跳到主要内容

面向 Claude 用户的 ChatGPT 指南

入门

你已经习惯用 Claude 的方式思考。现在一位同事分享了一个 Custom GPT，或者某个客户扎根在 ChatGPT 里，而你需要今天就能在那里高效工作——不必从头重新学习如何使用 AI 助手。好消息是：你所掌握的几乎一切都能迁移过去。本页把你的 Claude 心智模型映射到 ChatGPT 上，标出少数几个确实运作不同的地方，并告诉你各自通常在什么场景下最出彩。

What you'll learn
  • 把 Claude 的概念对应到 ChatGPT 的等价物（Projects、Custom GPTs 以及接替它们的 Plugins、custom instructions/memory、canvas、模型选择器）
  • 知道你的哪些 Claude 提示习惯可以原封不动地沿用（大多数都可以）
  • 认出少数几个你确实需要调整的地方
  • 知道何时该用 ChatGPT、何时该留在 Claude
Custom GPTs 即将退场——由 plugins 接替

OpenAI 正在把 custom GPTs 迁移到 plugins，而 custom GPTs 在退役时会停止工作。如果今天一位同事把一个 Custom GPT 交给你，它仍然能跑，但不要在它上面构建任何新东西——在投入之前，先读下面的 Projects vs Custom GPTs。

60 秒概念对照​

如果你只读一节，就读这节。下面是你在 Claude 中所熟悉的东西如何对应到 ChatGPT：

在 Claude 里你称它为……在 ChatGPT 里它是……同一个概念吗？
Claude Projects（工作区 + 文件 + 项目指令）Projects是——几乎是同一个概念
Custom Style / 一段你反复复用的已保存系统提示Custom GPTs——正被 Plugins（skills + apps）取代接近，但有一处转折（见下文）
你的账户级偏好 / “我希望你如何回应”Custom instructions是
Claude 对过往对话的记忆Memory是——同一个概念，经常演进
Artifacts（用于文档/代码的侧边栏）Canvas是——同一个概念
模型选择器（Opus / Sonnet / Haiku）模型选择器（速度 vs 推理的层级）是——同一个概念，名字不同
工具使用 / 函数调用（API）Function calling是——形态相同，JSON 细节不同

要点：几乎没有新概念要学。它主要是把你已经理解的东西重新命名和重新安置。

Projects vs Custom GPTs——唯一值得搞清楚的区别​

这是 Claude 用户最常犯迷糊的一个点，因为 ChatGPT 有两样东西都让人感觉像“定制版的 Claude”，而它们针对的是不同的用途。

  • Projects 是组织性的——一个工作区，把围绕某项持续工作的多个对话、上传的文件和共享指令捆绑在一起。跨多个对话保持连续性正是它的意义所在。当你会去打开一个 Claude Project 时，就该选 Project：一条长期的研究线索、一篇不断演进的文稿、一条带参考文档的工作流。

  • Custom GPTs 是打包好的助手——一份已保存的配置（一段系统提示、可选的知识文件、启用的工具，有时还有 API actions），你可以把它作为一个全新的、带固定人设的单次对话来调用。它们生来就是为了复用和分享，所以由一个人构建专业能力，供许多人使用。它们正在被退役。

  • Plugins 就是那个替代品：用 OpenAI 的话说，它是“一个面向某条工作流的可复用打包件，可以包含 skills、apps 或两者兼有”——skills 承载如何完成工作的指令，apps 则把 ChatGPT 连接到其他服务。和 Custom GPT 是同一种直觉，但覆盖面更大。

心智捷径：

  • 需要跨多个对话共享上下文并保持连续性？ → Project。
  • 需要一个可复用、可分享、每次表现都一致的专家？ → 一个 Plugin（并把你手上已有的 Custom GPT 迁移过去）。

给 Claude 用户的两个陷阱：

  • 一次 Custom GPT 或 Plugin 对话往往每次都从头开始，只带着它预设的指令加上当前这次对话——别指望它像一条持续进行的 Project 线索那样记得你上一次会话的内容。
  • 迁移并非无损。Custom actions 必须单独重建——对接某个受支持的连接器，或你自己的 MCP server——所以一个重度依赖它们的 GPT 需要实打实的工作量，而不是一键转换。如果重建的人是你，Codex Agent Plugins 讲的就是那层打包机制。

