ORANGE BOOK · CHATGPT

第六章 上传文件、看图、画图、联网与 Canvas

一、ChatGPT 的"5 种感官"

GPT-5.4 是真正的"多模态原生"模型，它能：

感官 它能干什么 怎么用
👁 看 看图、读 PDF、读 Excel、看截图 输入框点回形针 / 拖拽文件进来
✍ 写 写文字、写代码、写 markdown、写表格 默认就有
🎨 画 画图、做封面、做表情包、做 Logo 直接说"画一张……"
🎬 拍 生成视频（Sora 2） 切到 Sora 入口或在主对话框选 Sora
🗣 听 / 说 实时语音聊天、转录 手机端点麦克风耳机

而且所有这些功能可以混用——你可以发一张图，让它"基于这张图写一段小红书并配 9 张图 + 一个 30 秒视频"。

二、上传文件：5 种格式 5 种玩法

1. PDF：当"读 PDF 的实习生"

最常见的场景：

  • 体检报告 → 让它解读
  • 合同 → 让它找漏洞
  • 论文 → 让它写综述
  • 招股书 → 让它提炼商业模式
  • 政府文件 / 政策 → 让它解释

操作：拖一个 PDF 到对话框 → 写提示词 → 发送。

示例提示词：

我上传了一份《XX 公司劳动合同》，请：
1. 用 8 个 bullet 总结核心条款；
2. 列出 3 处对员工最不利的地方，并解释为什么；
3. 给我一份"和 HR 谈判时可以提的 3 个修改建议"。

进阶用法：

  • 多 PDF 对比：一次上传 2-3 份合同 / 论文 / 报告，让它"找出共同点和差异"。
  • 长 PDF 分段：超过 100 页的 PDF，先让它"输出整体大纲，再让我选某一节深入"。
  • 表格密集型 PDF：让它"把表格 1 提取成 markdown"，复制到 Excel。

2. Word：当"改稿的编辑"

操作：直接拖入 .docx 文件。

示例：

我上传了一份《年度工作总结.docx》。请：
1. 帮我找出 5 处啰嗦的地方，并改写得更精炼；
2. 帮我加 3 处"数据 + 案例"，让总结更有说服力；
3. 用红笔（用 [ ] 标注）标出建议替换的句子，给出原句和修改后的对比。

3. Excel：当"数据分析师"

操作：拖入 .xlsx / .csv，或者直接复制粘贴一段数据。

示例：

我上传了一份"客户订单表 .xlsx"，6 列（订单号、客户、品类、金额、日期、状态）。请：
1. 按月统计各品类的销售额，给我一个 markdown 表格；
2. 找出销售额最高的 5 个客户，分析他们的共同点；
3. 找出 3 个"异常"订单（金额超大、退货率高、品类不寻常）；
4. 给我一份 200 字的"业绩简报"，可以复制到周报里。

ChatGPT 不仅能读 Excel，还会自动写 Python 代码做计算（用 Code Interpreter 功能），结果会比你手动算得更快、更准。

进阶用法：

  • 让它生成新的 Excel 文件，下载链接会出现在回答里，你直接保存。
  • 让它生成图表（条形图、折线图、饼图），自动嵌入回答。
  • 让它做数据透视：复杂的 Pivot Table 一句话搞定。

4. 图片：当"会看图的眼睛"

ChatGPT 看图能力已经超过人类平均水平。它能：

  • 识别图中的文字（OCR）+ 翻译
  • 识别物体、人物表情、场景
  • 解读图表 / 财报 / 体检报告
  • 看截图找 Bug
  • 看穿搭给建议
  • 看食材推荐菜谱

示例 1：看体检报告

拍一张体检报告照片，写：

请帮我解读这张体检报告：
1. 哪些指标超标？请按"严重程度"从高到低排序；
2. 每项超标可能的常见原因（说明只是参考，不替代医生）；
3. 我应该挂什么科？
4. 接下来一周饮食 / 运动 / 作息上能做什么？

