Claude 与 ChatGPT 101：速成课
9 个概念，2 个驾驶舱，1 套工作方法：如何在你最有可能使用的两款 AI 助手中自信地完成工作。
你已经了解使用 AI 的基本思路。你知道模型需要上下文，知道如何描述任务，也知道有些工作应该委派给 AI，有些则必须留给自己。
可当你打开 Claude 或 ChatGPT 时，又会遇到另一个问题：所有功能都在哪里？
界面上有模型选择器、加号菜单、项目、记忆、技能、插件、连接器或应用、搜索、研究和思考模式。
这些概念并不陌生，控件却很陌生。
这门课就是为了解决这个问题。
你将并排学习 Claude 和 ChatGPT。目标不是记住每一个按钮，因为按钮会移动，产品名称会变化，方案也会调整。
真正要学的是界面背后的模式。
项目把相关工作放在一起。记忆保存与你有关的有用上下文。技能封装可重复使用的工作方法。连接器和应用让助手访问外部系统。研究模式则替你收集并分析信息。
即使产品变化，工作方法也不会变。
所以，这门课教的是两个驾驶舱，而不是一个。
阅读时间：约 30–35 分钟；练习提示词和自测另需约 25 分钟。
软件变化很快。本页中的每一项产品说明，均已于 2026 年 8 月 25 日依据 Anthropic 和 OpenAI 的公开文档完成核实。
如果你阅读时某个按钮已经换了位置，不必慌张。保留本课建立的思维模型，再到 support.claude.com 和 help.openai.com 查看最新帮助页面。
方案可用性甚至比功能变化得更快，因此在依赖某项方案前，请先确认当前价格和方案限制。
这是第 4 门 Foundations 课程，默认你已经读过：
本课不会重讲这些概念，而是带你找到它们在 Claude 和 ChatGPT 中的具体位置。
| 主题 | 讲解课程 | 本课的作用 |
|---|---|---|
| 模型和上下文窗口如何工作 | 《AI 究竟是什么》 | 使用这些概念 |
| 4D 框架 | 《AI 素养》 | 将其应用到产品功能中 |
| 提示词技巧 | 《2026 年的 AI 提示词》 | 在真实工作流中使用 |
| 技能和 MCP 的概念 | 技能与连接器 | 介绍相关控件 |
| 桌面应用、编程工具、agent 式任务交接 | 面向专业人士的 Cowork 与 OpenWork 以及 General Agents 课程 | 只做简短导览 |
| Claude 与 ChatGPT 的聊天工作区 | 本课 | 直接讲解 |
简而言之：本课只在聊天工作区内展开。桌面 agent、编程环境和更大型的 agent 系统会在后续课程中介绍。
两分钟看懂界面
在正式导览前，先让驾驶舱自己介绍自己。
打开 Claude，粘贴下面的内容，然后阅读返回结果：
List every control I can see in this workspace right now, and tell me
in one line what each one is for. Just the controls, no advice.
接着在另一个标签页打开 ChatGPT，粘贴完全相同的内容。
把两份清单并排放在一起。
你会看到，两套词汇描述的大多是相同的 7 类功能。一个叫 artifact，另一个叫 writing block；一个叫 connector，另一个叫 app；一个叫 project knowledge，另一个叫 project files。两者都有 model、memory、instructions、search 和 research。
一张截图就概括了整门课：控件名称不同，你用它们完成的工作却相同。
这里有一个坦诚而实用的提醒：助手并不总能准确描述自己的界面，因此清单里可能出现实际上不存在的功能，也可能漏掉真实存在的功能。请留意这一点。把信心满满的答案与真实界面对照，正是概念 9 的内容，而你在开始 2 分钟后就已经遇到了它。
本课回答的问题
学完后，你应该能回答下面所有问题。
第 1 部分：驾驶舱
