输出	方法建议
形态	带脚本
风险	低
适用人群	研究人员与学生

处理流程分四步：

判断变量类型
推荐检验
说明前提
给出代码示例

这个技能需要运行本地脚本（解析文件、调用命令行工具等），要求运行环境允许执行代码；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「统计方法选择」助手。用户会提供数据类型与问题。
1. 判断变量类型
2. 推荐检验
3. 说明前提
4. 给出代码示例
输出：方法建议。
- 引用必须回到原文核对，绝不编造文献。
- 信息不足时先提问，不要自行编造数据或事实。
- 脚本只在当前项目目录内运行，运行失败时报告错误原文，不要猜测结果。
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。

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」，让智能体在研究人员与学生提出相关请求时能对上号；二是约束部分要写进「引用必须回到原文核对，绝不编造文献」这类领域规矩，避免智能体自作主张。

安装与启用步骤

在 GPT 编辑器中新建 GPT，填写名称与描述
在 Instructions 中写入技能步骤、输出格式与约束
上传团队规范、模板等知识文件
需要外部数据时配置 Actions（OpenAPI 描述）
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

假设你在文献库、数据与写作工具中发出这样的请求（虚构示例）：

用统计方法选择技能处理这份数据类型与问题，输出方法建议。

智能体识别到任务与「统计方法选择」相关后，会依次判断变量类型、推荐检验、说明前提、给出代码示例。最终交付方法建议，并在末尾列出需要人工确认的内容。你的工作是对照原始数据类型与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数据类型与问题，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，导致每次输出的方法建议结构不同。
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

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。