多数人的问题不是选错，而是两个都没用
ChatGPT 里有两套彼此独立的组织系统，解决的是完全不同的问题。 但绝大多数用户的实际状态是：每次开一个新对话，把背景重打一遍，把文件重传一遍。
这篇文章的目的就是让你在五分钟内知道自己该用哪个，以及具体怎么配。
Projects：带上下文的文件夹
Project 是 ChatGPT 内部的持久工作区，包含三样东西：
- 对话：你在这个 Project 下开的每一次对话都归档在这里
- 项目指令：对该 Project 下所有对话统一生效的自定义指令
- 文件：文档、PDF、代码、参考材料，整个项目期间模型都能访问
关键价值在于你不用重复自己：打开 Project 新开一个对话， ChatGPT 已经知道你的指令、已经能读到你的文件。
项目指令的容量有几千字符，足够放一份完整的「主提示词」—— 你的写作风格规则、术语表、绝对不能出现的表达，全部写进去一次。
适合：写作、研究、学习、客户项目、软件项目—— 任何「会持续几周甚至几个月、上下文不断累积」的工作。
自定义 GPT：配置一次，反复调用
自定义 GPT 是一个独立的助手，有自己的指令、知识和能力。 它解决的不是「上下文累积」，而是「同一套做法要用很多次」。
| 配置项 | 容量 / 说明 |
|---|---|
| 指令 | 1,500–8,000 字符，建议写到 4,000–6,000 |
| 知识文件 | 最多 20 个，单个上限 512MB |
| 工具 | 网页搜索、图像生成、代码解释器 |
| API Actions | 可选，接自己的接口 |
| 模型选择 | 创建和运行时都可指定任意可用模型 |
指令写多长是效果好坏的分水岭。大部分「自定义 GPT 不好用」的抱怨，根因是指令只写了两三句话。 建议按这五块写满 4,000–6,000 字符：
- 角色：它是谁，具备什么专业背景
- 受众：输出给谁看，对方的知识水平如何
- 输出格式：结构、长度、是否要表格、是否要标注不确定性
- 约束：不能做什么，什么情况下应该反问而不是硬答
- 3–5 个范例：给出你认可的高质量输出实例
最后一条最有效也最容易被跳过。范例比形容词管用得多—— 与其写「语气要专业但不刻板」，不如直接贴一段你认为合格的输出。
怎么选：一个判断题
| 你的情况 | 用 |
|---|---|
| 在写一本书 / 一份长报告，材料不断增加 | Projects |
| 跟进一个客户，历史沟通和文档需要一直在手边 | Projects |
| 在做一个软件项目，需要模型持续了解代码库结构 | Projects |
| 每周按同一套风格写十几条产品文案 | 自定义 GPT |
| 反复把日志按固定格式整理成周报 | 自定义 GPT |
| 要给团队一个统一口径的客服助手 | 自定义 GPT |
判断公式：上下文在累积 → Projects；做法在重复 → 自定义 GPT。
两者也可以叠加：在一个 Project 里推进长期工作，遇到其中某个高频子任务时调用你的自定义 GPT。
顺带说说 Skills
2026 年 ChatGPT 里还有一层叫 Skills 的东西：可复用的工作流， 可以包含指令、示例、资源和代码，用来让模型更稳定地完成某一类任务。
它和上面两个不是三选一，而是更细一层的封装粒度： Skills 可以被组合进 GPT，也可以在 Project 里用。 如果你熟悉 Anthropic 那边的 Claude Skills， 思路是相通的。
一个直接可用的起步方案
- 先建一个 Project：挑你当前最花时间的那件长期工作。
- 写项目指令：把你每次都要重复交代的背景一次性写进去。
- 传文件：把长期要引用的资料上传，之后新开对话不用重传。
- 观察一周：看哪个子任务你重复做了三次以上。
- 把它做成自定义 GPT：指令写满 4,000 字符以上，附 3–5 个范例。
第 4 步是关键——不要一开始就建一堆自定义 GPT。 先用 Project 干活，让重复的部分自己浮出来，再封装。 凭想象建的 GPT 大多数会闲置。
一句话总结
Projects 管一件事的全过程，自定义 GPT 管一类事的固定做法。先用 Project 把重复交代背景的成本降下来，等重复的动作浮现之后再封装成 GPT。 两者都从 Plus 起提供——Free 和 Go 用不了自定义 GPTs。