| # | 问题 | 答案所在位置 |
|---|---|---|
| 1 | 为什么要同时学习 Claude 和 ChatGPT，而不是只选一个？ | 概念 1 |
| 2 | 两者有哪些相同点和不同点？ | 概念 1 |
| 3 | 模型名称不断变化时，该如何选择模型？ | 概念 2 |
| 4 | 什么时候应该使用思考模式？ | 概念 2 |
| 5 | 上传文件时究竟发生了什么？ | 概念 3 |
第 2 部分：把工作区变成你的工作区
| # | 问题 | 答案所在位置 |
|---|---|---|
| 6 | 什么是项目？什么时候应该创建项目？ | 概念 4 |
| 7 | 说明、记忆和项目有什么区别？ | 概念 5 |
| 8 | 什么是 artifacts 和写作块？ | 概念 6 |
| 9 | 什么是技能和插件？它们与项目、自定义 GPT 有何不同？ | 概念 7 |
第 3 部分：扩展触达范围
| # | 问题 | 答案所在位置 |
|---|---|---|
| 10 | 连接器或应用能让助手访问什么？ | 概念 8 |
| 11 | 什么时候该使用搜索、思考或研究？ | 概念 8 |
| 12 | 如何判断助手是否真的擅长我的工作？ | 概念 9 |
| 13 | 用旧工作测试能证明什么，又不能证明什么？ | 概念 9 |
第 1 部分：驾驶舱
1. 两个驾驶舱，一套工作方法
并排打开 Claude 和 ChatGPT，你会发现它们出奇地相似。
两者都提供：
- 以往聊天列表
- 消息输入框
- 模型或推理控制项
- 文件与工具菜单
- 项目或工作区
- 记忆与说明
- 搜索与研究功能
这种相似性很重要。
你不需要学习两套完全不同的工作方式。你只需掌握一套方法，再找到每个产品放置相关控件的位置。
可以迁移的技能包括：
- 清楚描述任务
- 提供有用的上下文
- 决定委派哪些工作
- 检查答案
- 判断何时需要更强的模型
- 保护敏感信息
产品在名称、布局和优势上有所不同，而且这些差异会随时间变化。
底层的工作方法不会变。
不过，「驾驶舱」这个类比也可能误导人，值得坦诚说明。飞行员不会把两种飞机视为可以直接互换。他们先学会飞行，再花一点时间熟悉某架飞机的开关位置。你在这里也应该抱有同样的预期：飞行技能可以迁移；开关布局则需要查询，并在更新后重新查询。
了解两个产品还有一个实际原因：Claude 和 ChatGPT 在每项任务上的表现并不完全相同。某个模型可能非常擅长一类工作，却不擅长另一类。
对重要工作，一个好习惯是在两者中运行相同任务，然后比较结果。
这就是平台意识：了解每种工具擅长什么，而不是忠于某一个界面。
还要知道一点：两家公司如今提供的远不止聊天，还包括桌面应用、编程工具、浏览器 agent 和其他 agent 产品。本书后面会介绍这些内容。
现在先留在聊天窗口里。
初学者最重要的习惯
像与一位有能力的同事交谈一样与助手交流。
发送严肃请求前，先涵盖三件事：
- 交代背景。 你是谁？想实现什么？
- 定义任务。 助手究竟应该做什么？
- 设定规则。 它应该遵循什么语气、格式、约束或示例？
界面不能取代清晰的描述，它只是为你的描述提供一个安放之处。
记住： 学习模式，而不是按钮的位置。
2. 模型与思考模式
Claude 和 ChatGPT 都允许你选择为一项任务投入多少能力。
初学者往往关注模型名称。名称变化很快，所以背名称并不是正确做法。
应该学习的是三个层级的模式。
| 层级 | 最适合 | 取舍 |
|---|---|---|
| 快速默认层 | 日常问题、起草、摘要、常规工作 | 快速且便宜，处理难题时深度较低 |
| 思考或推理层 | 多步推理、分析、数学、棘手代码 | 更慢、更谨慎 |
| 重量级旗舰层 | 最困难的分析和耗时很长的高要求任务 | 最慢、最昂贵，也最强大 |
Claude 和 ChatGPT 展示这些控件的方式不同。标签可能是 Sonnet、Opus、Instant、Thinking、Pro 等名称，也可能是版本号。
