分类： 新版本功能解读

一、Gemini 3.0来了

谷歌又放大招了。

就在上周，Google正式发布了Gemini 3.0。作为谷歌大模型家族的最新成员，Gemini 3.0带来了不少让人眼前一亮的升级。

说实话，之前用Gemini 2.0的时候，我的感觉是”还不错，但离ChatGPT还有差距”。这次3.0版本出来后，我专门花时间体验了一番，发现这个差距正在快速缩小。

今天这篇文章，就来聊聊Gemini 3.0到底升级了哪些东西，以及实际使用体验如何。

二、核心升级点解析

2.1 上下文窗口：从32K到1000万

如果说Gemini 2.0的上下文窗口还是”够用”级别，那Gemini 3.0直接进入了”恐怖”级别。

Gemini 3.0支持最高1000万Token的上下文窗口。

这是什么概念？

• 1000万Token约等于可以一次性处理750万字
• 相当于10本《三国演义》的篇幅
• 或者200多小时的视频内容

实际应用场景：

• 长篇小说分析：丢给Gemini一本几十万字的小说，它能理解全文逻辑
• 视频理解：处理超长视频，直接提取关键信息
• 代码库理解：分析整个代码项目，理解模块之间的关系
• 会议记录处理：一次性处理几个月甚至几年的会议记录

不过要注意，目前1000万Token的超大上下文主要面向企业用户开放。普通用户可以体验的上下文窗口约为200万Token，但即便如此，也已经相当可观了。

2.2 多模态能力：视频理解质的飞跃

Gemini 3.0在多模态理解上有了显著提升，尤其是视频理解能力。

之前的多模态模型处理视频时，通常只能理解视频的主要内容是什么，画面里有什么物体。

Gemini 3.0的能力：

1. 时序理解：理解视频中事件发生的先后顺序和因果关系
2. 动作识别：准确识别视频中人物的动作和意图
3. 场景分析：理解视频发生的场景、氛围和隐含信息
4. 多模态关联：将视频内容与音频、字幕等信息综合分析

举个例子，你丢给Gemini 3.0一段电影片段，它不仅能告诉你”这是一个追逐场景”，还能分析出：

• 人物的性格特点
• 导演的镜头语言
• 场景的隐喻含义
• 配乐与画面的配合

这种深层次的理解能力，在之前的模型上是很难实现的。

2.3 推理能力：数学和代码大幅提升

Gemini 3.0在推理能力上下了狠功夫，尤其是数学推理和代码生成。

根据官方公布的数据：

• 数学推理能力提升47%
• 代码生成质量提升53%
• 复杂问题拆解能力提升39%

实际体验下来，Gemini 3.0在处理需要多步骤推理的问题时，表现确实比之前好了不少。

比如我让它解一道数学竞赛题：

有一个数列满足a₁=1，a₂=1，aₙ=aₙ₋₁+aₙ₋₂（n≥3）。求证：所有项都是正整数。

Gemini 3.0不仅给出了完整的证明过程，还解释了每一步的数学原理。这种解题思路的清晰度，已经接近专业数学家的水平。

2.4 处理速度：响应时间缩短60%

速度是Gemini 2.0被吐槽最多的点之一。

Gemini 3.0在这方面做了大量优化：

• 生成速度提升3倍：同样的内容，Gemini 3.0的生成速度是2.0的3倍
• 延迟降低60%：从输入到看到第一个字的时间大大缩短
• 长文本处理更快：处理长文档时，不再需要等待漫长时间

这对于需要频繁使用AI的用户来说，体验提升非常明显。

三、新增功能亮点

3.1 深度研究模式

Gemini 3.0新增了**深度研究（Deep Research）**模式。

这个功能的逻辑是：当用户提出一个研究性问题时，Gemini会自动：

1. 制定研究计划
2. 搜索相关信息
3. 分析多个来源的内容
4. 整合信息形成报告
5. 标注信息来源

整个过程类似一个专业的市场研究分析师在帮你工作。

适用场景：

• 竞品分析
• 行业研究
• 技术调研
• 市场调查

我测试了一下让它做竞品分析：

“帮我分析一下新能源汽车市场，比亚迪、特斯拉、蔚来三家的优劣势”

Gemini 3.0自动生成了完整的研究报告，包括：

• 各品牌的市场定位
• 产品线对比
• 技术路线分析
• 用户口碑评价
• 未来发展趋势

整个过程大约用了3分钟，比我自己做调研快多了。

3.2 超级助手模式

Gemini 3.0的超级助手模式进一步增强了AI的实用价值。

在这个模式下，Gemini可以：

• 日历管理：帮你创建、修改、查看日历事件
• 邮件处理：起草、回复、整理邮件
• 文档操作：帮你写文档、整理数据、制作PPT
• 信息聚合：从多个来源收集信息，生成摘要
• 任务提醒：设置提醒、跟踪任务进度

这个模式让我感觉，Gemini正在从”回答问题的AI”向”帮你干活的AI助理”转变。

3.3 代码解释器增强

对于程序员来说，Gemini 3.0的**代码解释器（Code Interpreter）**功能更加好用了。

新增能力：

• 支持更多编程语言
• 代码调试能力更强
• 可以直接运行代码并分析结果
• 支持数据可视化和图表生成

你可以让Gemini直接帮你分析数据、生成图表，然后把图表嵌入到文档里。这对于需要处理数据的上班族来说非常实用。

四、与竞品对比

聊完Gemini 3.0本身的升级，再来看看它在当前AI大模型竞争格局中的位置。

4.1 Gemini 3.0 vs GPT-5

维度	Gemini 3.0	GPT-5
上下文窗口	1000万Token	200万Token
多模态能力	视频理解强	图文理解强
推理能力	大幅提升	业界领先
响应速度	提升60%	稳定快速
生态整合	Google全家桶	OpenAI生态
价格	企业版更贵	订阅制

结论：两者各有优势。Gemini 3.0在上下文窗口和多模态视频理解上有明显优势，GPT-5在生态成熟度和稳定性上更胜一筹。

4.2 Gemini 3.0 vs Claude 3.7

维度	Gemini 3.0	Claude 3.7
长文本处理	1000万Token	20万Token
编程能力	大幅提升	业界顶尖
对话体验	偏助手型	偏对话型
创意写作	稳定可靠	文笔更好
安全性	严格把控	注重无害性

结论：Gemini 3.0在长文本处理上优势明显，Claude 3.7在创意写作和编程细节上更精致。

五、实际使用体验

5.1 日常使用场景

我主要用Gemini处理以下几类工作：

文档处理：写文章时，让Gemini帮我检查逻辑漏洞、润色语句。它对长文本的理解能力确实不错，能把握住文章的整体脉络。

信息检索：研究某个话题时，用Gemini的深度研究模式。它会自动搜索相关信息，生成结构化的研究报告，比自己一点点找要高效。

代码辅助：写Python和JavaScript代码时，偶尔让它帮忙debug。它不仅能找到问题，还能解释原因，这对于学习很有帮助。

5.2 使用技巧

用了一段时间Gemini 3.0，总结了几个提升使用体验的技巧：

技巧1：利用超长上下文

Gemini 3.0的超长上下文是一大优势，但很多人不知道怎么用。

我的用法：

• 把一本书的内容丢给它，让它帮我总结核心观点
• 把一个项目的所有代码丢给它，让它帮我理解代码架构
• 把一个月的会议记录丢给它，让它帮我整理待办事项

这种用法用传统的AI工具很难实现，但Gemini 3.0的超长上下文让一切变得简单。

技巧2：多模态结合使用

Gemini 3.0的多模态能力很强，不要只把它当文字工具用。

我的用法：

• 上传一张产品设计图，让它帮我分析设计优缺点
• 上传一段视频，让它帮我提取关键信息
• 上传一个数据表格，让它帮我做数据分析和可视化

多模态结合使用，能发挥Gemini 3.0的最大价值。

技巧3：深度研究模式要会用

深度研究模式虽然好用，但不是所有问题都需要用深度研究。

我的经验是：

• 简单问题直接问，不用启动深度研究
• 需要多个来源验证的问题，用深度研究
• 研究型问题，如竞品分析、行业调研，深度研究很高效

六、如何使用Gemini 3.0

6.1 普通用户

Google AI Studio（免费）：

1. 访问 Google AI Studio
2. 使用Google账号登录
3. 开始使用Gemini 3.0

Gemini Advanced（付费订阅）：

• 每月约20美元
• 解锁更多功能和更大的上下文限制
• 包含Google One AI Premium订阅权益

6.2 企业用户

企业用户可以通过以下方式使用：

• Vertex AI：谷歌云的企业级AI平台
• Gemini API：通过API接入自有系统
• Google Workspace集成：深度集成Google办公套件

企业版支持更高的上下文限制和更强大的功能。

七、总结

Gemini 3.0的发布，标志着谷歌在大模型领域又向前迈了一大步。

如果说Gemini 1.0是”追赶者”，Gemini 2.0是”并跑者”，那Gemini 3.0可以说是”领跑者”之一了。

它的几个核心优势：

1. 1000万Token超长上下文：处理长文本的利器
2. 强大的视频理解能力：多模态能力质的飞跃
3. 深度研究模式：让AI真正帮你做研究
4. 速度提升明显：使用体验大幅改善

