我给Claude Opus的定位只有一个：帮我想清楚。

逻辑推理、文章润色、给方案提建议——这些事交给它，做完基本可以直接发。不是说它写的文字有多华丽，而是它能抓住问题的核心，给出真正有用的反馈，而不是那种听起来很对但完全没用的套话。

举个例子：我给它一篇写好的文章，让它找问题，它会直接告诉我”第三段的逻辑跳跃太大，读者会失去你”，而不是”这篇文章整体不错，可以考虑在某些地方适当调整”。这个区别很重要。

弱点也很明显：搜索能力一般，知道的东西没有Gemini多，时效性差。凡是需要搜资料、查数据、了解最新动态的事，我不找它。

我觉得很多人只把Claude Chat当成一个聊天框，没有发现它接入Skills之后能做什么。这里单独写一下，因为这块确实超出了我的预期。

接入各种Skills之后，Claude Chat能直接生成可用的文件，而不是让你把内容复制粘贴到其他地方再手动整理。这个区别，用一次就能感受到。

我做的工作需要大量搜集资料——行业动态、竞品分析、数据背书、案例研究。这件事上，Gemini的Deep Research是断档第一，没有任何工具能替代它。

有人会问：Claude搜索不也可以吗？可以，但差距很大。Claude知道的东西没有Gemini多，而且它的幻觉率虽然低，但”知道的少”这件事本身就是问题。Gemini在搜索和整理上，知道的多、更新的快、整合的逻辑也清楚。

但Gemini也有它的局限：它知道的多，但需要你来判断哪些是有用的。它给你一堆资料，筛选和提炼还是需要你来做——或者交给Claude来做。这就是为什么这两个工具是互补关系，不是竞争关系。

大多数人用Gemini，只是用了它的对话界面。AI Studio才是Gemini真正的能力入口——可以切换模型版本、调整参数、上传文件批量处理、跑各种实验。

对我来说，AI Studio最大的价值是快速验证AI应用的可行性。比如我想知道”用AI分析设计稿，自动提取设计规范”这件事到底能做到什么程度，我不需要找外包问报价，自己在AI Studio里折腾半小时，就能得出一个基本判断。

另一个优势是免费额度。在免费范围内，AI Studio能调用到Gemini最新模型的完整能力，包括2M超长上下文。我处理一些需要把整本书或整套文档一起喂进去分析的任务，基本都在这里做。

这个插件改变了我一个很根深蒂固的工作习惯：过去我觉得”在对话框里只能聊天，真正的东西要在专门的软件里做”。Canvas打破了这个边界。

做网站：把需求说清楚，Canvas直接生成可以在浏览器预览的HTML页面，包括样式和交互。我给项目做了几个小型工具的原型页面，就是这么出来的。不需要写代码，不需要跳出对话框，描述需求→预览→调整，全在一个地方完成。

做海报图文：结合Nano Banana出图之后，用Canvas直接在图上加文字、排版，生成可以直接用于公众号或微信的图文内容。这个组合比单独用任何一个工具都顺。

Grok不是我日常主力工具，但它有一个我无法用其他工具替代的场景：其他家不愿意聊或者明确限制讨论的话题。

一些敏感的竞品分析、争议性话题的多角度收集、某些涉及政策或行业监管的信息——这些在Claude或Gemini那里往往会触发限制。Grok在这方面的边界明显宽松很多，加上它能拉取X平台的实时数据，对于追踪行业动态和真实用户反馈很有用。

用得不多，但用的时候没有替代品。

说实话，GPT-5.4没有达到我的预期。在文本工作上，我现在的默认组合已经是Claude+Gemini，ChatGPT在这个场景下排不进前两位。

但额度我没有浪费，主要留给Codex。Codex在代码执行和自动化脚本方面很实用——给它一个任务描述，它能写代码并直接运行，返回结果。处理批量数据、自动化重复性操作、快速验证一段逻辑，这些场景我还是找它。

