ChatGPT 插件生态近期呈现爆发式增长，总数已达 390 个，相比开放初期增长了超过 400%。其中部分插件在特定时间段内集中上线，显示出开发者的活跃度显著提升。
虽然早期插件质量参差不齐，但随着新插件的加入，各种'联动出奇迹'的组合玩法逐渐被挖掘出来。例如，最近流行的自动化电子书创作玩法，仅需输入一个主题，AI 即可自动搜集资料并撰写成书。
核心插件与工作流程
实现该玩法的核心在于AI Agents插件，它能够自动分解复杂任务、制定步骤并按顺序执行。配合两个联网插件负责资料搜集，整个自动写书流程即可跑通。
这种玩法之所以备受关注，是因为已有实践者利用 AI 撰写了近百本电子书并在网上销售，尽管质量参差不齐，但也获得了可观的收益。随着自动工作流的出现，生产效率有望进一步提升。
技术挑战：模型知识截止与上下文限制
然而，面对海量插件，如何快速找到所需功能并发现组合潜力是一个难题。ChatGPT 本身对现实世界的知识截止于 2021 年 9 月，且不知道自身拥有插件功能。如果简单地将所有插件数据直接发送给模型，会面临超出上下文长度限制的问题。
解决方案一：借助联网插件读取外部数据
针对数量众多的联网插件，测试表明Web Request插件体验较好，速度稳定且支持长内容分页读取。
- 数据托管：将整理好的插件名称和功能描述发布到公共文本托管服务（如 Pastebin），获取 URL 链接。
- 调用插件：开启 GPT-4 插件模式，将链接发送给 ChatGPT。
- 读取过程：首次提问时模型需要等待较长时间进行分页读取，后续提问速度则恢复正常。
优点：使用 GPT-4 回答准确，外部列表可随时更新。 缺点：消耗宝贵的 GPT-4 对话限额（每 3 小时 25 条）。
解决方案二：分批发送数据（思维链提示）
第二种方法不使用联网插件，而是通过分批发送数据的方式，适用于 GPT-3.5 和 GPT-4。
由于 GPT-3.5 在处理大量数据时容易出现理解偏差（如插件名称截断），建议配合思维链（Chain of Thought）提示词来规范交互流程。
关键提示词设计
- 你的任务是回答任何关于 ChatGPT 插件的问题。
- 现在一共有 390 个插件，接下来我会以'{编号} {名称} - {功能描述}'的方式分批把插件数据发给你。
- 在未接收完全部插件数据之前，只需要阅读并记住这些数据，并回复'收到，请继续发送下一批数据'。
- 接收完全部插件数据之后，请回复'已收到全部插件数据，接下来可以任意提问了'，并在后续对话中使用与提问相同的语言回答问题。
- 收到这一条消息后，请回复'收到，请开始发送数据'。
注意事项：
- 回复简短：指定收到数据时的回复尽量简短，避免占用过多上下文长度导致模型遗忘前置信息。
- 防止遗忘：若模型忘记任务，可通过反复提醒解决；若忘记数据，则需重新发送。即使是 GPT-4 在连续接收大量英文数据后，也可能忘记用户使用的是中文提问，因此保持指令清晰至关重要。
实施步骤
- 输入打磨好的提示词。
- 按批次发送插件数据。
- 待模型回复确认接收完毕后，开始正式提问。
- 提问时需明确指定使用已读取的插件数据作为依据，防止模型幻觉。
方案对比与最佳实践
| 特性 | Web Request 方案 | 分批发送方案 |
|---|---|---|
| 适用模型 | GPT-4 | GPT-3.5 / GPT-4 |