当然，它也有一些可以改进的地方，比如：

• 部分场景下的回答质量还可以继续提升
• 与Google生态的深度整合还可以更顺畅
• 企业版的价格对中小企业来说还是有点贵

但总体来说，Gemini 3.0是一款值得尝试的AI工具。如果你需要处理长文本、进行多模态分析、或者需要一个靠谱的研究助手，它会是一个不错的选择。

相关阅读推荐：

• 国产AI助手横评2026：豆包/文心一言/通义千问谁更强
• AI提示词优化指南：让AI更懂你的需求
• ChatGPT新功能详解：这些隐藏技巧你知道吗

前言：AI不只是在回答问题，它开始替你”干活”了

过去我们和AI的相处模式很简单：问问题，AI回答。写文案，AI生成。分析数据，AI给结论。

但你有没有觉得，总差了那么一点意思？

AI可以给你一份市场分析报告，但它没法帮你把报告发到相关同事的邮箱。AI可以帮你写一封客户邮件，但它没法帮你登录企业邮箱系统发送出去。AI可以生成一份数据报表，但它没法帮你把报表上传到ERP系统。

说白了，过去的AI只能”看”数据和”说”建议，它没法真正”做”事情。

4月23日深夜，OpenAI甩出的第二颗炸弹——Workspace Agents，正是冲着这个问题来的。

一、Workspace Agents是什么

1.1 官方定义

Workspace Agents是OpenAI推出的企业级AI智能体，它可以代替人类在数字工作空间中执行多步骤任务。

不是帮你”想”，是帮你”做”。

1.2 核心能力

根据OpenAI的官方介绍，Workspace Agents具备以下核心能力：

1. 跨应用操作

• 读写邮件系统
• 操作CRM客户管理
• 更新数据库记录
• 生成和发送报告
• 管理日历和会议

2. 多步骤任务执行

• 理解复杂任务指令
• 自主规划执行步骤
• 实时处理异常情况
• 完成任务后汇报结果

3. 企业级安全保障

• 在受控环境中运行
• 细粒度权限控制
• 操作日志完整记录
• 符合企业合规要求

1.3 与普通AI助手的区别

对比维度	普通AI助手	Workspace Agents
交互方式	问答式	任务执行式
执行范围	仅限对话内容	可操作外部系统
主动性	被动响应	可主动推进任务
错误处理	需要人工介入	可自主处理异常
适用场景	咨询、写文案	端到端业务流程

二、真实应用场景

场景一：销售团队的”AI同事”

销售总监小王每天要处理大量客户跟进工作。

以前的工作流程：

1. 从CRM系统导出本周需要跟进的客户名单
2. 逐个查看客户档案和历史沟通记录
3. 撰写个性化跟进邮件
4. 登录企业邮箱逐一发送
5. 在CRM中更新跟进状态

这一套流程下来，一个销售一天能跟进20个客户就不错了。

有了Workspace Agents后：
小王只需要说：”帮我跟进这周应该联系的所有客户，每家发一封个性化邮件，邮件要基于他们上次的购买记录和我们的新品来写。”

Agent会自动：

• 从CRM读取客户列表和档案
• 分析每个客户的购买历史和沟通记录
• 生成个性化的跟进邮件
• 登录邮箱发送
• 在CRM中标记跟进状态
• 生成跟进报告

一个人一天可以轻松跟进100+客户。

场景二：HR的招聘自动化

招聘季来了，HR小李每天要处理海量简历。

以前的工作流程：

1. 从招聘网站下载简历
2. 逐份阅读，筛选符合条件的候选人
3. 安排初试时间（来回沟通）
4. 发送面试邀请邮件
5. 在HR系统中更新候选人状态

有了Workspace Agents后：
小李只需要定义好岗位要求，剩下的都可以交给Agent：

• 自动筛选简历，打分排序
• 自动发送面试邀请（根据候选人时间偏好）
• 自动安排面试日程
• 自动发送面试前准备资料
• 在HR系统中维护候选人状态

场景三：财务的月末结账

每个月末，财务团队都要忙成陀螺。

以前的工作流程：

1. 从各个系统导出数据（ERP、报销系统、银行流水等）
2. 数据清洗和格式统一
3. 核对账目，检查异常
4. 生成财务报表
5. 发送邮件给相关负责人

有了Workspace Agents后：
财务人员只需要确认报表格式，Agent会自动完成数据采集、处理、核对、生成、发送的全流程。

三、技术原理：AI是怎么”操控”电脑的

这是很多人好奇的问题：AI怎么”进入”我的电脑系统？

3.1 Computer Use能力的延伸

Workspace Agents的技术基础，来自OpenAI之前发布的Computer Use能力。

简单来说，Computer Use让AI可以：

• “看见”屏幕上的内容
• “移动”鼠标点击按钮
• “输入”文字到表单
• “读取”文件内容
• “执行”各种操作

3.2 企业级安全机制

但企业场景不能像个人使用那样随意操作，OpenAI为此设计了多重安全机制：

沙箱隔离
Agent在隔离环境中运行，对真实系统和数据没有直接访问权限。操作都是”模拟”的，最终执行需要人工确认。

权限分级
企业可以设置Agent的操作权限等级：

• L1：只读，可访问信息但不能修改
• L2：受限写，可修改指定范围的系统
• L3：受限执行，可执行预设的自动化流程
• L4：完全代理，高权限场景使用

操作审计
所有Agent的操作都会被完整记录，包括：

• 操作时间
• 执行的操作类型
• 访问的数据范围
• 操作结果
• 异常情况

人工审批节点
对于敏感操作（如发送外部邮件、修改核心数据），系统会暂停等待人工审批。

四、谁在使用Workspace Agents

4.1 企业客户现状

目前Workspace Agents主要面向企业客户，以下场景接受度最高：

IT和软件公司

• 代码部署自动化
• 测试流程自动化
• 文档管理和更新

金融和财务服务

• 报表生成和发送
• 数据核对和清洗
• 客户报告撰写

销售和营销团队

• 客户跟进自动化
• CRM数据维护
• 营销邮件发送

人力资源部门

• 招聘流程自动化
• 员工入职流程
• 培训安排和跟进

4.2 中小企业能用吗

目前Workspace Agents主要面向企业级客户，定价和部署方式都偏企业化。

但对于中小企业来说，可以关注：

• SaaS化的轻量版本
• 垂直行业的解决方案
• 按需付费的试点项目

五、使用建议和注意事项

5.1 适合什么样的任务

Agent擅长的任务：

• 规则明确、步骤清晰
• 重复性高、频率固定
• 跨多个系统操作
• 需要批量处理

不适合Agent的任务：

• 需要主观判断的决策
• 涉及敏感数据的操作
• 需要深度创意的工作
• 法律和合规相关的专业判断

5.2 如何避免”翻车”

从简单任务开始
先让Agent处理简单的、容错率高的任务，熟悉它的行为模式后再逐步扩大范围。

设置明确的边界
在定义任务时，要清楚告诉Agent什么能做、什么不能做。

保持必要的监督
不要完全放手，重要操作还是要人工审核确认。

建立异常处理机制
预设Agent遇到无法处理情况时的处理方式（暂停、报错求助、还是继续尝试）。

5.3 常见误区

误区一：Agent可以完全替代人工
实际上Agent更适合做”执行层”的工作，决策层和创意层仍需要人参与。

误区二：一次配置就能永久使用
企业业务在变化，Agent的配置也需要持续优化和调整。

误区三：安全问题无法解决
通过合理的权限控制和审计机制，安全风险是可控的。

六、展望：AI Agent的下一站

6.1 从”单打独斗”到”团队协作”

Workspace Agents只是开始。

未来，企业中会有多种专业Agent协同工作：

• 客服Agent处理客户咨询
• 销售Agent负责商机跟进
• 财务Agent完成账务处理
• 行政Agent维护日常运营

这些Agent之间可以互相协作、互相交接，形成完整的AI工作网络。

6.2 行业影响

对职场人
简单重复的”执行型”工作将被AI Agent替代，人的价值将更多体现在”决策型”和”创意型”工作上。

对企业
AI Agent的引入可以显著降低人力成本，提升运营效率。但同时也需要重新设计工作流程和岗位职责。

对行业
“AI转型”将从”引入AI工具”升级为”重构业务流程”，这对咨询和服务行业提出了新的要求。

结语

Workspace Agents的发布，标志着AI从”辅助工具”向”数字员工”的转变进入实质性阶段。

这种转变带来的影响，不亚于当年电脑取代纸质办公、互联网取代传统商业——它是又一次生产力的跃升。

当然，变革总是伴随挑战。安全、伦理、就业——这些问题都需要随着技术发展逐步解决。

但有一点是确定的：拥抱变化的人，会比抗拒变化的人更快找到新的机会。

对于企业管理者来说，现在正是思考”如何用AI Agent重构业务流程”的最好时机。

对于职场人来说，现在正是学习”如何与AI Agent协作”的最好时机。

风已起，你准备好了吗？

前言：被”突然袭击”的凌晨

说实话，当我看到ChatGPT Images 2.0发布的推送时，第一反应是”又来？”。

毕竟最近几个月，AI图像生成领域真的太卷了。Midjourney V8、DALL-E 4、Google Imagen 3……每隔几周就有大厂放出新模型，一波又一波的”炸裂发布”已经让我有点审美疲劳了。

但当我真正上手体验了Images 2.0之后，我的看法改变了。

这次真的不太一样。

不是因为它生成了多么”逼真”的图片，而是因为它学会了”先思考再动手”。这个看似简单的改变，可能预示着AI图像生成的一个新方向。

下面，让我来好好聊聊这个新版本。

一、Images 2.0到底升级了什么

1.1 基础能力提升：更快、更高、更精准

先说常规升级部分，这些是官方公布的参数变化：

分辨率支持：

• 最大输出宽度提升至2000像素
• 支持更多宽高比选项，包括之前不支持的一些比例
• 对于不同的使用场景（社交媒体配图、海报、长图等）都能很好地适配

多语言支持：

• 中文支持大幅改善，不仅能正确渲染中文字符，还能理解中文的表达习惯
• 不仅是中文，日语、韩语、印地语等亚洲语言的支持也更加完善
• 以前用中文描述需求，生成结果经常”跑偏”；现在这个问题基本解决了