示例 2：看穿搭

拍一张你今天的穿搭，写：

请评价这套穿搭：
1. 风格定位（休闲 / 商务 / 运动 / 文艺……）；
2. 配色是否协调？分数 1-10；
3. 适合什么场合 / 不适合什么场合；
4. 给出 2 个改进建议（具体到"换一双什么样的鞋"）。

示例 3：看截图找 Bug

把电脑屏幕的报错截图丢给它：

我电脑出现这个错误，麻烦帮我：
1. 解释这个错误是什么意思；
2. 最常见的 3 种原因；
3. 我应该按什么顺序去尝试修复。

5. 网页 / 链接：当"会上网的助理"

操作：直接把链接丢进对话框（开启联网模式时它会自动打开）。

示例：

请打开这两篇文章：
- https://example.com/article-a
- https://example.com/article-b
请：
1. 各自总结成 5 个 bullet；
2. 找出它们的 3 个共同观点和 2 个对立观点；
3. 用一段 200 字告诉我，作为读者我应该怎么综合理解。

如果你订阅了 Plus，还可以用 Deep Research：

  • 切到 Deep Research 模式
  • 提一个研究型问题（"分析 2026 年中国新能源车出海现状"）
  • 它会自动爬 50-200 个网站，5-30 分钟后输出一份带引用、带结构的研究报告

三、画图：直接说"画一张……"

GPT-5.4 内置了 GPT-image（DALL·E 升级版）。直接在对话框里说就行。

基础用法

画一张图：一只穿着唐装的金毛犬，坐在春节餐桌前，背景有红灯笼和"福"字。卡通风格，喜庆。

10-30 秒后，图就出来了。可以下载、可以让它"再来一版"、可以让它"换个风格"。

进阶用法

1. 多图一致性

请画一组 4 张连环画：
- 第 1 张：清晨，一个小女孩在自家花园浇花
- 第 2 张：中午，她和小伙伴们在花园野餐
- 第 3 张：傍晚，她在花园里读书
- 第 4 张：夜晚，她在花园里看星星

要求：4 张图风格一致（水彩、温暖色调），人物形象前后一致（短发、黄色裙子）。

2. 编辑现有图

把一张图拖进来：

这张照片背景太乱，请帮我换成一个简洁的浅色背景，人物保持不变。

或者：

请把这张照片做成"皮克斯卡通"风格。

3. 做表情包

请基于这张照片，做 4 张不同表情的表情包：开心、生气、委屈、呆滞。

4. 做封面 / Logo

帮我设计一个公众号文章封面，主题是"普通人如何用好 ChatGPT"。要求：
- 比例 16:9
- 主色调是 OpenAI 那种橙色
- 文字"用好 ChatGPT" 居中，字体粗壮
- 背景元素：一个微笑的卡通机器人和一个普通人在握手
- 风格：现代、扁平、有亲切感

画图的常见坑

  • 生成的中文字常出错：画封面时，建议把"中文文字"单独说明，或最终自己用 Photoshop / Canva 加文字。
  • 细节会变形：人手、人脸的细节有时不对，可以让它"重新生成第 3 个手指"或者"修改人脸表情"。
  • 版权风险：让它"画一只米老鼠"会被拒，让它"画一只迪士尼风格的卡通老鼠"是 OK 的。注意商业使用时的合规。

四、Sora 2：让你的字变成视频

Sora 是 OpenAI 的视频生成模型，Plus 起包含（每月 50 条左右 720p）。Pro 用户可以生成 1080p、2K、更长视频。

入口

  • 网页：左侧栏 → Sora
  • 直接说："给我用 Sora 做一个视频，内容是……"

基础用法

做一个 8 秒视频：
- 场景：北京胡同，秋天，阳光斜照
- 主体：一个戴黑色棉袄的老爷爷在喂一只大橘猫
- 动作：老爷爷蹲下、抚摸猫、猫蹭他的腿
- 风格：纪录片风格，电影质感
- 镜头：固定镜头，自然光
- 比例：16:9