NotebookLM解决了一个我一直很头疼的问题：看了很多资料，但过两天就忘了，需要的时候又要重新找一遍。

它的逻辑是：把PDF、网页链接、YouTube视频、音频文件全部导入进去，NotebookLM把这些变成一个可以对话的私域知识库。你问它问题，它从你上传的资料里给你答案，每一个回答都标注来源——点击来源可以直接跳到原文的对应段落。

这个”标注来源”的特性，对我来说是最重要的。其他AI工具告诉你一个结论，你很难判断它是真的还是编的。NotebookLM只在你的资料范围内回答，答案可以追溯到原文，这个可信度完全不同。

Nano Banana是Google DeepMind的生图模型，本质上是Gemini的理解能力+Imagen的画质引擎的结合体。最初是以匿名代号在全球最大的AI评测平台上出现的，结果被用户发现效果惊人，迅速出圈。

它和其他生图工具最大的区别，是对指令的理解和遵循能力。你让它在图里放一个带具体文字的标题，它真的能把文字渲染正确——这件事放到一年前，几乎所有生图模型都做不到。你让它保持某个人物在不同场景里的一致性，它能做到。

我用它的场景主要是：公众号配图、信息图、需要带中文文字的商业素材。这些场景都要求”准”，而不只是”好看”。Nano Banana在”准”这件事上，目前没有对手。

字节2026年2月发布Seedance 2.0的时候，内部文档的标题直接叫”Kill the game”。我第一次看到这个标题觉得挺大言不惭的，然后看了几个demo，不说话了。

它支持四种模态混合输入——图片、视频、音频、文字可以随意组合；生成视频的同时会同步生成匹配的音效和配乐；口型同步做到了精准匹配；多个镜头之间的角色一致性可以维持。

我用一张图片加一句提示词，生成了一个15秒的品牌展示视频，音效、光影、运镜全部到位。这件事放到一年前，需要一个专业视频团队做好几天。

有人说AI视频已经通过了”图灵测试”——肉眼很难判断是不是AI生成的。我同意这个说法，Seedance 2.0就是让我改变这个判断的工具。

Lovart定位是”全球首款设计Agent”，这个说法不算夸张。它和其他生图工具的本质区别在于：它解决的不是”出一张漂亮图”的问题，而是”解决一个设计业务需求”的问题。

你告诉它”我要做一套夏日饮品的品牌物料，包括主视觉、海报、包装设计”，它会自动规划步骤，调用不同工具，给你出一整套方案，而不是出一张图让你自己拼凑。它的无限画布可以让你在生成之后继续精细调整，把AI生成的结果一步步打磨成可以商业使用的成品。

Lovart的价值在于把设计执行层面的重复性工作交出去，让设计师专注于真正需要创意判断的部分。

Seedance 2.0解决了”AI能生成高质量视频”的问题，TapNow解决的是另一个问题：我知道AI能生成视频，但我不知道一支商业TVC应该怎么做。

TapNow是一个”影视流程工具化”平台，它把专业导演的工作拆解成了普通人可以执行的步骤：上传灵感参考→AI解析分镜语言→建立Storyboard→节点化管理每个镜头→生成视频→合成成片。整个流程在一个画布里完成，不需要跳工具。

它还聚合了Seedance、Veo、可灵等主流视频模型，你可以根据每个镜头的需要选最合适的模型来生成，然后在同一个平台里合并成完整成片。

汤臣倍健那支在行业里流传的百万级TVC，就是用TapNow做的，制作团队还把整个工作流程在社区里公开了。我反复看了几遍，对AI视频制作的理解完全不同了。

不太舍得用，主要是成本的问题。Claude Code的token消耗在各种AI工具里属于高的，做一个稍微复杂的工程任务，费用累积得很快。

但用过就回不去了。它对代码的理解深度、对复杂工程问题的分析能力，是目前我用过的所有工具里最强的。遇到真正复杂的架构问题、难以复现的bug、需要跨多个文件分析的工程难题，我才会请出Claude Code。

在文本工作上，Claude Code对我的替代性暂时不强——这块的需求Claude Chat已经覆盖得很好了。Claude Code是一个留给真正硬核场景的工具。