自建类 GPTs 平台：文件知识库、计费与落地页的实操要点

做一款"国内可访问的自定义 AI 机器人平台"，技术骨架并不复杂：接入几家大模型 API，套一层会话界面，让用户写好人设提示词就能发布。真正让人卡住的往往不是模型调用本身，而是三个问题：能不能上传文件、按什么方式收钱、陌生人第一次打开页面能不能看懂你在提供什么。围绕一个自建类 GPTs 项目的讨论里，这三点几乎全被提到，下面逐条拆开。

先划定能力边界

"支持自定义机器人"这句话对用户没有信息量，用户关心的是"我给它什么东西，它能干什么"。把输入类型列清楚，比堆模型名称有用得多。

图片和文件不是同一件事：图片走模型的多模态通道，文件走的是检索通道。很多产品在这两者上含糊其辞，用户上传一个 Excel 发现机器人完全读不懂，信任就没了。

文件与知识库：钱到底花在哪

最直觉的做法是把整份文档拼进提示词，结果通常是三重打击：token 消耗随文档长度线性上涨、超出上下文窗口被截断、模型在长文里找不到重点导致回答变差。这也是很多团队迟迟不敢开放上传的原因。

通行的解法是检索增强：先把文档切碎存起来，用户提问时只取最相关的几段送进模型。

一条最小可用的流水线

1. 解析：PDF 抽文本层（扫描件需 OCR，先明确不支持），Word 按段落取，Excel 转成 CSV 后按行转述成自然语言。
2. 切分：按标题或段落切，单块 300–800 字，相邻块留 10%–20% 重叠，避免答案被切断在边界上。
3. 向量化并入库：每块算一个向量，连同原文和所属文件 ID 一起存。
4. 召回：用户提问时算向量，取相似度最高的 3–5 块。
5. 拼装：把命中的片段作为参考资料塞进提示词，并要求模型只依据资料回答、给出出处。

chunk_size       = 600   # 单块字符数
chunk_overlap    = 80    # 相邻块重叠
retrieve_top_k   = 4     # 每次召回块数
max_context_tokens = 3000  # 拼进提示词的上限
max_files_per_bot  = 5     # 每个机器人允许的知识库文件数

压低成本的几个手段

• 上传时预处理一次：切分和向量化在文件上传阶段完成，不要每次对话重算。
• 配额限制：单用户文件数、单文件大小、单日提问次数都设上限，先卡住极端用量。
• 分档模型：用小模型做意图判断和摘要，只把最终回答交给大模型；命中率低的问题直接走小模型。
• 缓存：相同问题与相同召回结果直接复用答案。
• 长文档先摘要：对几十页的文档，先生成一份目录加摘要放进上下文，检索命中后再取原文片段。

表格类文件的坑

不要指望模型"看"一遍表格就把加总、同比算对。稳妥做法是把表格转成结构化数据，再通过代码执行或工具调用让模型去调用计算，而不是让它心算。这一条如果做不到，就明确告诉用户"表格仅支持内容问答，不保证数值计算准确"。

计费：按量、包月还是混合

这是一个被反复追问的问题，因为用户无法从界面上判断"我这一次对话要花多少钱"。

无论选哪种，有三件事必须做到：

1. 计量单位写清楚：是按 token、按次数还是按模型分档，别用"点数"这种无法换算的说法。
2. 余额与消耗记录可查：用户能看到每次对话扣了多少。
3. 熔断机制：单账号单日消耗上限、异常高频自动暂停，避免被刷。

落地页：别让注册墙当首页

有一个反馈很典型：点开链接直接是注册界面，没有产品介绍、没有能力说明、没有价格页，第一反应就是关掉。这不是技术问题，是转化问题，而且改起来最便宜。

上线前至少补齐这几块：

• 一句话说明这是什么，配一个真实可点的示例机器人。
• 三张截图或三段对话，展示"能做什么"，比罗列模型名称有效。
• 明确列出当前支持哪些输入类型，以及暂不支持什么。
• 免费额度的额度和消耗方式，价格页即使只有一档也要有。
• 数据如何处理、文件会不会被留存，这类说明能显著降低注册阻力。
• 不要一进来就强制手机号，先让用户试一轮。

第三方集成怎么开口子

自定义机器人要接外部系统，比较干净的做法是开放工具调用能力：由平台提供一组可配置的 HTTP 工具，用户在机器人配置里填接口地址、鉴权方式和参数映射，模型在对话中按需调用。需要注意：

• 只允许白名单域名，防止被当成内网探测跳板。
• 密钥托管在服务端，不随对话内容外泄。
• 设置超时与失败兜底，工具挂了要让机器人给出人话提示，而不是抛异常堆栈。
• 调用日志留存，便于排查"为什么它调了个奇怪的接口"。

运行环境与网络稳定性

如果后端要调用境外模型 API，稳定性是绕不开的现实问题：偶发超时、限流、连接中断，都会直接表现为用户侧"机器人不回话"。常规处理是加重试与指数退避、准备多线路、把文件解析这类耗时任务从请求链路里摘出去做异步。

还有一种情况是开发者自己需要一台长期在线、到境外 API 网络较稳的机器做调试和任务常驻——租用整台放在境外机房的 Mac mini 远程使用是可选方案之一（按月计费、可长期挂着跑脚本和命令行工具），适合个人开发阶段验证长任务，但正式对外提供服务仍应按实际并发量做架构评估，别把调试方案直接当生产环境。

上线前检查清单

• 能力矩阵写清楚：文本、图片、文件分别支持到什么程度
• 文件上传有大小、数量、格式限制，超限有明确提示
• 知识库走切片检索，而非整篇塞上下文
• 表格类问答标注精度边界
• 计费单位可换算，余额和消耗记录可查
• 单账号日消耗上限与异常熔断已配置
• 首页有介绍、示例、价格，注册不是唯一入口
• 工具调用有域名白名单、超时和日志
• 模型与接口的具体能力、计价以官方最新文档为准，上线前复核一次

小结

类 GPTs 产品的竞争力，很少来自"我接了几个模型"，更多来自把边界说清楚、把成本控住、把第一次访问的体验做顺。文件知识库先做小再做全，计费先做透明再做优惠，落地页先做说明再做注册，这三步走完，产品才真正具备被陌生人使用的前提。