ChatGPT 中的 Workspace agents：產品回饋分流 agent

🧑‍🏫 這支影片示範在 ChatGPT 裡做一個「產品回饋小幫手」。它會讀網路上的使用者回饋並整理出重點，每天發到 Slack，還會自動開待辦工單。值得看的原因有兩個：整個 agent 只要用白話交代就能建好，不必寫程式；影片也示範了怎麼控管它能碰哪些工具。

• 00:05 示範目標：建立一個 agent，讀取產品回饋、摘要反覆出現的問題，建立後續工作並分派給正確的團隊。
  ↳ 這個 agent 是能自己讀資料、整理、動手做事的自動化助手。它的任務是讀產品回饋、找出大家一直在抱怨的點，再開好待辦交給對的團隊。
• 00:05 第一步在 agent 建立步驟中，用白話描述希望 agent 做什麼。
  ↳ 建立 agent 不用寫程式。直接打字說你要它做什麼，就像跟同事交代工作一樣。
• 00:05 ChatGPT 會把白話描述轉成一份結構化計畫，規劃如何建出這個 agent。
  ↳ ChatGPT 會把你那段話整理成有步驟的計畫，列出要接哪些工具、要做哪些事，你不必自己拆解。
• 00:05 ChatGPT 做的第一件事是設定 app connections（應用程式連線）。
  ↳ 第一步是設定 app connections，也就是讓 agent 連進你平常用的外部工具。沒連上，它就碰不到那些工具裡的資料。
• 00:37 本例要讀取網路論壇的回饋，所以需要 web search；也需要 Slack，所以要設定 Slack connector。
  ↳ 回饋散在網路論壇，所以要開 web search（上網搜尋）。還要用到團隊聊天工具 Slack，得設定 Slack connector，也就是把 agent 接上 Slack 的連接器。
• 00:37 agent 要把回饋歸納成反覆出現的問題與痛點。
  ↳ agent 不是逐條轉貼回饋。它會把類似的抱怨歸在一起，整理成反覆出現的問題和 pain points（使用者卡住、不滿的地方）。
• 00:37 agent 要每天在 Slack 發一份摘要給產品領導團隊。
  ↳ 它每天固定在 Slack 發一份摘要給產品主管們。主管不用自己翻論壇，看一則訊息就知道大家最近在抱怨什麼。
• 00:37 agent 要能依據發現的內容，在 Linear（講者用的工單管理系統）建立 issue。
  ↳ Linear 是講者用的 ticket management system，也就是追蹤待辦工作的工單管理系統。agent 可以依發現在裡面開 issue，也就是一張待處理的問題單。
• 00:37 畫面上可看到 ChatGPT 自動設定這些工具。
  ↳ 影片畫面中，這些工具連線都是 ChatGPT 自動設好的，使用者不用一個個去找設定。
• 01:07 可以檢視並修改這些工具的權限。
  ↳ permissions（權限）是指 agent 被允許碰哪些工具、做哪些動作。自動設好之後，你還是可以打開來看、自己調整。
• 01:07 權限很重要，因為 agent 只能使用你授權給它的工具和資料。
  ↳ agent 只能用你授權的工具和資料，所以權限就是它的活動範圍。你給多少，它就能讀多少、動多少，這一關要自己把好。
• 01:07 ChatGPT 也會草擬 instructions，說明 agent 該如何運作、輸出格式為何。
  ↳ instructions 是 agent 的工作說明書，寫明它該怎麼做事、交出來的結果長什麼樣子。ChatGPT 會先幫你寫好草稿。
• 01:07 對 instructions 滿意後，就可以建立 agent。
  ↳ 看過 instructions，確認做法和輸出格式都符合需求，就可以按下建立，agent 正式完成。
• 01:07 觸發方式：本例直接在 ChatGPT 內觸發，也可以排程執行，或從其他工作介面觸發，例如直接從 Slack。
  ↳ trigger 指「什麼時候叫它開工」。你可以在 ChatGPT 裡直接叫它、設排程讓它定時跑，或在 Slack 等平常工作的地方啟動它。
• 01:37 講者要求 agent 執行並摘要產品的回饋。
  ↳ 示範中，講者直接在 ChatGPT 裡請 agent 開工，把產品回饋整理成摘要。
• 01:37 執行時，agent 會從被授權的各個來源讀取資料，將回饋分組，再彙整成給產品領導團隊的摘要。
  ↳ 它會到每個被授權的來源抓回饋，把講同一件事的歸成一組，再寫成給產品主管看的摘要。
• 01:37 agent 會自動把摘要發到正確的 Slack 頻道。
  ↳ 摘要寫好後，agent 會自己發到正確的 Slack 頻道，不用人再複製貼上。
• 02:08 接著請 agent 把發現的資訊更新到 Linear，agent 會使用 Linear integration。
  ↳ 接著講者請它把發現更新到 Linear。它靠的是 Linear integration，也就是 ChatGPT 和 Linear 之間的串接，讓 agent 能直接在 Linear 裡操作。
• 02:08 agent 會先檢查是否已有相關 issue；若有，就用新客戶回饋的資料點補充內容。
  ↳ 開單前它會先查有沒有相關的單。已經有的話，就把新的客戶回饋補進去當佐證，不會重複開一堆單。
• 02:08 若相關 issue 不存在，agent 就會建立新的 issue。
  ↳ 查不到相關的單，它才會新開一張 issue，確保新問題有被記下來。
• 02:40 本例中 agent 在 Linear 自動建立了三張新工單。
  ↳ 這次示範中，agent 在 Linear 自動開了三張新的 ticket（工單）。ticket 和 issue 在這裡是同一個意思，都是待處理的問題單。
• 02:40 每張工單都有豐富的脈絡，說明客戶觀察到什麼，以及該如何修正。
  ↳ 每張單都寫得很完整，包括客戶遇到什麼、該怎麼修。團隊拿到單就能看懂狀況，直接開始處理。

agent 要把資訊更新到 Linear 時，如果已經有相關的 issue，它會怎麼做？