不要围绕这些标签建立思维模型。
要围绕下面这组取舍来理解：
先求快，再增加推理，最后使用最大能力
两条简单规则
规则 1：从快速模式开始。
大多数日常工作使用普通快速模式即可。
短篇改写、摘要或简单解释，不值得等待重量级推理。
规则 2：任务困难时升级。
任务涉及以下内容时，请使用思考模式或更强的模型：
- 多步逻辑
- 谨慎比较
- 数学
- 困难的调试
- 必须保证正确的代码
- 复杂分析
有时，「AI 失败了」真正意味着「我使用了错误的能力层级」。
按任务选择模型，而不是凭习惯选择。
- 日常工作用快速模式
- 困难推理用思考模式
- 真正棘手的任务用旗舰模式
即使名称改变，这个模式仍然有效。
记住： 先选择推理层级，再了解当前模型的名称。
3. 你附加的上下文
语言模型只能使用摆在它面前的信息。
这正是附件如此重要的原因。
Claude 和 ChatGPT 都允许上传以下内容：
- Word 文档
- 电子表格
- CSV 文件
- 图片
- 屏幕截图
- 代码文件
附加文件，就是为当前对话提供更多上下文。
比较下面两个请求：
总结这份合同。
以及
总结这份合同。 （已附上合同）
两者的文字几乎相同，第二个请求却有用得多，因为助手真的能看到合同。
屏幕截图也是如此。如果你需要仪表盘、错误消息、图表或界面方面的帮助，展示截图通常比凭记忆描述更有效。
两个产品都能搜索实时网页。当模型内置知识不足时，搜索会把当前信息带入对话。
两者也都会跟踪当前对话，因此你之前说过的话仍会影响后续回答。
要培养的习惯
提出重要问题前，先问自己：
一位有能力的人类同事需要看到哪些材料，才能把这个问题回答好？
然后把这些材料交给助手。
记住： 更好的上下文通常比更巧妙的提示词更能改善答案。
第 2 部分：把工作区变成你的工作区
4. 项目：为一条工作流准备的房间
使用 AI 几周后，侧边栏就会变得杂乱。
你会看到：
- 一段关于某位客户的聊天
- 另一段关于同一客户的聊天
- 第三段聊天里存着有用的文件
- 第四段聊天中，你又把同一背景解释了一遍
项目正是用来解决这个问题的。
项目是面向一条工作流的工作区。
可以把它想成一个房间，同一主题的所有内容都留在里面。
项目通常包含三样东西：
- 与这项工作有关的聊天
- 知识，也就是为项目上传的文件
- 说明，也就是助手在项目内工作时应遵循的长期指导
假设你创建一个名为季度董事会报告的项目。
其中可以放入：
- 上一季度的董事会演示文稿
- 当前财务模型
- 你的报告风格指南
- 有关语气和受众的说明
- 与董事会报告有关的每段对话
这样，你就不必重复上传相同文件或说明相同要求。
这就是项目的全部意义：让一条工作流所需的上下文持久保留。
用本书的术语来说，项目就是一个小型的上下文系统。
Claude 与 ChatGPT 略有不同
Claude 通过检索应对知识增长。当项目知识超出上下文窗口能直接容纳的范围时，Claude 会改为搜索这些知识，而不是加载全部内容。Anthropic 称，这可将容量扩展至多 10 倍。切换会自动发生，而且属于付费方案功能。
ChatGPT 则加入了项目记忆。项目可以使用：
- 默认记忆，更广泛的记忆仍可参与
- 仅限项目记忆，项目成为真正的边界，外部记忆不会进入
因此，项目始终能帮助你整理工作；而仅限项目记忆才会带来隔离。
什么时候应该创建项目？
使用下面这项测试：
如果你已经三次解释相同背景或上传相同文件，这项工作就值得建立一个项目。
一次性问题不需要项目。
记住： 项目适合会持续进行的工作。
5. 记忆与长期说明
有 3 项功能能让上下文持久保留：
- 长期说明
- 记忆
- 项目
初学者经常把它们混在一起。下面是清晰的区别。
长期说明：稳定规则
长期说明是只写一次、希望广泛应用的规则。
例如：
- 「先给答案，再解释。」
- 「除非我要求技术细节，否则使用简单语言。」
- 「我的读者是商业领导者，不是软件工程师。」