生成速度：

• Instant Model（快速模型）的生成时间明显缩短
• 日常任务（Logo、海报、配图等）基本在30秒内完成
• 思考模式会慢一些，但也在可接受范围内

1.2 思考模式：这次的重头戏

如果说基础升级是”常规操作”，那思考模式（Thinking Model）就是这次更新的核心亮点。

什么是思考模式？

简单来说，启用思考模式后，ChatGPT在生成图片之前会经历一个”推理”阶段。它会：

1. 分析你的描述，理解你想要表达的核心内容
2. 搜索相关的参考资料和信息
3. 规划画面的构图、色彩、风格
4. 确保多张图片之间的内容连贯性

用更直白的话说：以前的AI是”看到需求就动手”，现在的AI是”想清楚再动手”。

这个区别看起来简单，但实际效果差别很大。

实测体验

我测试了一个复杂的场景：生成一组8页的摩托车主题漫画。

按照以前的体验，让AI连续生成多张有关联的图片，最常见的问题是”画风突变”——第一张和第八张的角色可能长得完全不一样，或者背景风格完全不搭。

但用思考模式，ChatGPT先展示了一个”推理过程”：它分析了故事梗概，列出了每页的内容要点，甚至生成了简单的分镜草图。然后才开始逐页生成图片。

最终结果让我有点惊讶：8张图片的画风高度统一，连角色的头盔细节都能保持一致。这在以前的AI绘图中是很难做到的。

1.3 局部重绘：更精准的编辑能力

Images 2.0还新增了一个很实用的功能：局部重绘。

在图片查看界面，你可以直接用画笔圈出想要修改的区域，然后输入修改指令。比如：

• “把这件衣服改成蓝色”
• “背景加一个月亮”
• “把这个人的表情改成微笑”

ChatGPT只会修改你圈出的部分，其他内容保持不变。这个功能对于需要微调细节的创作者来说非常实用。

二、思考模式能解决什么问题

2.1 文字崩坏问题

用过AI绘图的朋友，可能都遇到过”文字崩坏”的问题：想要在图片中加入文字，但AI生成的结果往往是一些看不懂的”火星文”。

思考模式在一定程度上缓解了这个问题。因为AI会先把文字内容”理解”一遍，确保它知道这段文字应该出现在什么位置、以什么形式呈现，然后再生成图片。

我测试了几组包含中文的文字图片：

• 生日祝福海报：文字清晰可读，位置合理
• 书籍封面：书名、作者名、出版社都能正确显示
• 电影海报：标题文字没有出现乱码

虽然偶尔还是会有一些小问题（比如某些字体看起来还是有点”印刷感”），但相比之前已经有质的飞跃。

2.2 画风不统一问题

这是连续生成多张图片时最头疼的问题。

以前让AI生成一组漫画，经常出现：

• 主角第一张是黑发，第五张变成棕发了
• 第一张是写实风格，第四张变成卡通风格了
• 背景色调忽明忽暗，完全不连贯

思考模式通过”先规划再执行”的策略，很好地解决了这个问题。AI在开始生成之前就已经确定了整体风格和关键元素，确保每张图片都”对齐”同一个标准。

2.3 逻辑不一致问题

对于复杂场景，AI经常出现”违反物理规律”的问题：

• 影子方向和光源不一致
• 镜子里反射的内容和实际场景不匹配
• 物体的大小比例失调

思考模式让AI有机会”推理”整个场景的逻辑，在生成之前检查各个元素之间的关系。虽然不能完全杜绝这些问题，但出错概率明显降低了。

三、如何使用思考模式

3.1 开启方式

在ChatGPT中生成图片时，默认使用的是Instant Model（快速模型）。如果你想使用思考模式，需要手动切换：

1. 输入图片生成指令后，等待输出
2. 在生成结果的右下角，找到模型切换选项
3. 选择”Thinking”模式

需要注意的是，思考模式生成速度会比快速模式慢一些，因为它需要额外的推理时间。

3.2 什么样的场景适合用思考模式

适合使用思考模式的场景：

• 连续生成多张有关联的图片（漫画、故事板、产品展示图等）
• 包含文字的图片（海报、封面、名片等）
• 复杂场景，需要保持逻辑一致性
• 对细节要求较高，需要精确控制的图片

不需要思考模式的场景：

• 简单的配图（如文章插图）
• 单张图片，关联性要求不高
• 追求生成速度的快速迭代场景
• 只需要AI自由发挥的创意探索

3.3 使用技巧

技巧一：详细描述不如准确描述

很多人在描述需求时喜欢”堆形容词”——”我要一个非常beautiful的、充满vibrant色彩的、看起来very professional的图片”。

对于快速模式，这种描述可能还行。但对于思考模式，我建议换一个思路：准确描述你想要的元素和它们的关系。

比如：

• ❌ “我要一个非常温馨浪漫的咖啡厅场景”
• ✅ “一个阳光明媚的下午，咖啡厅靠窗位置，一位年轻女性正在看书，桌上放着一杯拿铁和一本摊开的书，窗外是街景”

后者给了AI更具体的信息，思考模式也能更好地理解和执行。

技巧二：指定参考风格

如果你有明确的风格参考，可以直接告诉AI：

• “参考宫崎骏动画的风格”
• “模仿葛饰北斋的浮世绘”
• “参考无印良品的产品目录风格”

思考模式会更好地理解这些风格特征，并保持一致性。

技巧三：利用推理详情

点击思考模式的推理详情，你可以看到AI的思考过程。这不仅能帮你理解AI是如何”理解”你的需求的，还能发现一些意想不到的创意点。

四、Images 2.0的局限与不足

4.1 仍然存在的问题

虽然Images 2.0有了明显进步，但仍然有一些问题值得关注：

精细文字仍有挑战：对于复杂的长段文字（比如古诗词），虽然比之前好了很多，但”书法质感”还是差点意思，看起来更像是”印刷品”而非”手写体”。

二维码生成不稳定：在测试中，我尝试生成包含可识别二维码的图片，但多次尝试都失败了。这可能是技术限制，也可能是未来版本会优化的方向。

复杂动作场景：对于需要精确表现动作的瞬间（比如体育赛事、舞蹈动作），Images 2.0的表现还不够完美，有时候会出现”畸形”或”模糊”。

4.2 与竞品的对比

客观来说，Images 2.0在某些方面仍然落后于专门的AI绘图工具：

与Midjourney对比：Midjourney在艺术性、创意性方面仍然领先，尤其是在风格探索和美学表现上。如果你追求的是”好看的艺术图片”，Midjourney可能更合适。

与Stable Diffusion对比：SD的优势在于本地部署和高度可定制性。对于有技术背景的用户来说，SD的控制粒度更高。

Images 2.0的优势：它的核心优势在于与ChatGPT的深度整合——你可以一边对话一边生成图片，AI能理解更复杂的上下文，生成结果也更能”听懂人话”。

五、对行业的意义

5.1 “推理能力”将成为AI图像的核心竞争力

Images 2.0的思考模式，传递出一个重要信号：AI图像生成正在从”生成能力”竞争转向”理解能力”竞争。

过去几年，各大厂商比拼的主要是”生成质量”——谁的图片更清晰、谁的渲染更逼真、谁的风格更多样。但当基础能力都达到一定水平后，竞争的焦点就转向了”理解能力”：谁能更好地理解用户需求，谁就能生成更符合预期的图片。

从这个角度看，Images 2.0的思考模式代表了一个新的方向。

5.2 工具链整合是趋势

Images 2.0另一个值得关注的特点是：它不是一个独立的工具，而是ChatGPT生态的一部分。

这意味着什么？意味着用户可以在同一个界面里完成：对话→提问→生成图片→编辑图片→生成下一张→再编辑……整个工作流被打通了。

对于创作者来说，这种”一站式体验”比在不同工具之间切换要高效得多。预计未来会有更多AI工具走向”生态整合”的方向，而不是继续做”单点突破”。

5.3 创作者应该如何应对

面对越来越强大的AI绘图工具，创作者应该如何自处？

我的看法是：学会利用工具，但不要被工具限制。

AI工具越来越强大，但它们本质上是”执行层面的加速器”。它们可以帮你快速把想法变成图片，但它们无法帮你想到那个”好点子”。

所以，与其花大量时间去探索”怎么用AI画出更炫酷的图片”，不如多花时间思考：

• 我想要表达什么？
• 我的受众想看到什么？
• 什么样的图片能真正打动人心？

当你想清楚了这些问题，AI会成为你最得力的助手。但如果你只是机械地输入prompt然后期待奇迹，那再强大的AI也救不了你。

六、实测案例分享

案例一：科技杂志封面

我上传了一张团队合照，然后输入：”做一本《科技前沿》杂志的封面，封面是图片里这几个人。”

生成结果：

• 保持了原照片的人物特征，没有出现”重绘”问题
• 自动生成了杂志标题、日期、条形码等元素
• 背景换成了科技感的抽象图案
• 整体效果专业且协调

案例二：历史诗词书法

输入：”一幅毛笔书法作品在博物馆展出，上书《沁园春·雪》全文。”