进阶用法

1. 用图生视频

上传一张图，然后说：

基于这张图，做一个 6 秒视频：图里的人物缓缓走近镜头，背景轻微晃动模拟风。

2. 文生 + 角色一致

做一个 3 段视频，每段 5 秒，主角都是同一个穿白色 T 恤的程序员小哥。
- 段 1：他在咖啡馆敲代码，桌上一杯拿铁
- 段 2：他出门，走在春日的街道上
- 段 3：他回到家，瘫在沙发上看手机

要求：人物形象、衣服、发型在 3 段中保持一致。

3. 商业短视频

帮我做一个 30 秒的产品宣传短片：
- 产品：智能咖啡机
- 场景 1（10s）：早晨厨房，主人公疲惫地走进
- 场景 2（10s）：他按下咖啡机按钮，特写咖啡注入杯中
- 场景 3（10s）：他喝下一口，露出微笑，转身上班

风格：苹果广告风，干净、有质感

详细的 Sora 玩法见 第十章。

五、联网搜索：让 ChatGPT "不再活在 2024 年"

它默认知道什么？

GPT-5.4 的训练截止数据大约是 2025 年中。也就是说，2025 年下半年到 2026 年的事情它默认是不知道的。如果你不开联网就问"今天上证指数多少"，它会告诉你"我不能查询实时数据"，或者更糟，编一个数字给你。

怎么开联网？

  • 默认就有：GPT-5.4 现在已经能自动判断需不需要联网。
  • 手动触发：输入框旁的"地球图标"点一下，强制联网。
  • 明说：在提示词里加"请联网查最新信息"。

适用场景

  • 最新新闻 / 政策 / 财经
  • 旅游攻略（实时酒店价、机票）
  • 比赛结果 / 排行榜
  • 比较产品（最新型号对比）
  • 查最新的开源项目 / 软件版本

联网的坑

  • 它可能搬一些垃圾内容给你。所以重要信息要让它"列出引用来源"。
  • 可能慢：联网会让回答变慢。
  • 不要全信：网上的内容也可能错。让它"对照 2-3 个不同来源"。

进阶：Deep Research

Deep Research 是 ChatGPT 的"研究员"模式，比联网更强：

  • 自动爬 50-200 个网站
  • 花 5-30 分钟
  • 输出一份 带引用、带结构、带数据的研究报告

适合：

  • 做行业研究
  • 写论文综述
  • 投资尽调
  • 选品对比

示例：

我要研究 2026 年中国新能源汽车在欧洲的销售情况。请用 Deep Research 模式，输出一份 ≤3000 字的研究报告，包含：
1. 总销量（按国家、按品牌）
2. 主要竞争对手
3. 当地政策影响
4. 消费者反馈（褒贬各列 3 条）
5. 我对中国厂商的 3 条建议

请标注所有数据的引用来源。

它会跑 10-15 分钟，给你一份抵得上请咨询公司做一周的报告。

六、Canvas：和 ChatGPT 一起"协同写作"

Canvas 是 ChatGPT 提供的"协作画布"模式，专门用于：

  • 写长文章 / 长邮件 / 长报告
  • 改代码
  • 改 markdown 文档

怎么打开？

  • 输入足够长 / 复杂的写作请求时，ChatGPT 会自动建议进入 Canvas
  • 也可以点顶部的"画布"按钮主动切换

普通对话 vs Canvas

普通对话 Canvas
形式 长段落，一次给你一坨 把内容铺开成文档，可以选某一段单独修改
编辑 你只能整段重写 可以只改一段、只改一句、只改一个词
历史 只能"再来一版" 有版本历史，可以回滚
协作 你和 AI 来回 你和 AI 像 Google Docs 那样同时改同一个文档