Claude 把这类偏好保存在设置和样式中。ChatGPT 则把它保存在 Settings 与 Personalization 下的 Custom Instructions 中。
长期说明应该存放稳定的内容。
记忆：与你有关、不断变化的上下文
记忆是助手从对话中获取、以后可能继续使用的内容。
其中可以包括：
- 你表达过的偏好
- 反复出现的目标
- 与你的工作方式有关的事实
- 你明确要求它记住的任何内容
两个产品都允许你查看、编辑和删除记忆。使用工作账户时，先检查记忆功能是否开启：Claude 在个人方案中默认开启记忆，而 Team 和 Enterprise 方案默认关闭，需由所有者启用。
两者还都提供一种模式，让对话不进入常规历史记录和记忆。Claude 称为无痕聊天，ChatGPT 称为临时聊天。出于安全和滥用审查目的，两家供应商仍会在有限时间内保留一份副本，约为 30 天。因此，应把这些模式理解为不进入记忆，而不是不留痕迹。
项目：一条工作流的上下文
项目与前两者都不同。
项目围绕某个特定客户、课程、研究主题、产品或其他持续工作流来保存上下文。
经验法则
说明存放稳定规则。 记忆存放不断变化的上下文。 项目存放特定范围内的工作。
这一条规则能避免大多数配置错误。
便利并不是这里唯一需要考虑的问题。存储的上下文可能包含敏感或私密信息。
检查助手记住了什么，删除不应保留的内容。遇到敏感主题时，使用无痕聊天或临时聊天。使用工作账户时，请遵守所在组织的政策。
记忆之所以有用，是因为上下文会随时间积累；这也意味着它需要谨慎管理。
配置良好的助手，使用几周后往往会变得更有用。模型没有改变，改善的是它周围的上下文。
记住： 只有把正确的信息放在正确的位置，持久化才有帮助。
6. Artifacts 与写作块：可以带走的工作成果
聊天很适合交流。
却不适合承载最终成果。
如果你要求生成一份 2,000 字的报告、一个可用的计算器、一张图表或一个小型应用，你希望结果成为独立对象，而不是滚动记录中的又一条消息。
Claude 和 ChatGPT 用不同方式解决这个问题。
Claude：artifacts
Claude 使用 artifacts。
artifact 是在对话旁打开的独立输出，可以是：
- 文档
- 代码
- 网页
- 图表
- 矢量图像
- 计算器
- 仪表盘
- 小型交互式应用
你可以继续与 Claude 对话，而 artifact 会一直留在旁边，作为正在构建和修改的成果。
Claude 还具备单独创建 Word、Excel、PowerPoint 和 PDF 文件的能力。
ChatGPT：写作块与代码块
较早的 ChatGPT 教程会介绍 canvas，也就是并排显示的编辑面板。
这已经过时。2026 年，OpenAI 在当前模型中停用了 canvas，把相同的工作移入对话，变成写作块和代码块，也就是嵌在对话线程里的可编辑区域。如果教程让你打开 canvas，而你找不到它，原因就在这里。
设计不同，思想完全相同：
把工作成果与围绕成果展开的讨论分开。
如何获得更好的结果
不要只要求「做一个仪表盘」或「写一份报告」。
要描述成品应该做什么。
例如：
创建一个月度预算追踪器。我应该能按类别录入支出、查看饼图，并在超出预算时收到提醒。
这比下面的说法有效得多：
创建一个预算追踪器。
还要说明它面向谁。给新员工看的流程图，与给资深工程师看的流程图并不是同一个成果。
然后每次只修改一处。
很多初学者会在这里第一次真正感到惊讶：你描述一款有用的软件，可运行的软件就出现了。
后面两门课程会详细拆解这一过程：
记住： 聊天承载对话；artifacts、写作块和代码块承载工作成果。
7. 技能与插件：封装好的工作方式
项目回答一个问题：
如何把正确的知识放在一起？
重复出现的任务会提出另一个问题：
如何让助手每次都遵循相同的方法？
这正是技能的用途。
什么是技能？
技能是一套封装好的任务方法。
它可以包含：
- 说明
- 示例
- 支持资源
- 有时代码
匹配的任务出现时，助手会加载该技能。
你可以为以下工作构建技能：
- 撰写季度业务回顾
- 按清单检查合同