生成结果：

• 中文文字完整、准确，没有乱码
• 书法作品有基本的”毛笔质感”（虽然细看还是像印刷品）
• 博物馆场景的氛围渲染得当
• 光影效果自然

案例三：连续漫画

输入一组8张的摩托车主题漫画，要求封面和封底彩色、其余黑白，画风参考石森章太郎。

生成结果：

• 8张图片画风高度统一
• 摩托车主角的造型在不同场景下保持一致
• 剧情有基本的故事逻辑
• 黑白页面和彩色封面的转换处理得当

结语

回到文章开头的问题：ChatGPT Images 2.0真的不一样吗？

我的答案是：是的，这次确实有实质性的进步。

思考模式的引入，解决了AI图像生成中的一些”老大难”问题——文字崩坏、画风不统一、逻辑不一致。这些问题以前只能靠人工后期修复，现在AI自己就能处理得八九不离十。

当然，它还不是完美的。某些场景下仍然需要人工干预，某些类型的图片生成效果仍然不够理想。但作为一个内置于对话机器人的图像生成功能，Images 2.0的表现已经超出了我的预期。

如果你已经在使用ChatGPT，建议试试新的Images 2.0功能。不管你是内容创作者、设计师，还是只是对AI感兴趣的好奇用户，都可以在这个新工具中找到乐趣。

最后，送给大家一句话：AI不会取代创作者，但会用AI的创作者会取代不会用AI的创作者。

与君共勉。

相关工具教程：

• [Midjourney V8.1使用教程] – 另一个强大的AI绘图工具
• [AI提示词优化指南] – 让AI更好地理解你的绘图需求
• [AI图像生成工具合集] – 更多AI绘图工具推荐

前言：一个开车族的真实体验

作为一个每天通勤时间超过一小时的人，我一直希望能有一个真正好用的车载AI助手。之前试过各种方案：Siri太傻、Android Auto连接不稳定、车载语音系统反应迟钝……总之没有一款让人满意的。

上周更新了iOS 26.4后，我发现ChatGPT居然支持CarPlay了。用了几天下来，感觉这才是我理想中的车载助手该有的样子。

今天这篇文章，我就结合自己的使用体验，详细聊聊ChatGPT CarPlay和位置共享这两个新功能。

一、ChatGPT CarPlay：终于可以在开车时”调戏”AI了

1.1 什么是ChatGPT CarPlay

简单来说，ChatGPT CarPlay就是让你在开车时可以通过车辆的音响系统和麦克风与ChatGPT对话，而不需要低头看手机。

苹果在iOS 26.4版本中加入了ChatGPT的CarPlay集成。只要你的车辆支持CarPlay，就可以在驾驶时用自然语言与ChatGPT交流，获取导航建议、查询信息、处理消息等。

1.2 实际体验如何

说实话，一开始我对这类”车载AI”是持怀疑态度的。之前试过很多所谓的”智能车载助手”，体验都很糟糕——要么识别率低，要么响应慢，要么功能残缺。

但ChatGPT CarPlay给了我一个惊喜。

首先，语音识别非常准确。即使在高速行驶、车窗打开的情况下，它也能正确识别我的指令。其次，响应速度比我预想的快很多。问一个普通问题，基本能在几秒内得到回答。最后，回答质量保持了ChatGPT一贯的水准，不会出现”车轱辘话”或者答非所问的情况。

1.3 它能做什么

根据我的使用体验，ChatGPT CarPlay目前支持以下功能：

信息查询：问天气、查路况、了解实时新闻、查询附近餐厅等。

导航辅助：虽然不能完全替代导航软件，但可以帮你规划路线、推荐景点、解释为什么要走某条路。

消息处理：可以用语音让ChatGPT帮你起草消息，然后通过车载音响播放确认。

日程管理：查询今天的日程、添加新的提醒、获取会议提醒等。

娱乐互动：无聊的时候可以跟它聊天、让它讲笑话、推荐音乐等。

1.4 它不能做什么

需要注意的是，ChatGPT CarPlay不是万能的。以下功能目前还不支持：

• 发送语音消息（只能帮你起草文字消息）
• 控制车辆硬件（如空调、车窗）
• 复杂的网页浏览
• 实时导航引导（建议配合地图应用使用）

二、iOS 26.4系统要求与设置

2.1 系统要求

ChatGPT CarPlay功能需要满足以下条件：

要求项	具体条件
iOS版本	26.4或更高
车辆支持	CarPlay兼容车辆
ChatGPT版本	最新版本
网络连接	需要WiFi或蜂窝数据

值得注意的是，iOS 26.4是一个较大的系统更新，目前还在分批推送中。如果你的手机还没有收到更新通知，建议耐心等待，或者手动检查系统更新。

2.2 设置步骤

以下是启用ChatGPT CarPlay的完整步骤：

第一步：更新系统和App

1. 确保iPhone已更新至iOS 26.4或更高版本
2. 打开App Store，更新ChatGPT至最新版本

第二步：在ChatGPT中启用CarPlay

1. 打开ChatGPT应用
2. 点击左下角的菜单按钮
3. 选择”设置”
4. 找到”CarPlay”选项
5. 开启”启用CarPlay”

第三步：连接车辆

1. 启动车辆，确保车载系统已开启
2. 用数据线将iPhone连接至车辆的USB接口
3. 在车辆的CarPlay界面中，找到ChatGPT图标并点击

第四步：首次使用授权

1. 首次启动时，ChatGPT会请求相关权限
2. 授权Siri、麦克风、位置等必要权限
3. 阅读并同意使用条款

完成以上步骤后，就可以开始使用ChatGPT CarPlay了。

2.3 常见问题解决

问题1：车辆中找不到ChatGPT图标

解决方案：

• 确认iPhone已成功连接CarPlay
• 重启iPhone和车辆系统
• 检查ChatGPT是否已在手机设置中开启了CarPlay权限

问题2：语音识别不准确

解决方案：

• 尽量使用标准普通话
• 说话时靠近麦克风位置
• 减少车内其他噪音源的干扰

问题3：响应速度慢

解决方案：

• 确保车辆已连接稳定的网络（WiFi或5G）
• 尝试切换到信号更好的网络环境

三、位置共享功能：让AI更懂你

3.1 为什么需要位置共享

你有没有遇到过这种情况：问ChatGPT”附近有什么好喝的咖啡店”，结果它给你推荐了一家在另一个城市的店？

这就是因为ChatGPT不知道你在哪里。

位置共享功能解决了这个问题。当你启用位置共享后，ChatGPT可以获取你设备的精确位置，从而提供更加个性化的回答。

3.2 位置共享的工作原理

根据官方说明，ChatGPT的位置共享功能是这样的：

• 默认关闭：这个功能默认是关闭的，只有你主动开启后才会启用
• 精确位置：开启后可以获取你的精确地址（如”北京市朝阳区某某街道”）
• 使用后删除：ChatGPT在用精确位置提供回答后，会删除精确位置数据
• 你可以控制：可以随时在”设置 > 数据控制”中关闭位置共享

3.3 如何开启位置共享

在ChatGPT中开启：

1. 打开ChatGPT应用
2. 点击右上角的头像进入设置
3. 选择”数据控制”
4. 找到”位置共享”选项
5. 开启”精确位置”

开启后会获得什么体验提升：

• 问”附近有什么好吃的”，会得到真正附近的餐厅推荐
• 问”今天天气怎么样”，会得到你所在城市的准确天气
• 问”这个景点怎么去”，会提供基于你当前位置的路线
• 问”附近有什么活动”，会列出你周边的真实活动信息

3.4 隐私保护：你需要知道的事

关于位置共享，我理解很多人会担心隐私问题。官方也特意强调了以下几点：

精确位置不会永久存储：ChatGPT会在提供回答后删除你的精确位置数据

模糊位置可单独关闭：如果你只想分享大致位置，可以关闭”精确位置”，只保留”大致位置”共享

家长控制：已设置家长控制的青少年的设备，位置共享可以被家长关闭

对话内容中的位置信息：如果回答中包含附近地点名称，这些信息会像普通回答一样保留在你的聊天记录中，除非你删除对话

不过我的建议是：如果你对隐私比较敏感，可以只在特定场景下临时开启位置共享，用完后再关闭。这样既享受了便利，又最大程度保护了隐私。

四、两个功能配合使用的妙处

4.1 车载场景的最佳实践

把CarPlay和位置共享结合起来使用，体验会非常好。

比如你正在开车，突然想吃火锅。以前你需要：

1. 拿起手机
2. 打开大众点评
3. 搜索附近的火锅店
4. 选一家
5. 复制地址
6. 打开导航

现在你只需要说：

“嘿 Siri，告诉 ChatGPT，我附近有什么评分高的火锅店？”

ChatGPT会基于你的位置，列出附近符合条件的火锅店。你可以继续问：

“第二家怎么走？”
“他们的招牌菜是什么？”
“帮我预订一下今晚七点的位子”

整个过程完全不需要低头看手机，驾驶安全性大大提高。

4.2 旅行中的场景

如果你正在自驾游，这两个功能的组合更是神器。

“ChatGPT，附近有什么值得玩的景点？”
“这些景点的人多不多？”
“帮我规划一个半日游的路线”
“沿途有什么推荐的餐厅？”

AI会根据你的实时位置，帮你规划行程、推荐餐厅、提供建议。这比传统的旅行App更加智能和灵活。

4.3 日常生活中的场景

即使不开车，在日常生活中这两个功能也很有用：

出门前：”ChatGPT，我今天要去的那个地方交通情况怎么样？”
等朋友：”附近有什么咖啡店可以坐坐？”
购物时：”这条街上还有什么值得逛的店？”
找地方：”这个地址怎么走？附近有停车的地方吗？”

