图 1：本文封面，点明主题「不写代码定制 AI 助手」。
你有没有这样的重复动作：每次开一个新对话，都要把同一段背景重新贴一遍——「你是我们的客服助手，语气要亲切，产品资料如下，退货政策是……」。贴到第十次的时候，任何一个正常人都会想：这些东西能不能只讲一次，让 AI 永久记住？
定制助手要解决的正是这件事。把角色、规则、资料固化成一份配置，一次写好，之后每轮对话自动生效。这件事不需要写一行代码，OpenAI 的 GPTs、国内的扣子等平台，背后都是同一套逻辑。
核心结论一句话
定制一个专属 AI 助手，本质只有三件事：写指令（它该怎么做事）、喂知识（它该知道什么）、开能力（它能用什么工具）。剩下的都是围绕这三件事的调试循环。
先泼一盆冷水：谁能创建，先搞清楚
截至本文核验时，OpenAI 官方帮助中心写明：个人 ChatGPT 账号（包括付费的 Plus、Pro）已经不能创建和发布新 GPTs，只有 Business、Enterprise、Edu 工作区的成员在权限允许时可以创建、编辑和发布；此前已存在的 GPTs，个人用户仍然可以正常使用。国内平台则是另一派景象：以扣子为例，官网显示个人用户可以免费创建 Agent。
所以本文的流程有两种读法：有工作区账号的，照着做即可；只有个人账号的，把同一套思路搬到可用的平台上——指令、知识、能力的配置框架几乎一一对应，学会一套，处处通用。
五步流程：从空白到可用
第一步，创建并起名。填名称、简介、头像，再配几条「对话开场白」——用户打开助手时看到的示例问题。别小看这几条开场白，它们决定了新用户第一句话会问什么，是助手最好的说明书。
第二步，编写指令。这是整个助手的核心配置，告诉它扮演什么角色、按什么步骤做事、用什么风格回复、什么坚决不做。官方文档给了两条很实在的建议：多步流程要写成明确的步骤结构，比如「当用户问退货时→先查订单状态，再给政策原文」；并且尽量写正面、具体的指令（「要做什么」），而不是堆一屏禁令（「不要做什么」）。
第三步，上传知识文件。知识和指令的分工要记牢：指令管「它该怎么表现」，知识管「它该知道的事实」——产品手册、内部 FAQ、课程讲义这类参考资料才放这里。GPTs 对知识文件有数量和大小限制（最多 20 个文件、单个不超过 512MB），所以只传精选资料，别把整个网盘倒进去。
第四步，按需开启能力。联网搜索、图像生成、Canvas、代码解释器与数据分析，以及连接外部 API 的 Actions，都可以按场景打开。原则是宁少勿多：每多开一个开关，就多一条助手跑偏的路径。
第五步，预览调试后发布。编辑器右侧的预览窗可以边配边测，确认行为稳定再发布或分享。
图 2：五步配置流程与「实测—定位—修改—再测」的调试闭环。
调试闭环：答非所问时怎么修
助手答得不对，别急着推翻重来，先定位原因：它不知道（知识缺失），还是它没按规矩做（指令不清）？前者补资料，后者改指令。OpenAI 官方帮助里还有一条经验之谈：遇到问题时，先收紧指令、补上正反示例，往往比添加新功能更快见效。这个「实测提问→发现答非所问→定位原因→修改配置→再测」的循环，转到输出稳定为止，就是定制助手真正的日常工作。
三个常见误区
误区一：把知识文件当指令用。有人把「回复要简短、语气要活泼」写进上传的 PDF——知识只是参考资料，模型不保证每次都读它，行为规则必须写进指令里。
误区二：能力全开求保险。一个只负责答 FAQ 的助手开了图像生成，结果就是用户随口一句「画个图看看」它真去画了，回答主业问题反而分心。需要什么开什么。
误区三：配好就一劳永逸。助手是要养的：根据真实使用反馈持续迭代，改坏了也有版本历史可以回滚，放心大胆改。
给你的行动建议
今晚就能完成最小闭环：挑一个你最高频的重复场景——写周报、答客户 FAQ、审文案都行——写十行指令（角色、任务、步骤、禁区各两三行），传一两份精选资料，然后故意问它三个刁钻问题。答得不好就回去改指令，答得稳定就正式投入使用。定制助手这件事，动手一次胜过收藏十篇教程。
你定制过自己的 AI 助手吗？卡在了指令、知识还是调试环节？欢迎聊聊你的经历。