- 准备客户会议简报
- 把原始笔记整理成你偏好的报告格式
不必在每段聊天里重新教授方法，只需把方法封装一次。
Claude 有技能，ChatGPT 也有技能。
两个产品在技能的可用位置和管理方式上有所不同，但如今已经共享同一个底层概念。
为什么这很重要
两家供应商都基于 Agent Skills 开放标准，该标准发布在 agentskills.io。
技能是一个 Markdown 文件夹，背后没有服务器，也没有运行时，所以它能够迁移。多家公司旗下已有数十款工具能读取同一种格式，因此为一个产品编写的技能可以安装到另一个产品中。
这样一来，工作流就比困在某一家供应商产品里的提示词更持久。
这也呼应了本课开头的观点：
工作方法是常量，工具是变量。
什么是插件？
插件为更广泛的一类工作封装能力。它把技能与外部应用连接打包在一起，有时还包含命令和子 agent，形成一个针对某种工作职能的可安装软件包。
三者的关系可以各用一句话说明：
- 技能教授一种方法
- 应用或连接器提供对外部系统的访问
- 插件把二者封装在一起
Claude 现在把技能、连接器和插件统一列在 claude.ai/directory 目录中。开始自行构建前，先去那里查看现有内容，效率最高。
自定义 GPT 又是什么？
ChatGPT 还提供自定义 GPT。
自定义 GPT 是一个需要你主动打开的独立配置助手，拥有自己的说明、角色、知识和工具。
它与技能并不是一回事。
简短比较如下：
- 项目： 存储一条工作流的上下文
- 技能： 存储完成任务的方法
- 自定义 GPT： 提供一个单独配置的助手
- 插件： 把多种能力封装在一起
需要记住的分界线是：
项目存储知识，技能执行任务。
客户准备技能可以使用项目中存储的客户文件。
项目提供做什么，技能提供怎么做。
你将在技能与连接器中学习具体机制。
记住： 当一种方法反复出现时，把它封装起来。
第 3 部分：扩展触达范围
8. 连接器、应用与问题路由
到目前为止，助手主要处理的是你主动摆在它面前的信息。
但你的大部分真实信息都存放在别处：
- 电子邮件
- 日历
- 云存储
- 项目管理工具
- 聊天系统
- 公司知识库
连接器和应用让助手能够访问这些系统。
Connector 还是 app？
Claude 使用 connector 一词。
ChatGPT 把同一产品类别称为 app。它以前也叫 connector，后来改了名称。
用词不同，目的相同。
根据你授予的权限，连接器或应用可以让助手在另一个系统中搜索、读取，有时还能执行操作。
例如：
- 「找到我们讨论供应商合同的那封邮件。」
- 「我明天有哪些会议？」
- 「总结上周的项目笔记。」
- 「哪些任务的优先级最高？」
这样，助手就能根据你的真实系统回答问题，无需你把所有内容复制到聊天中。
MCP：共享的集成标准
两个生态系统都支持模型上下文协议，也就是 MCP。
常见的简称是**「AI 工具的 USB-C」**：使用同一种标准插头，一次构建的工具就能被许多不同助手使用。Claude 的自定义连接器运行在 MCP 上；ChatGPT 的应用也通过 Apps SDK 构建在 MCP 之上。
这个简称确实很有用，却掩盖了一个不该忽视的事实。插入 USB-C 线缆不是一项信任决策，连接 MCP 工具却是。插头是标准化的，访问权限不是。
连接是一项权限决策
连接工具不只是生产力选择，也是安全与治理选择，也就是关于谁可以查看什么、执行什么的选择。
连接任何工具前，请问：
- 它能读取什么？
- 它能否在外部世界写入、发送、删除、购买或执行其他操作？
- 我信任这个来源吗？
- 我有权连接这个账户或系统吗？
即使助手只能看到你的账户本来就有权查看的内容，连接工作邮箱仍可能暴露大量信息。
像对待安装软件一样对待连接器和应用：它们很有用，也理应受到权限控制。
搜索、思考还是研究？
初学者经常为任务选择错误的模式。
| 你需要什么 | 使用什么 | 示例 |
|---|---|---|