实战示例

第 1 步：开始一段写作

帮我写一篇 800 字的公众号文章：主题"普通人如何用好 ChatGPT"，定位面向 30-45 岁职场妈妈，语气亲切，含 1 个开篇故事。

ChatGPT 会建议进入 Canvas，点确认。

第 2 步：选中一段，改它

在 Canvas 里用鼠标选中第二段，弹出一个小按钮"Ask ChatGPT to edit this"，输入：

这一段太长了，压成 80 字，并加一个"我自己用 ChatGPT 帮 8 岁孩子讲数学"的具体例子。

只有这一段会被改，其他保持不动。

第 3 步：让它"全文检查"

请检查全文：
1. 错别字 / 语病
2. 节奏（是否有段落太长 / 太短）
3. 是否有重复表达
4. 标题是否吸引人

第 4 步：导出

直接复制 markdown 内容到公众号 / Notion / Word 即可。

Canvas 改代码

帮我写一个 Python 脚本：监控我的文件夹，每天晚上 11 点自动备份到云盘。

ChatGPT 进入 Canvas 模式，给你一段代码。你可以：

  • 选中某一行，让它"加注释"
  • 选中某一函数，让它"改成异步"
  • 让它"加一个邮件通知失败的功能"
  • 一键运行（在 ChatGPT 内置环境跑）

七、5 种感官混合用：3 个让你惊艳的实战

实战 1：把"散装信息"变成可视化报告

我有 3 张图（拖入：销售数据图、客户分布图、产品对比图）和 1 份 PDF（拖入：竞品分析）。请：
1. 把 3 张图的关键数据提取成一张总表（markdown）；
2. 结合 PDF 的内容，写一份 800 字的"市场总结"；
3. 给我 1 张"建议行动 4 步走"的流程图描述（我可以让你下一步用 Sora 生成）；
4. 配一张公众号封面图（橙色调，主题"市场观察"）。

一次提问，5 种感官全用上。

实战 2：把视频变成"说明书"

我会发一段 1 分钟的 Sora 视频（或者 YouTube 链接）给你。请：
1. 描述视频每 10 秒的画面内容（按时间轴）
2. 提取视频中所有出现的文字（字幕 / 标牌 / 商品名）
3. 用 200 字总结视频的核心信息
4. 帮我写 3 条小红书文案，分别用"种草、避雷、对比"3 种角度

实战 3：把孩子作业变成"会自己讲解的 PPT"

我拍了一张孩子三年级数学作业的照片（拖入）。请：
1. 把题目转成文字；
2. 一步步讲解解题过程，假设孩子完全没基础；
3. 用一张图把关键步骤画出来（让 GPT-image 画）；
4. 用 Voice 给我读一遍讲解（手机版可触发）；
5. 出 3 道类似的小题让孩子练习，并给出答案。

八、本章一图回顾

                    多模态全家桶
                          │
        ┌────────┬────────┼────────┬────────┐
        ▼        ▼        ▼        ▼        ▼
       看        写        画        拍       听/说
       │         │         │        │         │
   PDF/Word  默认就行  画图/封面  Sora 视频   语音对话
   Excel/图     │     表情包/Logo   │         │
   网页/截图    │         │      文生视频    实时打断
        │     Canvas   编辑现图    图生视频    语种翻译
        │       │         │        │         │
        └───────┴─────────┴────────┴─────────┘
                          │
                  联网 + Deep Research
                          │
                          ▼
                  混合用 → 一次提问出一篇完整报告

九、本章小练习

  1. PDF 实战：找一份你看不懂的 PDF（保险条款 / 体检报告 / 政策文件 / 论文）丢给 ChatGPT，让它给你一份"5 段式总结"。
  2. 图片实战：拍一张你今天的早餐照片，问它"这是什么菜，热量多少，营养均衡吗，给我下一顿的建议"。
  3. 画图实战：给你的爸妈做一张"家庭微信头像"，要求温馨、有家人元素、卡通风格。
  4. Sora 实战（Plus 起）：做一个 8 秒视频，内容是"一只猫从沙发上跳到地板"。
  5. Canvas 实战：让 ChatGPT 进入 Canvas 模式写一篇 500 字的文章，然后选中其中一段单独修改。

完成？翻到 第七章 生活场景实战。