给每个 AI 一个可以依托思考的工作空间。
上传多个文件，连接 Google Drive 或 GitHub，再添加项目指令，ChatGPT、Claude、Gemini、Grok 和 AI Collaboration 就会基于同一个已建立索引的知识库工作。Projects 让严肃的工作不再局限于一次性的聊天附件。
项目工作空间
文件、指令和 AI 模型共享同一个上下文层。
源材料
OCR 提取表格、条款和版式线索。
代码被索引为可检索的参考资料。
导入的文件可以同步并重新建立索引。
图片会附上可检索的描述。
检索引擎
发送给任意模型
只有相关的项目文本块会附加到回答中。
无需把整个文件夹一股脑塞进一个提示词。模型会在需要的时刻拿到合适的原始资料。
聊天转瞬即逝，项目则成为组织的记忆。
真正的 AI 工作总会涉及原始文件、杂乱的 PDF、截图、代码、客户背景、决策、版本和长期指令。Projects 把这些资料集中在一处，让每次新对话都从同一份工作记忆开始。
多个文件
建立项目资料库
把文档、表格、图片、笔记和代码上传到同一个工作空间，不必每次聊天都重新附加文件。受方案限额和安全限制约束。
内置 OCR
扫描版 PDF 也能用起来
MultipleChat 会先用 OCR 从 PDF 中提取文本，必要时再切换到其他提取方式。
已索引的文本块
AI 先检索，再回答
文件被切分成相互重叠的文本块，在提问时进行检索，因此无需把整个文件夹塞进上下文，回答也能用上最相关的段落。
同一份上下文
任何模型都能使用
无需重建相同的上下文，就能从 Claude 切换到 ChatGPT、对比模型，或运行 AI Collaboration。
文件如何变成 AI 上下文。
这才是关键。Projects 不只是存储文件，而是处理文件、建立索引，再找出与你的问题相关的部分。
第 1 步
上传或导入
直接添加文件、从 Google Drive 导入，或拉取 GitHub 仓库中的文件。文件会连同项目元数据一起存储，并进入索引队列。
第 2 步
提取与 OCR
PDF、Office 文件、CSV、代码和文本会被转换为可检索的文本。图片会附上描述，方便以后查找。
第 3 步
分块与索引
大文件会被切分成相互重叠的文本块。MultipleChat 会按对应的用户或团队项目范围，分别存储这些文本块。
第 4 步
为回答而检索
你提问时，项目会检索相关文本块，把最合适的依据连同项目指令一起附加到提示词中。
后端详情
有了文本块检索，AI 也能在大型项目资料库中工作。
项目索引使用相互重叠的文本块，在提问时检索项目并返回最匹配的结果。这就是“我上传过一次文件”和“工作空间以后也能持续找到合适的原始资料”之间的区别。
约 1,000 字符的文本块
长文档被切分成易于处理、可检索的文本块。
文本块之间相互重叠
跨越文本块边界时，上下文依然连贯。
检索最匹配的结果
模型看到的是相关段落，而不是杂乱无章的文件噪音。
把真实工作所依赖的杂乱资料都带进来。
Projects 专为 PDF、图片、代码库、表格、演示文稿、结构化数据和纯文本笔记而设计。出于安全考虑，危险的可执行文件和压缩文件格式会被拦截。
PDF 和扫描文档
PDF OCR 可从扫描文档和文字密集的文档中提取文本，并在可能时一并提取表格和结构化内容。
文档、表格、幻灯片
DOCX、XLSX、CSV、TSV、PPTX 及相关格式都可以变成可检索的项目知识。
代码和配置文件
支持 Python、JavaScript、TypeScript、React、Vue、Java、Go、Rust、C/C++、SQL、YAML、JSON 等多种文本和代码格式。
图片和截图
PNG、JPG、GIF、WebP 文件可以附上用于检索的描述，让视觉资料不会从项目记忆中消失。
连接知识原本所在的地方。
用项目不该意味着要手动重建工作空间。从 Drive 导入、从 GitHub 拉取文件，让 AI 上下文紧贴源头。
Google Drive