五、使用心得与建议

5.1 CarPlay使用技巧

保持简洁：在车上跟AI说话，尽量简洁明了。复杂的长句在嘈杂环境中识别率会下降。

使用唤醒词：可以说”嘿 Siri，告诉 ChatGPT……”，也可以直接在ChatGPT CarPlay界面点击说话按钮。

注意网络：CarPlay体验很大程度上取决于网络质量。建议在车内连接车载WiFi或确保手机信号良好。

定期清理：定期清理不需要的对话，保持ChatGPT的响应速度。

5.2 位置共享使用建议

按需开启：不需要时保持关闭，需要时再开启。

定期检查：定期检查位置共享的开启状态，确保没有误开。

重要场合关闭：参加重要会议或活动时，建议关闭位置共享，避免不必要的尴尬。

结合隐私设置：配合ChatGPT的其他隐私设置（如对话历史保留期限）一起使用。

5.3 安全提醒

最后要强调的是，驾驶安全永远是第一位的。

虽然ChatGPT CarPlay让你可以”免手操作”，但我还是建议：

• 简单指令优先：开车时只问简单的问题，复杂任务停车后再处理
• 避免长时间对话：跟AI聊天虽然有趣，但开车时还是要集中注意力
• 重要信息核实：AI提供的信息（如导航路线）建议通过专门的应用核实确认

六、总结

ChatGPT CarPlay和位置共享这两个功能，让我看到了AI助手从”手机里的App”向”生活伙伴”演进的趋势。

CarPlay让AI真正融入了我们的出行场景，而位置共享则让AI能够感知我们所在的环境，提供真正有用的服务。这两个功能的结合，代表了AI与硬件设备深度融合的方向。

当然，目前这些功能还有一些限制，但考虑到AI技术的快速发展，我相信未来会有更多实用的功能加入进来。

如果你使用的是iPhone，并且车辆支持CarPlay，我强烈建议你试试这两个功能。它们可能会改变你与AI助手互动的方式。

相关阅读：

• ChatGPT深度研究功能使用教程：从入门到精通
• ChatGPT for Excel深度解读：打工人终于可以跟复杂表格说再见
• 谷歌Chrome AI模式深度解析：浏览器进入AI驱动时代

一、什么是Mano-P 1.0？

Mano-P是明略科技（Mininglamp-AI）开源的GUI-VLA（Vision-Language-Action）端侧智能体模型。这个名字来自西班牙语”Mano”（手）和英文”Person/Party”的首字母，寓意是让AI真正长出”手”，能像人一样操控电脑。

它的核心能力可以用一句话概括：让AI像人一样”看屏幕、点鼠标、敲键盘”，完全自主操控电脑。

1.1 三个关键词理解Mano-P

纯视觉驱动：传统的电脑自动化工具（比如按键精灵、AutoHotkey）需要依赖软件的API接口或者DOM结构。一旦换了个软件、版本更新，甚至只是界面改了个按钮位置，整个自动化脚本就废了。

Mano-P不走这条路。它像人一样，只”看”屏幕上的像素——不管你用的是Photoshop、Excel、ERP系统，还是一个几十年前的老旧软件，只要人能认出来，AI就能认出来，就能操作。

端侧部署：所有推理都在你的Mac上完成。截图不出设备，任务描述不上传云端，完全离线也能跑。对于企业内网、财务系统、医疗记录这些敏感场景，这可能是目前唯一靠谱的AI自动化方案。

开源可商用：Apache 2.0协议，完整代码公开可审计，支持商业使用和二次开发。不像某些”开源”实际上是”限制开源”，Mano-P是真正可以拿去商用、改写、定制的产品级开源项目。

1.2 性能有多强？

说出来你可能不信——这个国产开源项目，在13项国际权威基准测试中拿下SOTA（State of the Art，最优结果）。

基准测试	成绩	排名
OSWorld专用模型	58.2%成功率	全球第一
ScreenSpot-V2	93.5%界面定位	SOTA
WebRetriever	超越Gemini 2.5 Pro、Claude 4.5	SOTA
MMBench	87.5%多模态理解	第一梯队

特别说一下OSWorld这个测试。它由CMU和港大联合发布，是业界认可度最高的GUI Agent评测基准之一。测试方式是让AI直接操控真实操作系统完成多步任务，由自动化脚本验证最终状态——没有模糊地带，能不能做到一测便知。

Mano-P 72B模型以58.2%的成功率在这个榜单的专用模型中拿下全球第一，领先第二名（OpenCUA-72B，45.0%）多达13.2个百分点。更夸张的是，它在所有模型（包含通用大模型）中也能排进前五。

二、核心技术原理：72B如何装进MacBook？

2.1 三阶段渐进训练

Mano-P的技术路线分为三步走：

第一步：SFT监督微调
在高保真模拟系统环境中，让模型学习基础的GUI操作逻辑——什么是按钮、什么是输入框、什么是菜单栏。相当于在”驾校”里学会最基本的操作。

第二步：离线强化学习
基于海量真实操作轨迹优化决策策略。模型看过足够多的”老司机”是怎么完成任务的，慢慢学会在不同场景下做最优选择。

第三步：在线强化学习
在真实环境中边做边学，通过实时交互反馈持续迭代。如果上一步操作错了，就从错误中学习，调整下一步策略。

这套”三阶段渐进训练”让Mano-P能够处理各种复杂场景下的长程任务。

2.2 “思考-行动-验证”闭环推理

Mano-P的每个操作都遵循一个闭环：

1. Think（思考）：分析当前屏幕状态，推理下一步应该做什么
2. Act（行动）：执行操作——点击、输入、滚动、拖拽
3. Verify（验证）：检查操作结果是否符合预期

如果验证失败，自动重试或调整策略。这意味着AI在执行长任务时不会”一条路走到黑”，而是会实时纠错、动态调整。

2.3 极限压缩：从72B到4B

72B参数的模型当然很强，但没法跑在你的MacBook上。明略科技用两项核心技术把它压缩了18倍：

GSPruning视觉Token剪枝：模型不需要看屏幕上的每一个像素，只需要看最重要的13%信息。通过剪枝技术，视觉Token压缩到原始数量的12.57%，但UI元素识别准确率几乎不受影响。

w4a16混合精度量化：权重用4-bit低精度存储，激活用16-bit高精度计算。这样既压缩了存储空间，又保证了推理精度。

压缩后的4B模型在M4 Pro上的实测数据：

• 预填充速度：476 tokens/s
• 解码速度：76 tokens/s
• 峰值内存：仅4.3GB

这意味着你可以在正常使用Mac的同时，让AI在后台帮你干活，完全不影响日常体验。

三、应用场景：谁在用Mano-P？

3.1 个人效率神器

对于普通用户，Mano-P可以帮你完成：

• 自动做Excel报表、整理文件夹、批量重命名
• 自动填写表单、发送邮件、生成周报
• 批量处理图片/视频
• 甚至打游戏的时候，帮你识别界面、给出操作建议

一个真实场景：你想把上个月的工作日志整理成一份报告。传统做法是手动打开每个文件、复制粘贴内容、格式排版。使用Mano-P，你只需要说”帮我整理上个月的工作日志”，它就会自动打开文件夹、阅读每个文档、提取关键信息、生成结构化报告。

3.2 企业级自动化

对于企业用户，Mano-P的价值在于跨系统数据整合。

传统的企业自动化需要对接各种API：ERP系统、财务软件、CRM、OA……每个系统都可能有自己的接口规范，数据格式也不统一，对接成本极高。

Mano-P不需要这些。所有的数据都在屏幕上，AI自己看、自己提取、自己整理。财务对账、客户信息录入、工单处理——这些需要跨多个系统操作的任务，现在可以”一键完成”。

更关键的是数据安全。金融、医疗、法律、政府——这些对数据隐私要求极高的行业，终于有了一个可以放心使用的AI自动化方案。所有操作在本地Mac mini上完成，数据不出设备，不需要上传到任何云端。

3.3 开发者工具链

对于开发者，Mano-P有三种接入方式：

mano-cua（命令行工具）：
适合在终端快速执行GUI自动化任务，支持脚本集成和批处理。

bash

# 安装mano-cua
brew install mano-cua

# 让AI帮你完成"打开Chrome，搜索xxx"
mano run "打开Chrome，搜索2026年AI最新动态"

mano-client（Python SDK）：
适合在Python项目中集成GUI自动化能力。

python

from mano_client import ManoClient

client = ManoClient()
task = "帮我填这份表格：姓名张三，年龄25，职位工程师"
result = client.execute(task)
print(result)

mano-skill（OpenClaw/Claude Code插件）：
让AI Agent直接调用GUI操作能力，适合复杂多步骤任务。

四、对比竞品：Mano-P的优势在哪里？

4.1 vs Claude Computer Use

Claude Computer Use是Anthropic在2025年底推出的明星产品，能够让Claude操控电脑。两者的核心区别：

对比维度	Mano-P	Claude Computer Use
OSWorld成绩	58.2%（专用模型第一）	通用模型第一
数据流向	完全本地，截图不出设备	需上传到云端API
离线运行	支持	不支持
开源协议	Apache 2.0	闭源
部署成本	免费，可本地运行	API调用费用

简单来说，Mano-P更适合对数据安全有硬性要求的场景——企业内网、高敏感数据、离线环境。如果你需要这些，Claude Computer Use的云端架构天然就不适合。

