原始标题: You’ll be left Behind as an AI PM If You Don’t Use ChatGPT Apps

发布日期: 2026-01-22 | 来源频道: @growproduct

📝 深度摘要

1. 对话背景与核心主题

这场对话来自专注产品增长的频道@growproduct，深入探讨如何利用ChatGPT生态构建原生应用。ChatGPT拥有9亿周活用户，为应用提供巨大分发渠道。借助MCP协议和低代码平台Chippy，开发者可通过自然语言快速创建内嵌应用。核心方法论包括：明确App形态、设计工具函数、构建Eval测试集验证调用准确性。视频强调工具描述词的精准度直接影响AI调用决策，并演示了医院评论、购物、咖啡推荐等实战案例。当前市场仅约20个应用上线，处于早期窗口期，是抢占AI流量红利的最佳时机。

核心干货概览 (Key Takeaways & Stack)

深度逻辑拆解 (Deep Dive / SOP)

核心挑战

PM 面临的核心困境在于：如何在 AI 原生时代找到新的增长触点。ChatGPT 拥有 900M 周活用户，用户在 Chat 场景中的意图强度高于传统 SEO 流量。关键问题是——如何让自己的产品从"被搜索"变成"被调用"，即当用户产生需求时，AI 自动唤起你的工具完成交易闭环，而非跳转到独立网站。

步进 SOP

Step 1: 准备/输入

• 定义 App 形态：确定是全屏应用还是内联卡片。全屏适合复杂交互（如购物车、结账流程），内联卡片适合轻量信息展示（如评分、摘要）。
• 设计工具函数：明确 App 需要暴露哪些工具（Tools）。例如医院评论 App 至少需要两个工具：view_reviews（查看评论）和 share_review（分享评论）。每个工具需编写清晰的描述文本（Description），这是 AI 决定何时调用的关键依据。
• 构建 Dummy Data：为验证准备测试数据。Demo 中使用了虚拟的医院名称和评论内容。

Step 2: 核心转换

• Prompt 生成：在 Chippy 中用自然语言描述 App 期望行为，AI 自动生成 MCP Server 配置。Demo 中仅用两个 Prompt 就完成了基础 App 构建。
• Eval 构建：这是最关键的迭代环节。必须构建三类测试用例：
  • Direct Eval：用户直接输入产品名，如"Canva，帮我做 X"
  • Indirect Eval：用户描述期望结果但不点名工具，如"我想要分享一条评论"
  • Negative Eval：完全不相关的输入，如"这周末想去购物"，验证工具不会被误触发
• 描述词优化：工具描述中的每个词都会影响 AI 决策。Demo 中将 view_reviews 描述从"display hospital reviews with filtering, sorting, and sharing options"改为"display hospital reviews with filtering and sorting options"，因为原描述包含"sharing"导致 AI 在用户说"我想分享评论"时错误调用了 view 工具。

Step 3: 交付/结果

• 手动测试：在 ChatGPT 中输入各类 Prompt，观察工具是否被正确调用
• Auto Eval：批量运行 eval set，通过 LLM 判读结果是否匹配预期
• 日志分析：在 Chippy 的 Observability 面板查看工具调用详情、参数填充情况、返回数据质量
• 迭代描述：根据失败案例反向修改工具描述词，形成"测试-反馈-优化"闭环

案例/细节支撑

• Target 购物 App：用户可在 ChatGPT 内构建购物车、完成结账，无需跳转
• Canva App：在 ChatGPT 内调用 Canva 的设计能力，生成海报、演示文稿，AI 可以理解设计意图并代为操作
• 咖啡指南 App：Demo 演示了基于位置的推荐功能
• 医院评论 App：Demo 演示了查看、筛选、分享评论的完整流程
• Expedia：旅行预订场景，用户说"帮我订去东京的机票"，App 拉起交互界面完成预订

核心干货运用 (Hard Assets / Prompts)

Prompt 还原

Chippy Prompt 示例（Demo 实录）

Prompt 1：创建一个医院评论管理应用，包含查看评论和分享评论两个功能

Prompt 2：添加一些虚拟的医院和评论数据用于测试

工具描述词优化示例

优化前：

name: view_reviews
description: "display hospital reviews with filtering, sorting, and sharing options"

优化后：

name: view_reviews
description: "display hospital reviews with filtering and sorting options. This tool is intended to fetch existing reviews for the purpose of showing the user. It is not for sharing."

逻辑注释

• 工具描述即 SEO：ChatGPT 依据工具的 name 和 description 决定何时调用。描述越精确、包含使用示例，触发准确率越高。
• Eval 是质量保障：不做 eval 的 App 上线后会在真实流量中"裸奔"，出现调用错误时无法定位根因。
• 间接意图识别是难点：用户说"我想要分享评论"而不提工具名，AI 需要通过语义理解匹配到 share_review 工具，这完全依赖描述词的语义覆盖度。

PM 避坑与实战洞察 (Insights & Reflections)

反直觉结论

• 不是"额外技能"，是"赋能工具"：Colin 明确反对"AI 原型设计是 PM 额外工作清单"的说法。他认为这和"PM 学 Figma"一样，是支持核心工作的技能，而非独立的新职责。
• 企业端是早期主力：尽管个人开发者可以练手，但真正有动力投入的是大企业——它们有预算、有品牌需要保护、且有动力获取 AI 流量红利。
• 不必比垂直产品更强：做一个嵌入 ChatGPT 的 PPT 工具不需要比 Gamma 更强，用户在 Chat 场景中要的是"足够好的起点"，而非"完整解决方案"。

适用边界

• 当前局限性：只有不到 20 个 App 上线，市场未成熟。OpenAI 能否建成 Marketplace、能否优化发现体验，是这一模式能否爆发的关键变量。Colin 预计"70-80% 到位，2026 年 3 月见分晓"。
• 认证复杂性：相比传统 App 登录，ChatGPT App 的认证流程更复杂，涉及 OAuth 和用户身份映射，企业需要投入工程资源。
• 非所有产品都适合：低频、长周期决策的产品（如房产、保险）可能不适合，但高频、交易导向的产品（零售、旅行、本地服务）潜力巨大。

实战陷阱

• 不要跳过 Eval：两个 Prompt 搭完 App 就上线是"裸奔"。Demo 中明确展示了工具描述词污染导致调用错误的过程，这是真实生产环境会反复遇到的问题。
• 不要只做"搜索工具"：只是展示信息的 App 价值有限。真正的机会在于"交互式"——让用户在 Chat 场景内完成完整业务流程（选品、填表、支付）。
• 不要忽视跨平台潜力：MCP 是开放协议，构建在 MCP 上的 App 理论上可同时接入 Claude、ChatGPT、Cursor、Lovable 等多个 AI 平台。当前 Claude 已在开发支持，Gemini 尚未但"在路线图上"。

金句 (Golden Quotes)

• “ChatGPT 正在成为操作系统，这些嵌入应用就是上面的应用——你不需要每个公司都自己造 Agent，直接调用工具就行。”
• “Eval 就是 AI 产品的 QA——你不能等上线后才在真实流量里裸奔测试，那样代价太大。”
• “PM 学 AI 原型设计不是额外清单，和学 Figma 一样——是让你和其他人沟通想法的效率工具。”
• “大企业会是第一批吃螃蟹的人，因为他们有品牌、有预算、也有动力抢占 AI 流量入口。”
• “做一个嵌入 ChatGPT 的演示工具不需要比 Gamma 强，用户要的是’刚好够用’，不是’完美解决方案’。”

📺 视频原片

视频ID: Q2MfgGBUVwQ