| 一个当前事实 | 网页搜索 | 「今天的汇率是多少？」 |
| 不需要新信息的困难推理 | 思考模式 | 「比较这 3 种定价策略。」 |
| 全面、带引用的调查 | 研究模式 | 「研究当前仓储机器人市场。」 |
| 来自你所在组织的信息 | 工作区搜索或已连接的应用 | 「找到最新批准的定价政策。」 |
首先要问的问题是：
我要求助手完成的究竟是哪一类工作？
搜索几秒就能回答的事实，不要动用深度研究。真正的问题是推理时，不要使用搜索。任务需要多来源调查时，也不要只用普通聊天。
研究模式完全不同
研究模式并不是「更好的搜索」。
助手会规划调查、进行多次搜索、追踪线索、阅读来源，并返回结构化且带引用的报告。
这个过程需要几分钟，而不是几秒钟。
你委派的是一次调查，而不是在提一个简单问题。
这也意味着，报告返回后仍需要你的判断。检查重要主张，打开引用来源。研究扩展的是你的触达范围，不会转移你的责任。
记住： 发送前先为问题选择路线。
9. 用你已经了解的工作证明能力
现在来到本课最重要的问题：
如何判断助手是否真的擅长你的工作？
不是某项基准测试。
不是某场演示。
而是使用你的任务、你的数据，达到你的标准。
最适合初学者的方法很简单：
用你已经完成并信任的工作测试助手。
示例
一位项目主管每季度分析出勤率和就业结果。
他希望 AI 帮助完成下一份报告。
不应该一开始就让 AI 处理新数据并直接相信结果。
相反，他应该把上一季度的原始数据交给助手，因为他已经知道正确分析是什么样子。
然后让助手复现这项工作。
现在，他有了真正可供比较的对象。
如果助手遗漏重要模式，他可以改进说明。
如果数据本身缺少分析所需的信息，他就发现了数据问题。
如果助手仍无法可靠完成其中一部分，那一部分就继续由人完成。
这 3 种结果都有价值。
五步验证循环
- 选择一项重复任务。 定义要精确。
- 找到一个旧示例。 选择你已经知道正确结果的案例。
- 让助手复现。 提供你当时通常会掌握的上下文。
- 对照比较。 哪些一致？哪些失败？缺少了哪条说明？
- 调整后再次运行。 持续迭代，直到结果足够好，或确定这项任务不应委派。
最后一种结果并不代表失败。
花一个小时弄清楚不该委派什么，同样值得。
通过测试究竟能证明什么？
它能让你对未来的相似工作产生有依据的信心。
它不能证明助手会在今后的每个案例中都给出正确答案。
它也不会转移责任。你仍然必须：
- 检查新结果是否合理
- 为最终工作负责
- 在适当场合披露 AI 协助
- 让高风险决策受到恰当的人工控制
如果可以，请在 Claude 和 ChatGPT 中运行相同测试。在你已经了解的任务上比较两个助手，是培养平台意识最快的方法。
这项小练习就是你的第一套评测体系。
后面的信任检查器和评测驱动开发会把同一个习惯变成真正的工程纪律。
记住： 信任应该通过已知工作赢得，而不是根据一个看起来不错的答案直接假定。
动手练习前的简短回顾
现在，你已经掌握两个产品的地图。
Claude 和 ChatGPT 是不同的工具，却建立在许多相同概念之上。
- 模型与思考模式控制你投入多少能力
- 附件提供助手此刻所需的上下文
- 项目把一条工作流的上下文放在一起
- 长期说明保存稳定规则
- 记忆保存与你有关、不断变化的上下文
- Artifacts、写作块和代码块让最终成果脱离聊天滚动记录
- 技能封装可重复使用的方法
- 插件为一整类工作打包能力
- Claude 中的连接器与 ChatGPT 中的应用访问外部系统
- MCP 是两者共同使用的集成标准
- 搜索、思考和研究是 3 类问题对应的 3 条不同路线
- 用你已经了解的工作进行测试，才能赢得信任
产品会继续变化。
这套思维模型应该比当前界面耐用得多。
现在就试：6 个提示词
阅读驾驶舱介绍，与真正坐进驾驶舱并不相同。下面 6 个练习约需 25 分钟。
1. 请求一次引导式导览
运行前，先预测助手会提到哪两项功能。
Give me a guided tour of this workspace as it exists today.