4.2 vs 传统RPA工具

RPA（机器人流程自动化）是企业自动化的传统方案，UiPath、Power Automate是代表产品。但RPA的局限在于：

• 需要针对每个软件定制流程，换个版本就要重新配置
• 无法处理非结构化数据
• 部署和维护成本高

Mano-P的纯视觉方案天然避免了这些问题。你不需要告诉AI”这个按钮在屏幕坐标(x,y)的位置”，只需要说”点击登录按钮”，AI自己看、自己判断、自己点击。

五、总结：为什么说Mano-P值得关注？

5.1 技术价值

Mano-P证明了”专用模型+端侧部署”这条路走得通。72B参数的旗舰模型在OSWorld拿下全球第一，蒸馏后的4B模型在Mac上流畅运行——这是端侧AI的重大突破。

5.2 生态价值

Apache 2.0开源协议+完整代码公开，意味着任何人都可以在Mano-P的基础上做二次开发。你可以用它构建自己的自动化工具、定制行业解决方案、甚至训练专属的端侧模型。

5.3 商业价值

对于企业用户，Mano-P提供了目前最完整的数据安全方案。所有推理在本地完成，不需要上传任何数据到云端。对于金融、医疗、政府这些”数据不能出门”的行业，这可能是目前唯一靠谱的AI自动化选择。

相关工具教程推荐

• OpenClaw AI智能体使用教程：微信/飞书绑定，自动执行任务
• OpenAI Codex深度教程：AI操控电脑的正确姿势
• Claude Code编程助手：从入门到精通

扩展阅读

想深入了解GUI-VLA智能体的工作原理？推荐阅读：

• Mano-P官方技术报告
• OSWorld基准测试详解
• 端侧AI部署最佳实践

前言

用了这么多年浏览器，你是不是也遇到过这种情况：

看到一个网页，想提取里面的关键信息，但懒得自己看；网页上有个功能不会用，又不好意思问同事；看一篇文章，想让它帮你总结要点……以前这些需求要么靠自己硬啃，要么把内容复制给ChatGPT处理，总归是不够顺畅。

Chrome这次推出的AI模式，可能是解决这个问题的一个方向。简单说，就是让浏览器原生内置AI能力，你浏览网页的时候，AI就在旁边等着帮你。不用复制粘贴，不用切换窗口，边看边问，边看边让AI帮你处理。

我用了一段时间，今天来聊聊实际体验。

一、Chrome AI模式是什么？

1.1 核心功能

Chrome AI模式是谷歌在4月16日发布的重要更新。它的核心功能是：

• 原生AI集成：浏览器内置Gemini大模型，不需要额外安装插件
• 分屏交互：点击链接时，自动打开分屏视图，左边是网页，右边是AI助手
• 实时辅助：浏览网页时，可以随时让AI帮你解读、总结、提取信息

这意味着Chrome不再只是一个”展示网页”的工具，而是变成了一个”AI辅助浏览”的平台。

1.2 技术原理

Chrome AI模式基于Gemini大模型，能够：

• 理解当前浏览的网页内容
• 回答关于网页内容的问题
• 提取关键信息并结构化
• 执行简单的网页操作

简单理解，就是给浏览器装了一个”永远在线的助手”，你看到什么它就知道什么，你问什么它就回答什么。

1.3 使用前提

需要注意的是：

• 目前还在分批推送，不是一上线所有用户都能用
• 需要登录Google账号
• 国内用户需要科学上网才能使用完整功能

二、核心功能详解

2.1 分屏浏览+AI辅助

这个是我最喜欢的功能。以前的模式是：

1. 打开网页
2. 有问题，复制内容
3. 切换到ChatGPT
4. 粘贴问题
5. 等待回答
6. 切换回网页

现在Chrome AI模式的流程是：

1. 打开网页
2. 直接问旁边的AI
3. 获得答案
4. 继续浏览

省去了复制粘贴和切换窗口的步骤，效率提升还是很明显的。

实测体验：
我打开一篇英文技术文章，让AI帮我翻译和解释几个专业术语。它不仅给出了翻译，还解释了这些术语在实际场景中的应用。这种”边看边问”的体验，确实比传统方式顺畅很多。

2.2 智能内容解读

Chrome AI模式不仅能回答问题，还能主动帮你解读网页内容。

适用场景：

长文章处理：
打开一篇万字长文，可以让AI帮你：

• 生成摘要，快速了解核心观点
• 提取关键数据和结论
• 列出文章结构和大纲

表格数据解读：
看到复杂的Excel表格或网页表格，可以让AI帮你：

• 解释表格的含义和逻辑
• 总结数据趋势和规律
• 回答关于数据的具体问题

代码页面处理：
浏览GitHub或者技术文档时，可以让AI帮你：

• 解释代码逻辑
• 分析潜在的bug
• 给出改进建议

2.3 搜索增强

Chrome AI模式还增强了搜索体验：

• 搜索结果解释：不只是展示链接，还能帮你理解搜索结果的内容
• 多结果对比：可以同时问几个网页内容的对比问题
• 智能追问：基于搜索结果，AI会推荐你可能想问的跟进问题

2.4 隐私与安全

说到浏览器内置AI，很多人会担心隐私问题。Chrome官方表示：

• AI处理主要在云端进行，不会存储你的浏览历史
• 可以手动关闭AI功能
• 敏感页面（如银行、邮箱）AI功能会自动禁用
• 不会用你的浏览数据训练模型

当然，隐私这种事见仁见智，大家可以根据自己的需求决定是否开启。

三、使用指南

3.1 如何开启

1. 更新Chrome到最新版本
2. 登录Google账号
3. 等待功能推送（部分地区可能需要等待）
4. 在设置中开启”AI模式”开关

如果没有收到推送，可以试试：

• 更新Chrome到最新版
• 切换到美区节点
• 等待几天，功能在逐步开放中

3.2 基础操作

唤起AI助手：

• 点击地址栏右侧的AI图标
• 或者使用快捷键（默认是Alt+Shift+A）

提问方式：

• 可以语音输入，也可以打字
• 支持多轮对话
• 可以上传图片让AI识别

关闭分屏：

• 拖动分割线到边缘
• 或者点击关闭按钮

3.3 高效使用技巧

技巧1：快捷指令
Chrome AI模式支持一些快捷指令，比如：

• “总结这个页面”
• “翻译成中文”
• “提取联系方式”
• “比较这几个选项”

技巧2：上下文理解
AI能记住你之前的提问，所以可以：

• 先问大方向，再追问细节
• 不需要每次都重复背景
• 可以让它帮你做多步骤的分析

技巧3：结合搜索

• 搜索时开启AI模式
• 让AI帮你筛选和对比搜索结果
• 比自己逐个点开看要高效

四、实际应用场景

4.1 办公场景

处理工作邮件：
打开邮件网页，让AI帮你：

• 总结邮件要点
• 识别需要回复的内容
• 生成回复草稿

阅读行业报告：
看到一份长报告，让AI帮你：

• 快速了解核心发现
• 提取关键数据和结论
• 列出行动建议

处理表格数据：
看到网页上的数据表格，让AI帮你：

• 分析数据趋势
• 对比不同选项
• 生成可视化建议

4.2 学习场景

阅读学术论文：
遇到专业术语多、逻辑复杂的论文，让AI帮你：

• 解释专业概念
• 梳理论文逻辑
• 总结研究方法

学习编程：
看技术文档或教程时，让AI帮你：

• 解释代码含义
• 回答疑惑
• 给出实践建议

学习外语：
浏览英文网站时，让AI帮你：

• 翻译和解释
• 讲解语法和用法
• 练习口语表达

4.3 购物场景

产品对比：
打开几个电商页面，让AI帮你：

• 对比产品参数
• 分析用户评价
• 推荐性价比最高的选择

查找优惠：
看到原价商品，让AI帮你：

• 搜索历史价格
• 预测价格走势
• 提醒最佳购买时机

4.4 日常信息获取

新闻解读：
看到一篇新闻，让AI帮你：

• 了解背景信息
• 分析事件影响
• 追踪后续发展

查找联系方式：
看到企业官网，让AI帮你：

• 提取电话号码、邮箱
• 识别正确的联系部门
• 生成联系模板

五、与竞品对比

5.1 Chrome vs Edge Copilot

微软Edge浏览器早就有了Copilot功能，但两者有一些区别：

功能	Chrome AI模式	Edge Copilot
分屏浏览	支持	不支持
Gemini集成	原生	依赖必应
功能深度	专注浏览辅助	覆盖面更广
国内可用性	需科学上网	需科学上网

简单说，Chrome AI模式更专注于”浏览辅助”这个垂直场景，而Edge Copilot覆盖面更广但深度不够。

5.2 Chrome AI模式的独特优势

1. 原生集成：不需要安装额外插件，系统资源占用更低
2. 分屏交互：边看边问的体验更流畅
3. Gemini加持：Google在AI领域的积累让功能更智能
4. 与Google生态打通：可以无缝使用Google的其他服务

5.3 局限性

当然也有一些局限：

• 需要科学上网：对国内用户不太友好
• 功能覆盖有限：目前只支持英文
• 隐私顾虑：部分用户可能不想让Google知道你看了什么
• 资源占用：长时间开启会消耗更多系统资源

六、浏览器AI的未来

6.1 从工具到平台

Chrome AI模式的发布，标志着浏览器正在从”展示工具”向”AI平台”转变。

以前浏览器只负责展示网页内容，处理信息的工作留给用户自己。现在浏览器内置了AI，可以帮你处理、分析、总结网页内容。用户的角色从”主动获取信息”变成了”让AI帮你处理信息”。