导入并同步 Drive 文件
把 Google Docs、Sheets 和 Drive 文件导入项目。Google 原生格式文件可以导出为便于处理文本的格式，Drive PDF OCR 还能帮你把难以处理的 PDF 转换成可用的文本。
GitHub
从仓库导入代码
连接 GitHub，选择仓库文件并导入项目，MultipleChat 就会为代码建立索引。非常适合讲解架构、审查模块，让项目对话基于真实的代码库展开。
项目指令让所有模型保持一致。
只需添加一次长期指令，比如语气、目标读者、约束条件、偏好格式、术语、品牌规范、编码标准、引用要求和客户背景。所有项目对话都能沿用这些规则。
项目指令示例
你正在 Acme Q3 发布项目中工作。
回答前，请参考已上传的产品简报、价目表、品牌语调指南和客户调研。
使用简洁的高管沟通用语。标注不确定之处。当某个论断依据项目资料时，请注明原始文件名。
大多数人不知道项目里该放什么。这里告诉你。
当工作空间与工作内容相匹配时，Projects 才能发挥威力。学生需要课程资料，营销人员需要品牌和活动背景，律师需要案件卷宗。这些指南会告诉你该上传什么、设置哪些指令，以及先运行哪些提示词。
简单准则
如果一位人类专家在给出认真答复之前也需要这些文件，那就先把它们放进项目。
学生
课程与考试项目
上传笔记、课件、阅读材料、评分标准和历年试题，把它们变成学习指南、测验和论文反馈。
学生指南 →
营销团队
品牌与营销活动项目
上传品牌指南、产品文档、活动简报、竞品调研和效果复盘笔记。
营销指南 →
法务团队
案件卷宗项目
上传合同、证据材料、扫描版 PDF、时间线笔记和调研资料，开展基于来源的法律审查。
法务指南 →
开发者
代码库项目
连接 GitHub 文件、README 文档、数据结构定义、堆栈跟踪和截图，让 AI 理解你的仓库。
开发指南 →
咨询顾问
客户项目
上传简报、调研、笔记、表格和过往演示文稿，再综合成可以直接交给客户的建议。
咨询指南 →
研究人员
文献与来源项目
上传论文、笔记、数据集和草稿，构建文献矩阵和基于来源的综述。
研究指南 →
产品团队
功能与路线图项目
上传用户反馈、PRD、规格说明、截图和分析笔记，梳理出更好的产品决策。
产品指南 →
销售团队
客户账户项目
上传通话记录、客户调研、产品文档和提案，准备有针对性的跟进和异议应对。
销售指南 →
内容团队
编辑与来源项目
上传编辑规范、原始 PDF、采访、草稿和品牌范例，打造基于来源的内容工作流。
内容指南 →
为重要文件而打造，不是随手上传的地方。
后端将上传的资料视为不可信的参考数据。系统会验证文件、拦截危险扩展名、将索引范围限定在用户或团队内，并对检索到的文本块进行封装，让模型明白文件内容是来源，而不是指令。
文件验证
项目上传会在存储和建立索引前检查文件类型和内容签名。
Azure 存储
项目文件在建立索引前，会连同元数据和生命周期状态一起存储。
提示词注入防护
检索到的文件内容会被标记为不可信的参考资料，防止上传的文件在你不知情的情况下向 AI 下达指令。
按团队划分范围
个人项目和团队项目的文本块分别隔离，确保检索在正确的工作空间内进行。
每个真实目标对应一个项目。
当资料彼此相关时，Projects 效果最好：一个客户、一个产品、一个研究课题、一个代码库、一次营销活动、一个法律案件。这样检索才会精准，无关上下文也会减少。
01
先上传原始资料
在索要最终成果之前，先把文档、代码、图片和表格放进项目。
02
指令只需写一次
在项目层面定义目标读者、语气、约束条件和来源使用要求。
03
使用合适的 AI 模式
与单个模型对话、并排对比模型，或用 AI Collaboration 综合出更扎实的回答。
MultipleChat 中的 Projects
别再要求 AI 记住它看不到的东西。
把资料放进项目，让 MultipleChat 处理 OCR 和索引，然后基于同一份可信资料与任意模型协作。