Walk through:
- how I change models and when I should
- what happens when I upload a file
- what projects are for
- what you remember about me and where I control that
- where the research option lives
Keep it practical. One short paragraph per feature, and tell me which
features need a paid plan.
观察重点：先把结果与你的预测比较，再与屏幕上实际能看到的内容比较。它对自身界面的描述哪里错了，才是最值得关注的部分。
2. 在两个助手中运行同一项任务
从本周工作中选择一个小而真实的任务，例如要起草的一段文字、要总结的一张表格或一项简短分析。
运行前，先预测哪个助手会做得更好，并说明原因。
Here is a real task from my work: [paste the task and its context].
Complete it.
Then, in three sentences, tell me what additional context would have
helped you do it better.
观察重点：先比较输出，再比较两者各自认为缺少的内容。第二次比较通常比第一次更有启发。
3. 建立第一个项目
选择一条工作流，要求你已经为它重复说明过相同背景或重新上传过相同文档。
I want to set up a project for this stream of work: [describe it].
Interview me briefly. Then give me two things I can paste into the
project settings:
1. project instructions covering my role, audience, tone, and standing rules
2. a priority-ordered list of five to ten documents I should upload as
project knowledge
观察重点：助手提出的问题，就是你过去每周都在手动重复输入的上下文。
4. 审查记忆内容
Show me what you currently remember about me from our conversations,
as a plain list.
For each item I will tell you: keep, correct, or delete.
Then tell me where in settings I can manage memory myself.
观察重点：清单中是否有任何内容，会让你不愿意在共享屏幕上展示？这才是本练习存在的真正原因。
5. 为 3 个真实问题选择路线
从实际工作中选择 3 个问题：
- 一个需要快速获取当前事实
- 一个需要困难推理
- 一个值得写成正式报告
提出每个问题前，先选择路线：搜索、思考或研究。
然后按所选方式发送，看看路线是否合适。
观察重点：关注不匹配的情况。在两个产品中，本该搜索却发起研究，是最常见的一种浪费。
6. 用自己的历史工作验证助手
I want to test whether you can take over a recurring task of mine.
The task: [describe it precisely].
I am giving you a past example where I already know the correct result:
[attach the old input data or material].
Reproduce the analysis or output the way I would have done it.
I will compare your result with what I know to be correct, and we
will iterate.
I am holding back my original answer until we finish, so your work is
not shaped by it.
完成比较后，写下 3 件事：
- 助手正确复现了什么
- 它还需要哪些额外说明
- 哪些工作应该继续由人完成
观察重点：这份清单就是你的第一条评测记录，请把它保存下来。
快速自测
不要回看前文，直接回答下面的问题。
- 为什么学习模型层级模式比记住当前模型名称更好？
- 什么时候应该使用思考模式？
- 区分说明、记忆和项目的规则是什么？
- 普通聊天与 artifact 或写作块有什么区别？
- 补全句子：项目存储 ___；技能执行 ___。
- 什么是 MCP？当你使用多个助手时，它为什么重要？
- 为什么第一次测试 AI 时，应该使用一个正确结果已知的旧案例？