这个转变的意义是深远的。它意味着：

• 信息获取的门槛降低了
• 处理信息的效率提高了
• 人类可以专注于更高价值的思考工作

6.2 可能的演进方向

根据目前的技术发展趋势，浏览器AI未来可能的方向：

更主动的辅助：

• AI主动识别你的浏览意图
• 提前准备好可能需要的信息
• 预测你下一步想做什么

更深入的操作：

• 不只是理解网页内容
• 还能帮你执行网页操作
• 比如帮你填表、帮你下单、帮你发帖

更个性化的体验：

• 学习你的浏览习惯
• 提供个性化的AI建议
• 打造专属你的浏览体验

6.3 竞争格局

Chrome推出AI模式后，预计其他浏览器也会跟进：

• Edge已经有了Copilot，会继续强化
• Safari可能会在Apple Intelligence框架下增强
• 国产浏览器可能会接入国产AI模型

浏览器的AI化会成为一个趋势，关键是谁能做得更好、更符合用户需求。

七、我的使用感受

7.1 优点

• 分屏交互体验流畅，确实比切换窗口方便
• Gemini的理解能力不错，回答比较准确
• 原生集成，不需要额外安装
• 和Google生态打通，使用顺畅

7.2 缺点

• 需要科学上网，国内使用有门槛
• 目前只支持英文，中文内容支持有限
• 功能还在完善，有些场景不够好用
• 隐私问题需要自己权衡

7.3 适合人群

Chrome AI模式比较适合：

• 经常需要阅读英文资料的人
• 有科学上网条件的人
• 追求效率提升的办公人群
• 对AI辅助浏览有需求的人

结语

Chrome AI模式的推出，让我看到了浏览器进化的一个方向。它不再只是展示网页的工具，而是变成了一个AI辅助浏览的平台。虽然目前功能还在完善，但这个方向是对的。

对于国内用户来说，可能还需要等待一段时间才能用上。但如果你有条件，建议体验一下，这可能是未来浏览器的主流形态。

浏览器AI化的大幕才刚刚拉开，让我们拭目以待。

相关链接

• Chrome Gemini技能库教程
• Gemini Mac版使用教程
• AI浏览器工具推荐

我自己用深度研究功能已经有一段时间了，从最初的”试试看”到现在的”离不开”，中间踩过不少坑，也总结出了一些实用技巧。今天就把这些经验全部分享出来，不管你是第一次接触这个功能，还是用了一段时间但总觉得效果不够好，看完这篇都会有收获

一、深度研究是什么？它和普通对话有什么区别？

很多人第一次听说”深度研究”会以为就是个高级搜索，其实完全不是一回事。普通对话是你问什么，ChatGPT基于训练数据回答，知识有截止日期，而且很可能编造信息。深度研究则是一个完整的研究闭环：理解你的需求 → 访问互联网 → 筛选信息 → 去重整理 → 生成报告。

1.1 工作原理

深度研究的工作流程可以分成三个阶段：

第一阶段：需求理解

当你输入研究主题后，ChatGPT会先进行规划。它会把你的模糊需求拆解成几个具体的子问题，比如你问”2026年新能源汽车市场趋势”，它可能会拆成：2026年销量数据、主要品牌市场份额、技术路线对比、政策影响分析等。

第二阶段：信息检索

这是深度研究最关键的部分。它会实际访问互联网，根据规划的问题逐一检索相关信息。注意，这里是真正的网页访问，不是简单调用搜索API。它会访问多个来源，对比不同信息，去除重复和矛盾的内容。

第三阶段：报告生成

收集到足够信息后，ChatGPT会整合所有素材，生成结构化的研究报告。这个报告不是简单的信息堆砌，而是有逻辑框架、有数据支撑、有分析结论的完整文档。

1.2 什么时候该用深度研究？

深度研究不是万能的，有些场景用它反而大材小用：

适合的场景：

• 需要最新数据的行业分析报告
• 竞品调研和市场研究
• 学术文献综述
• 技术趋势分析
• 政策解读和影响评估

不适合的场景：

• 简单的事实查询（今天天气怎么样）
• 需要即时互动的对话
• 创意类写作（写小说、写文案）
• 数学计算或代码调试

二、如何正确发起深度研究？

2.1 开启深度研究

在ChatGPT界面中，找到模型选择器，切换到”深度研究”模式。这个模式目前对Plus和Pro用户开放，Free用户可能需要等待逐步推送。

进入深度研究模式后，你会看到一个新的界面，上面会显示研究的进度、正在访问的网站等信息。这个透明化的设计很好，至少你知道它在干什么，而不是对着一个加载图标干等。

2.2 写好研究提示词

深度研究的效果很大程度上取决于你的提示词质量。很多人犯的错误是提示词太模糊，比如”研究一下AI行业”，这种提示词得到的结果往往泛泛而谈。好的提示词应该包含以下几个要素：

1. 明确的研究目的

你要这份报告做什么用？是给领导汇报用的简版，还是需要详细数据的项目申报？这决定了报告的深度和风格。

2. 具体的研究范围

限定时间范围（比如2025-2026年）、地域范围（比如中国市场）、行业范围（比如AI在医疗领域的应用）。范围越具体，报告越精准。

3. 期望的输出格式

你想要什么格式的报告？表格还是文字？需要哪些具体内容？要不要包含预测和建议？提前说明可以减少后续修改。

4. 背景信息

如果有相关的背景材料，可以在提示词中提供。比如你要研究竞品分析，可以先说明你们公司的业务定位，这样ChatGPT生成的内容会更贴合实际需求。

2.3 一个好的研究提示词示例

plaintext

我想了解2026年第一季度中国AI大模型市场的竞争格局，用于产品战略规划。

具体需求：
1. 市场份额数据：百度文心、阿里通义、字节豆包、DeepSeek等主要玩家的市场占比变化
2. 技术能力对比：各家的核心优势和差异化定位
3. 用户规模：MAU、付费转化率等关键指标
4. 商业模式：各家盈利方式和收入结构
5. 发展趋势：2026年市场格局的可能变化

输出要求：
- 数据尽量最新（2025Q4-2026Q1）
- 包含数据来源
- 有分析结论和发展建议
- 篇幅控制在3000字以内

这个提示词就很具体，给了足够的上下文和明确的要求，生成的结果会更有价值。

三、深度研究的进阶技巧

3.1 分阶段研究

对于非常复杂的研究主题，建议分阶段进行。第一轮先做宽泛的研究，建立基本认知；第二轮针对第一轮发现的关键点进行深入研究。这种方式比一次性把所有问题都塞进提示词效果好很多。

举个例子，你想研究”AI在制造业的落地现状”。第一轮可以先问：”AI在制造业有哪些主要应用场景？各场景的代表案例有哪些？”根据第一轮的结果，你可能会发现某几个场景特别值得深入，那就针对这几个场景做第二轮研究。

3.2 利用可信来源筛选

深度研究可以指定可信来源。在提示词中加入”优先使用官方数据”、”只引用权威媒体”、”优先访问XXX网站”等要求，可以让结果更可靠。这个功能对于需要引用数据写报告的用户特别有用。

3.3 中途调整研究方向

深度研究的一个强大之处是可以在研究过程中调整方向。当你看到中间结果发现某个点特别有意思，或者某个方向走不通，可以随时打断，让ChatGPT调整研究方向。这比传统的一次性提问模式灵活很多。

3.4 多次迭代优化

不要期待第一次生成的结果就是完美的。研究报告生成后，通常需要2-3轮迭代才能达到理想状态。可以针对报告的具体部分提出修改意见，比如”第三部分的数据不够新，帮我更新到2026年”、”第二部分增加一些具体案例”等。

四、深度研究的局限性和应对

4.1 信息时效性问题

虽然深度研究能访问互联网，但不代表所有信息都是最新的。有些小众话题可能网上信息很少，或者最新数据没有公开。遇到这种情况，你需要手动补充信息，或者降低对数据完整性的期望。

4.2 信息准确性验证

AI可能会误读网页内容，或者在整合信息时出错。对于关键数据和结论，建议打开报告中的引用链接亲自核实。我自己的习惯是，对于影响决策的重要数据，一定会去原始来源验证。

4.3 研究深度有限

深度研究能快速生成报告，但报告的深度和原创性有限。如果你是做学术研究或者需要独特洞见的报告，深度研究只能作为初稿和素材来源，最终还是要靠自己的专业判断。

4.4 隐私和版权问题

深度研究访问的网页可能包含私有信息或受版权保护的内容。使用时要注意，不要把研究成果直接用于商业目的或公开发布。

五、实用场景案例

5.1 场景一：求职前的公司调研

找工作前想了解目标公司？用深度研究可以快速获得公司的业务现状、财务表现、市场口碑、员工评价等信息。比在各个平台分别搜索高效多了，而且ChatGPT会帮你整理成结构化的报告。

5.2 场景二：竞品分析

做产品规划需要了解竞品动态？深度研究可以帮你追踪竞品的新功能、用户评价、市场策略。设置定期提醒，每周自动生成一份竞品动态报告，省去手动收集信息的时间。

5.3 场景三：行业趋势研究

投资、创业、职业转型都需要了解行业趋势。深度研究可以帮你梳理行业的历史演进、当前格局、未来预测，是做决策的好帮手。

5.4 场景四：学术文献综述

写论文前的文献综述是个大工程。深度研究可以帮你快速定位相关领域的重要论文、研究方向、研究结论。虽然最终还是要自己读原文，但前期的筛选和整理工作可以交给AI。

六、总结

深度研究是ChatGPT在2026年最实用的功能升级之一。它把”研究”这件事从专业技能变成了人人可用的工具。当然，它不是万能的，关键信息验证、专业洞见输出这些还需要人来完成。把它定位成”高效的研究助理”而不是”专业分析师”，期望会更合理。