Custom instructions 与 memory——同一个概念，层次略有不同​

在 Claude 里你设置全局偏好，并让它记住上下文。ChatGPT 做的是同样的事，只是有更明确的、可供你设置指令的层次：

Guided walkthrough1 of 4
  1. 你长期不变的偏好——语气、详略程度、要关注什么。应用于所有对话，就像你的 Claude 账户偏好。

Memory 是它自成一体、不断演进的系统：ChatGPT 可以在不同对话之间携带上下文。请把它记住什么、记多少，以及在哪里可用（例如是否在一个打包助手内部）都视为易变的——它经常变，所以要核实当前行为，别想当然。

Canvas 就是 ChatGPT 的 Artifacts​

如果你喜欢 Claude Artifacts——一个侧边栏，让文档或代码块变成一个实时、可编辑的对象——那你会觉得 canvas 很亲切。它为写作和编码打开一个专门的编辑界面，让你和模型可以就地修改，而不必重新生成整条消息。同样的直觉，不同的名字。

有一点要留意（也是我们为什么不把具体细节写死的一个好例子）：你能拿到什么样的编辑界面，取决于你身处哪个端，而不只取决于你提了什么要求。OpenAI 的最新文档把预览与编辑行为描述为按端而异——桌面应用会在对话旁边预览生成的文档，CLI 则完全没有可视化预览，而 IDE 扩展是在编辑器里审阅文件。所选的模型也可能有影响。如果侧边栏没有出现，先怀疑你所在的端或所选的模型，再怀疑是 bug。

模型选择器——按任务而非按名字来选​

正如你在 Opus、Sonnet 和 Haiku 之间做选择，ChatGPT 也要你选一个模型——通常沿着一条速度 ↔ 推理的光谱（快速/即时选项用于快速轮次，更强推理的选项用于难题，最高层级则对付费套餐开放）。名字和层级数量经常变动；持久的技能和你在 Claude 上早已使用的是同一个：让模型与任务难度以及你对延迟/成本的容忍度相匹配。

这正是 选择一个模型 和 我该用哪个 Claude？ 里的框架——它与厂商无关。别去背某个模型名字；学会读懂“快 vs 深”，据此选择。

下面这段是为了把道理讲具体，而不是让你去背：截至 2026 年 10 月 7 日，选择器里跑的是 Astra（能力最强）、GPT-6.1 Sol（“以低于 Astra 的成本，在复杂工作上提供接近 Astra 的表现”，正在向 Plus、Pro、Business、Enterprise 和 Edu 推送）以及 GPT-6 Luna（面向聚焦、高吞吐工作的高效模型）——与此同时，GPT-5.5 将于 2026 年 10 月 14 日从 ChatGPT、ChatGPT Work 和 Codex 退役，但仍可在 API 上使用。如果你读到这段的时间已经远远晚于那个日期，这一段里的每一个名字很可能都已经变了。这恰恰就是重点。

Pro tip
  • 常规起草、格式整理和快速问答，选快速/即时层级。
  • 多步逻辑、棘手的代码或需要细致分析，选高推理层级。
  • 如果像 canvas 这样的功能或某个工具似乎不见了，先怀疑你所在的端（桌面 vs 网页 vs CLI vs IDE）或所选的模型，再怀疑是 bug。

Function calling——形态相同，JSON 细节不同​

如果你在 Claude 上做过 工具使用，OpenAI 的 function calling 会让你立刻感到熟悉，因为那个循环是一样的：

Guided walkthrough1 of 5
  1. 你用一个名称、一段描述，以及其参数的 JSON schema（哪些必填、各自的类型）来描述每个工具。和 Claude 的工具定义是同一个概念。

完全相同的是：描述 → 模型请求 → 你执行 → 返回结果 → 作答这个循环、多次/并行调用，以及模型提议、你的代码定夺这一原则。

不同的、并且在你复制粘贴时会绊倒你的是：确切的 JSON 字段名、工具调用和结果在消息列表中如何表示、“strict”/结构化输出选项，以及具体的 API 端点形态。作为跨厂商的一条通则，提示和架构可以迁移；线路格式的细节不能——始终重新核对各厂商的 schema。

