先交代背景，免得有人觉得我在云吐槽。
我是个独立开发者，从去年GPT Store刚开放那会儿就开始捣鼓自定义GPT，到现在前后做了三个：一个是给自己用的写作助手（润色英文邮件那种），一个是数据分析的（喂它Excel让它出图表 + 简单结论），还有一个是帮朋友公司做的客服bot，对接了他们的产品文档。
三个GPT做下来，踩的坑加起来够写一篇小作文了。今天有空，挑几个实用的说说。
1. Instructions别写太长
刚开始我以为Instructions就是越详细越好，恨不得把所有规则都列出来。第一版写作助手的Instructions我写了快3000字，结果发现模型经常"忘"——你让它做A它给你做B，让它用正式语气它输出口语。
后来翻了一些资料 + 自己测试，发现一个很反直觉的事：Instructions字数限制虽然是8000字符左右，但实际控制在800字以内效果最好。超过这个量级，模型对前后文的权重分配就开始飘。
我后来重写了一版，砍到600字左右，效果反而稳定了。给点经验：能用例子就别用规则，能用一句话就别写一段。
2. Knowledge文件那个512MB是个坑
官方说单文件最大512MB、最多20个文件。听起来很慷慨对吧？但你真把一个300MB的PDF扔上去，检索质量就拉胯了——它不是真的"读"完整个文件，而是做chunking + embedding + RAG那一套。
我做客服bot的时候，一开始把朋友公司的产品文档（一个200MB的PDF合集）整个上传，结果用户问的问题很多它答不上来，或者答得驴唇不对马嘴。
后来我把文件拆成20个左右的小Markdown文件，每个文件一个主题，命名清晰（比如pricing.md、refund_policy.md），retrieval质量立刻好了一大截。
这里其实有个小tip：GPT似乎更喜欢Markdown格式，比PDF和Docx都好。可能跟训练数据的分布有关吧，也可能就是巧合。
3. Actions接API真的反人类
如果只是聊天那种GPT，做起来很轻松。但要让GPT能调外部API（比如查天气、查订单、发邮件），你就得写OpenAPI 3.1 schema。
写schema这事儿，文档说得云淡风轻，实际写起来——尤其是处理authentication和复杂response时——能把人逼疯。我做客服bot要接朋友公司一个内部CRM API，前后调试了两天才让GPT能稳定调用。
GPT Builder里的debug能力又非常弱，基本就是"调失败了"几个字，连具体错在哪都不告诉你。我后来都是用Postman先把API调通，再小心翼翼地写schema扔进去。
4. Conversation Starters真的很重要
这个一开始我没在意，觉得就是几个示例问题嘛，随便填填。结果后来发现，用户进来第一眼就看这4个（最多4个）启动话题——它们直接决定用户会不会留下来玩。
我那个写作助手刚开始的Conversation Starters写得很泛（“帮我写一封邮件”），后来改得很具体（“帮我写一封拒绝供应商涨价的邮件，语气要客气但坚定”），使用率立刻上来了。
启动语本质上是给用户做"示范"——告诉他你能干什么、怎么用最好。
5. GPT Store的算法其实很现实
最后说个略丧的事：GPT Store的推荐算法明显偏向已经有高使用量的GPT，新人GPT几乎没有自然流量。我那三个GPT没有一个上过任何榜单，加起来也就攒了几千次使用，绝大多数还是我自己拉的人头。
Revenue Share今年3月开始的，但实际能拿到钱的创作者非常少，圈里很多人吐槽——我自己一分钱没收到过。所以如果你是奔着"做个GPT赚钱"来的，劝你三思。
结尾
整体来说，做自定义GPT这件事，我觉得对个人提效是真有用的，但要做成产品/赚钱很难。
如果你刚要入坑，我的建议是：从一个你自己每天都会用的小工具开始做，不要一上来就想做"通用型助手"。
有问题欢迎讨论，我能答的都尽量答。