用好深度研究的关键就三点：写清楚需求、分阶段研究、迭代优化。掌握这三点，你就能把ChatGPT变成真正的私人研究员，在信息爆炸的时代快人一步。

相关AI工具教程

• ChatGPT官方使用指南
• AI提示词优化技巧大全
• DeepSeek使用教程

前言

作为一名每天要和Excel打交道的产品经理，我太清楚那种痛了——季度汇报要汇总十几张表格，周报数据要反复核对公式，新项目更是要从头搭建一套数据追踪系统。每次面对密密麻麻的单元格和嵌套好几层的公式，都忍不住想问：有没有一种方式，能让我少加点班？

好消息来了。4月15日，OpenAI正式发布ChatGPT for Excel，把大语言模型的能力直接塞进了我们每天都在用的电子表格里。现在，你只需要用自然语言描述你想做什么，AI就能帮你生成公式、处理数据、创建图表。

我用了一周时间把它的核心功能全部测了一遍，这篇文章就把真实体验分享给你。

一、ChatGPT for Excel是什么

简单来说，ChatGPT for Excel是OpenAI为Excel打造的AI插件，它可以让你通过自然语言指令完成以下操作：

• 在Excel中直接创建、更新和分析数据
• 自动生成复杂的Excel公式
• 跨标签页提取数据洞察
• 智能生成数据可视化图表
• 自动填充和批量处理

这个插件支持企业版、教育版及非欧盟个人订阅用户，也就是说，如果你有ChatGPT Plus或者企业账号，大概率已经可以用上了。

划重点：它不是网页版ChatGPT的简单嵌入，而是一个深度集成到Excel工作流程的原生功能。你可以一边操作表格，一边和AI对话，两者完全同步。

二、6大核心功能实测

1. 自然语言生成公式

这是我认为最实用的功能。以前的Excel公式学习曲线陡峭，VLOOKUP、INDEX+MATCH、IF嵌套这些，稍不留神就会出错。现在只需要描述你的需求。

举个例子：

我想计算每件商品的毛利率，已知A列是售价，B列是成本

在传统Excel里，你可能需要手动输入=(A2-B2)/A2这样的公式。但在ChatGPT for Excel里，你只需要在对话框里输入这句话，它就会自动生成正确的公式，并解释这个公式的工作原理。

再举一个复杂点的：

如果销售额超过10万，佣金比例是5%，否则是3%，帮我计算C列的佣金

AI会自动识别你的逻辑，并生成嵌套IF语句：

plaintext

=IF(A2>100000, A2*0.05, A2*0.03)

实测下来发现：

• 简单计算类公式，准确率接近100%
• 复杂条件判断，需要检查一下逻辑是否完全符合预期
• AI会给出公式解释，这个设计很贴心，适合学习

2. 跨标签页数据整合

这个功能对做报表的人来说简直是救星。

以前我汇总月度数据，要把1月到12月的Sheet里的数据一个个复制粘贴过来。现在只需要告诉AI：

把”1月”、”2月”、”3月”三个Sheet里的销售额汇总到”年度汇总”Sheet的B列

AI会自动识别各Sheet的结构，生成相应的汇总公式。如果表格结构一致，几秒钟就能完成以前半小时的工作。

注意：跨Sheet引用时，Sheet命名最好规范，不要有特殊字符，否则AI可能需要多轮调整。

3. 智能数据分析

选中一列数据，让AI帮你分析：

分析这组销售额数据，找出异常值，并说明原因

AI会：

1. 计算均值、中位数、标准差
2. 标记超出2个标准差的异常数据
3. 给出可能的原因推断（比如季节性波动、促销活动影响等）

这个功能在做销售数据分析、市场调研报告时特别有用，AI相当于半个数据分析师。

4. 一键生成图表

以前创建图表要经历：选中数据 → 插入图表 → 选择图表类型 → 调整格式，至少五六步。现在：

根据这组数据生成一个对比柱状图，展示各产品线Q1-Q4的表现

AI不仅会生成图表，还会根据数据特点推荐最适合的图表类型。比如对比类数据默认推荐柱状图，趋势类数据推荐折线图。

实测：对于标准的数据可视化需求，ChatGPT for Excel的图表生成效果和手动操作基本一致。但对于需要高度定制的图表（比如品牌色、统一风格），还是需要手动调整。

5. 批量数据处理

如果要处理大量重复性工作，这个功能一定要会用：

在D列填充”已完成”，条件是C列的状态是”审核通过”且日期早于2026-01-01

AI会自动生成FILTER或者条件填充公式，一键完成批量操作。适合处理订单管理、库存整理、人员信息归档等场景。

6. 公式纠错与优化

不知道你有没有遇到过这种情况：表格里的公式明明没报错，但结果就是不对。

现在你可以把公式扔给AI诊断：

帮我检查B列的公式有没有问题，这个列应该是计算环比增长率的

AI会：

1. 分析公式逻辑
2. 检查单元格引用是否正确
3. 指出潜在的错误（比如除零、空值未处理等）
4. 提供优化建议

三、实际工作场景演示

场景一：周报数据整理

以前的工作流：

1. 从CRM系统导出本周订单数据（CSV格式）
2. 打开Excel，整理数据格式
3. 用SUMIF统计各产品线销售额
4. 用VLOOKUP匹配客户等级
5. 计算各项占比
6. 制作图表
7. 写分析文字

整个流程至少40分钟。

现在的工作流：

1. 导入数据（5分钟）
2. 告诉AI：”帮我统计各产品线销售额、订单数量、平均客单价，并生成同比环比数据”（5分钟）
3. AI自动生成公式、图表、分析结论
4. 人工复核关键数据（5分钟）

总耗时15分钟，效率提升60%以上。

场景二：销售业绩核算

痛点：销售团队佣金计算逻辑复杂，涉及阶梯式提成、超额奖金、团队加权分配等多种规则，人工核算容易出错。

用ChatGPT for Excel处理：

1. 把提成规则文档贴给AI，让它理解逻辑
2. 输入各销售的业绩数据
3. 让AI自动生成核算公式
4. 一键应用到全部数据

效果：原来需要2-3小时核对的工作，现在30分钟完成，而且几乎零错误。

四、避坑指南

虽然ChatGPT for Excel很好用，但有些坑还是要注意：

1. 数据安全

AI处理数据时会上传部分信息到服务器。如果你的表格涉及商业机密、用户隐私数据，建议：

• 先用脱敏数据测试功能
• 敏感数据手动处理
• 企业用户优先使用私有化部署版本

2. 公式验证

AI生成的公式准确率很高，但复杂逻辑一定要人工复核。特别是涉及多条件判断、日期计算、财务核算等场景，错误成本较高。

3. 结构一致性

跨Sheet引用时，确保各Sheet的数据结构一致。列名、数据格式、空行处理最好统一，否则AI可能出现误判。

4. 版本兼容性

ChatGPT for Excel目前主要面向Microsoft 365版本的Excel。如果你是WPS或者老版本Excel用户，部分功能可能无法使用。

五、和WPS AI、百度Excel助手对比

功能	ChatGPT for Excel	WPS AI	百度Excel助手
自然语言生成公式	✅ 强	✅ 强	✅ 中
跨Sheet整合	✅ 强	⚠️ 弱	⚠️ 弱
数据分析洞察	✅ 强	✅ 中	✅ 中
图表生成	✅ 强	✅ 强	✅ 中
中文理解	✅ 强	✅ 强	✅ 强
免费额度	限订阅用户	免费	免费

结论：如果是复杂数据分析、跨Sheet整合需求，ChatGPT for Excel明显更强；如果是基础表格整理，WPS AI和百度助手也够用。

六、如何开始使用

步骤1：检查账号权限

ChatGPT for Excel面向以下用户开放：

• ChatGPT Plus/Pro订阅用户
• 企业版ChatGPT用户
• 教育版用户（.edu邮箱）

个人免费用户暂时无法使用。

步骤2：安装插件

1. 打开Excel，点击”插入” → “获取加载项”
2. 搜索”ChatGPT for Excel”
3. 点击添加，等待安装完成

步骤3：登录账号

安装完成后，右侧会出现ChatGPT面板，用你的ChatGPT账号登录即可。

步骤4：开始使用

直接在对话框输入你的需求，比如：

• “帮我计算A列的总和”
• “生成一个柱状图展示B列数据”
• “如果A列大于100，在C列显示’优秀’，否则显示’合格’”

结语

ChatGPT for Excel的出现，标志着AI办公助手从”辅助参考”正式进入”直接干活”的阶段。以前那些让人头皮发麻的Excel操作，现在用自然语言就能搞定。

作为用户，我的感受是：它不是要取代Excel技能，而是降低了Excel的使用门槛。你不需要记住那些复杂的函数语法，也能做出专业的数据处理效果。

对于经常和表格打交道的朋友，我强烈建议去试试。毕竟，省下来的时间可以用来做更有价值的事情——比如早点下班。

相关工具教程

• 国产AI助手横评2026：豆包/文心一言/通义千问/DeepSeek怎么选
• ChatGPT高级玩法：10个提升工作效率的提示词模板
• WPS AI vs 百度Excel助手：哪款国产工具更好用

本文测试环境：Microsoft 365 Excel版本，ChatGPT企业版账号