哪些能迁移（剧透：几乎全部）​

你辛苦练就的 Claude 习惯不会白费。以下这些基本上原封不动地沿用：

  • 提示结构——清晰的角色、明确的任务、示例、所要求的输出格式 → 提示基础
  • 有意识地给上下文——粘贴正确的材料、界定范围、别一股脑全倒进去
  • 要求特定的输出格式——表格、JSON、步骤；用法相同
  • 就地迭代——通过追问来打磨（现在还可以通过 canvas）
  • 工具使用循环——描述工具、让模型调用它们、返回结果 → 工具使用
  • 按任务难度选模型——快 vs 深，同样的判断

厂商中立的系统提示——放进一个 Custom GPT 或某个 Project 的指令里

You are a {role}.
Goal: {one clear sentence}.
Rules:
- Use ONLY the context I provide; if the answer isn't there, say "I don't know".
- Be concise. No preamble.
- Output format: {exact format — e.g. a markdown table with columns X, Y, Z}.
When you need information you don't have, ask one focused question instead of guessing.

哪些确实要调整​

一份简短而诚实的、确实不同的清单：

  • 两个“定制化”对象，而不是一个。 一开始就决定好：是持续的工作区（Project），还是可复用的打包助手（一个 Plugin——或者一个正在变成 Plugin 路上的 Custom GPT）？选错是最常见的早期错误。
  • Custom GPTs 是迁移的起点，不是终点。 OpenAI 正在把它们转移到 Plugins 并让它们退役。如果你继承了一个，就规划它的迁移；不要新建一个。
  • 功能 ↔ 端的搭配。 在 ChatGPT 里，某个预览/编辑面板（或某个工具）是否可用，可能取决于你在哪里运行它——有时还取决于所选的模型。当某样东西缺失时，先检查这些，再看其他。
  • 工具的线路格式。 function calling 这个概念是一样的；JSON 细节不是——绝不要原封不动地复用 Claude 的确切工具 JSON。
  • 易变的具体细节。 模型名称、层级、限制和价格变得很快。养成到源头去确认的习惯，就像你对 Claude 也应该这么做一样。

各自通常在什么场景下最出彩​

两者都是出色的通用助手，在任何一项具体任务上的差距往往很小且不断变化——所以把这当作倾向，而非定律，并让你自己在你自己的数据上做评估来决定：

  • 在以下情况选 ChatGPT： 你需要它特有的生态——某个团队已在维护的 Custom GPT、某位协作者已搭好的 Project，或你在那里依赖的某个内置工具/集成。如果你的客户或同事扎根在 ChatGPT 里，去那里与他们会合，胜过制造摩擦。
  • 在以下情况选 Claude： 你已经身处本站围绕其构建的 Claude 工作流——Projects、Artifacts，以及 AILmanac 通篇记录的提示/智能体模式——并想在这些上面深入钻研。

大多数时候诚实的答案是：你（或你的团队）已经搭建好的那一个。 技能是可迁移的；搭建成本才是真正的切换成本。

ChatGPT 到 Claude 词汇对照
按 Enter 或空格键翻转卡片。使用左右方向键在卡片之间切换。已显示术语。
1 / 7

自我检测

0/4
  1. 你想要一个工作区，把许多相关的对话、参考文件和共享指令一起保存，用于一项持续的研究工作。在 ChatGPT 里你会用什么？
  2. 你用过 Claude 的工具使用。关于 OpenAI function calling，哪一项是对的？
  3. 在你预期侧边栏预览出现时它却没出现。最有可能第一个要检查的是什么？
  4. 一位同事把团队依赖的一个 Custom GPT 交给你。正确的做法是什么？
Key takeaways
  • 几乎没有新概念——Projects ≈ Claude Projects，一个 Plugin ≈ 一个打包好的可复用助手，canvas ≈ Artifacts，function calling ≈ 工具使用。
  • 搞对那唯一的区别：Projects = 组织许多对话；一个 Plugin = 一个可复用、可分享的专家。
  • Custom GPTs 正被转移到 Plugins 并将被退役——迁移你继承来的那些，不要新建，并为 custom actions 预留实打实的时间。
  • 你的提示、上下文、输出格式和工具循环的习惯原封不动地迁移——按任务难度选模型，和 Opus/Sonnet/Haiku 一样。
  • 只需调整少数几样：两个定制化对象、功能↔端的搭配，以及工具调用的 JSON 细节。
  • 名称、层级、限制和价格很快就会过时——到 OpenAI 的文档核实具体细节，就像你对 Claude 也应该这么做一样。

来源与延伸阅读​

下一步​