上个月有个做跨境电商的朋友找我，说他每天最烦的不是谈客户，是给产品写英文描述——200多个SKU，每个都要写标题、卖点、参数、SEO关键词，写到第50个就开始复制粘贴改数字了。我让他试了个办法：把产品表格扔给GPT，写好模版，批量生成。他试完跟我说：“这东西能处，有活它是真干。”

最近在11ai.xyz上把几个模型轮着测了一遍，发现GPT除了那些众所周知的能力，还有一堆冷门任务其实才是它的隐藏强项。今天聊聊那些你可能没注意到的、GPT干得特别漂亮的奇怪活儿。

任务一：批量生成“长得像但不一样”的内容

跨境电商那个案例就是典型。

200个产品，每个都要写描述。如果让Claude干，它会很认真地把每个产品当独立的来写，质量高但速度慢。GPT不一样，你给它一个模版和200行数据表，它会在“保持结构一致”和“避免内容重复”之间找到平衡。

我的指令是这样的：

“请根据以下产品表格，为每个产品生成一段150字以内的英文描述。格式固定为：产品名+核心卖点+使用场景+规格参数。不同产品的描述不能有连续三句以上的重复句式。”

GPT能做到什么程度？它给20个不同颜色的同款杯子写描述，每段开头都是“This [color] mug...”，但后面的卖点会换角度——有的强调“适合办公室”，有的强调“送礼首选”，有的强调“耐高温材质”。

这种“有规律的多样性”，是GPT最被低估的能力。

任务二：把Excel公式翻译成人话

这个场景我每周至少用三次。

收到一个同事发来的Excel，里面有个巨长的公式：=IF(AND(A2>10, B2<5), VLOOKUP(C2, E:F, 2, 0), “不满足条件”)。你看不懂这个公式在算什么。

扔给GPT，指令：“请用普通人能听懂的话，解释这个Excel公式在做什么。”

GPT会告诉你：“这个公式的意思是：如果A2大于10并且B2小于5，就去E和F这两列里找C2对应的值；如果两个条件有一个不满足，就显示‘不满足条件’。”

反过来也行。你想实现一个逻辑——“如果销售额大于1万且客户评分高于4分，就标记为‘重点客户’，否则标记为‘普通’”——但你不会写公式。把这句话扔给GPT，它给你公式，你直接复制到Excel里就能用。

GPT是Excel小白的救命稻草，也是Excel老手的提效工具。

任务三：从聊天记录里“考古”

这个场景听起来奇怪，但实测特别好用。

你和客户在微信上聊了三个星期，每天几十条消息，现在需要整理出“客户到底改过几次需求”“每次改的是什么”。人工往回翻能翻到崩溃。

做法是把聊天记录导出成文本（别问怎么导，各显神通），贴给GPT，指令是：“请从这段聊天记录中，按时间顺序提取所有需求变更点，标注每次变更前后的内容差异。”

我实测过一份2000行的聊天记录，GPT用了大概两分钟，提取出7次需求变更，每次都说清楚了“从X改成了Y”以及“谁提出的”。我抽查了两次，准确。

Claude也能做这个，但GPT在时间线的排序上更准，不会把3月5号的变更标成3月8号。

实测：GPT 处理“格式乱炖”

上周我收到一份供应商发来的报价单，格式极其感人——Excel里前10行是文字说明，中间是表格，后面又跟了一段Word粘贴过来的备注，最后还有个截图里的文字被OCR识别过，乱码一堆。

我的任务是：把这份“格式乱炖”里所有跟价格相关的信息提取出来，做成一个干净的表格：产品名、单价、起订量、交货期。

我把整个文档的内容（包括乱码）一次性贴给GPT，指令如上述。

三分钟后，它输出了一张表格。我核对了一下，8个产品里它提取对了7个，漏了1个藏在备注里的“A产品起订量改为500”。虽然没全对，但从一堆垃圾里捡出7条可用信息，只花了三分钟，比我自己翻半小时强多了。

这种“非结构化文档→结构化表格”的转换，GPT的容错率和速度都是目前最强的。

GPT 的冷门短板（说好的客观）

说了这么多强的，也得说几个它不太行的冷门场景。

• 本地化俚语翻译：你让它把“这波操作很迷”翻译成英文，它会译成“This operation is confusing”，没错，但味儿不对。DeepL或者Claude有时候更准。

• 生成可执行的复杂代码：写个Python脚本爬网页，GPT能写，但你得做好调试半天的准备。Cursor这类专用工具反而更稳。

• 极度简短的指令：你只说“写个标题”，GPT会给你10个，质量参差不齐。Claude在这种“自由发挥”场景下反而更克制。

另外提醒一句：GPT在处理“极度本地化”的数据时会有偏差。比如你让它分析“北京和上海用户的消费习惯差异”，它会给出一些正确的通用结论，但如果你要的是某个具体商圈的数据，它就开始编了。