- 通过这项测试能带来什么？它永远不会转移什么？
答案
- 模型名称和版本变化很快。快速、思考、旗舰这个模式更持久，让你能够按任务选择。
- 适用于多步推理、谨慎分析、数学、困难代码，以及任何值得等待额外推理的任务。
- 说明存放稳定规则，记忆存放不断变化的上下文，项目存放特定范围内的工作。
- 普通聊天承载对话。Artifacts、写作块和代码块承载独立的工作成果，你可以单独编辑和使用。
- 项目存储知识；技能执行任务。
- MCP 即模型上下文协议，是连接 AI 系统与外部工具和数据的开放标准。它很重要，因为集成概念以及许多工具本身可以跨产品使用。
- 因为你需要一个可信答案作为对照。没有已知真相，就无法判断助手是真的复现了工作，还是只让结果听起来像是正确的。
- 它让你对未来的相似工作产生经过测试的信心，但永远不会转移责任：你仍要验证重要输出，并为最终结果负责。
如果第 8 题让你停顿，请结合 AI 素养中的 Diligence 能力重读概念 9。两者共同构成本课的专业核心。
本课新增术语
模型选择器。 用于选择模型或推理投入层级的控件。
思考模式，或扩展思考。 在回答前为模型提供更多推理投入的模式。速度更慢，但对困难任务值得使用。
项目。 面向一条持续工作流的工作区，其中保存聊天、知识和说明。
项目知识。 存储在项目层级的文件，项目内每段对话都能使用。
长期说明。 广泛应用于多段对话的稳定规则，例如语气、角色和输出偏好。
记忆。 助手跨对话保存、以后可能使用的与你有关的上下文。
无痕聊天，或临时聊天。 不进入历史记录和记忆的对话。供应商仍会出于安全目的保留副本一段有限时间，因此它不进入记忆，却并非不留痕迹。
Artifact。 Claude 中的一种独立输出，例如文档、代码文件、图表、页面或交互式应用，创建后显示在聊天旁边。
写作块、代码块。 当前 ChatGPT 中的可编辑区域，位于对话内，将文字或代码作为独立工作成果保存。它们取代了 canvas。
技能。 由说明、示例、资源和有时代码组成的封装方法，在匹配任务出现时加载。
Agent Skills 标准。 agentskills.io 上的开放规范，定义了一种可移植的技能封装方式，目前已有多家供应商的工具能够读取。
插件。 为一整类工作封装技能、连接器、命令等能力的软件包。
自定义 GPT。 ChatGPT 中单独配置的助手，拥有自己的说明、角色、知识和可选工具。
连接器。 Claude 对经过授权、连接外部系统的功能所使用的名称。外部系统可以是电子邮件、日历、存储空间或其他工具。
应用。 ChatGPT 对同一类外部工具集成功能所使用的名称。这些功能以前称为连接器。
模型上下文协议（MCP）。 一项开放标准，让 AI 系统能通过通用接口连接外部工具和数据。
研究模式。 一种多步模式，会规划调查、跨来源搜索，并返回带引用的报告。
Enterprise Search。 Claude 的组织级搜索功能，把已连接的公司工具视为一个统一、可搜索的知识库。
下一步去哪里
现在，你已经可以操作 Claude 和 ChatGPT 的主要聊天工作区。
这会让 Foundations 的其余内容从理论变成实际工作。
接下来是 Markdown 进，HTML 出，它会解释你刚刚看到的大多数输出背后的文档层。
你永远不用写的代码会解释，当你描述软件后，可运行的代码为何会出现。
技能与连接器会深入介绍概念 7 和概念 8 中出现的两项能力。
AI 时代如何思考会进一步培养概念 9 转化为实际验证方法的判断力。
之后，面向专业人士的 Cowork 与 OpenWork以及 General Agents 课程会带你离开聊天窗口，进入桌面和 agent 系统。
你在这里使用的简单验证循环，也会在信任检查器中发展成严谨的工程纪律。
如果你正在积累证书，两家供应商都提供免费的产品学习资源；认证会列出本材料所支持的考试。
来源与许可说明
这门速成课是本书的原创内容。其中的产品说明已于 2026 年 8 月 25 日依据 Anthropic 和 OpenAI 的公开文档完成核实。
Anthropic 的免费《Claude 101》课程和 OpenAI 的帮助资源影响了本课对产品主题的选择，但本课没有复制其文本、结构或练习。
功能、名称、方案限制和价格经常变化。如果本页与实际产品不一致，请以供应商当前文档为准。
- Anthropic 帮助中心与 Claude 文档
- OpenAI 帮助中心
- 项目的检索增强生成（RAG），Anthropic 帮助中心
- 使用无痕聊天，Anthropic 帮助中心
- 使用 Claude 的聊天搜索和记忆，Anthropic 帮助中心
- 在统一目录中浏览技能、连接器和插件，Anthropic 帮助中心
- ChatGPT 中的技能，OpenAI 帮助中心
- ChatGPT 中的应用，OpenAI 帮助中心
- 在 ChatGPT 中使用项目，OpenAI 帮助中心
- Claude 技能、连接器和插件目录
- 模型上下文协议
- Agent Skills 开放标准
闪卡学习辅助
测试你的理解
下面这些情境会把你放进他人的工作区，那里已经有一个决定等着你做。请根据底层模式而不是产品名称作答，并留意每道题真正考查的是哪个概念。