分享几个在用的AI工具

这一年多陆陆续续试了不少工具,淘汰了一批,真正每天都在用的就剩下几个。

今天挑出来聊聊,不算测评,就是讲讲我自己的真实用法。

Claude Code

主业是写代码,但我用得更多的其实是把它当老师问问题。

我做测试出身,近一年来一直在搞 AI 驱动的接口自动化,碰到的新东西很多。

以前可能要查半天文档、翻博客,现在直接问它。

可用性我自己估了一下,大概八成靠谱,剩下两成会出错或者不够新——这部分我会做交叉验证,要么换个模型再问一遍,要么去翻官方文档确认。

更深一点的感受是,它把我的能力边界往外推了一大截。

以前一些工程上的想法,自己掂量掂量觉得搞不定就放下了,现在跟它配合,基本都能跑起来。

CodeX

如果说 Claude Code 是我的老师,CodeX 就是我的执行者。

它写代码的严谨度真的很顶,有种欧美程序员的气质——一板一眼,该考虑的边界条件都会考虑到,出错的概率明显比其他几家要低。

我现在的固定流程是这样:复杂需求先让 Claude Code、Gemini、CodeX 三个各自过一遍,把方案、思路、潜在坑都聊清楚,最后真正落地的代码我会交给 CodeX 来写。

讨论的时候博采众长,执行的时候选最稳的那个。

另外像纯计算类的活,我也基本都丢给它。

这种不需要”理解我”、只需要”算对”的任务,它处理起来又稳又快。

Typeless 语音输入法

这是我跟AI协作的标配。

跟 AI 协作,第一步永远是把需求讲清楚。

我的体感是,需求描述得越细、上下文给得越足,AI 产出的质量就越高。

但打字真的慢,尤其是当脑子里已经有一整段思路的时候,手根本跟不上。

Typeless 解决的就是这个问题。

我现在很多时候就是对着电脑说话,几百字的需求一两分钟就出来了。

这个工具我之前专门写过一篇,这里不展开,反正用过就回不去。

Gemini

Gemini 我主要用两个场景。

一个是前面提到的三模型交叉评审,这里就不重复了。

补充说一下三家在我手上的体感差异:

CodeX 写代码最严谨,落地代码我交给它;

Claude Code 的优势是会说人话,你不懂的地方它会耐心讲清楚,这点对我这种需要边学边用的人特别友好;

Gemini 在前端界面这块挺能打,UI 规划和实现交给它效果不错。

另一个场景是 NotebookLM,这个我必须单独拎出来讲。

我现在习惯把 PDF、长文档、YouTube 链接一股脑丢进去,然后围绕这些资料反复提问。

它的好处是回答基于你给的材料,不容易跑偏。

时间一长,你会发现自己在不知不觉中沉淀出一个专属知识库——这种数字资产的积累,长期看价值很大。

飞书录音豆

这是我列表里唯一的硬件。

我有个习惯:每天会冒出一些零碎的想法,可能是通勤路上、跟人聊天的时候、跑步的时候。

这些想法如果当时不记下来,过一会儿基本就忘了。

录音豆的逻辑很简单——按一下,开口说,结束后内容自动整理到飞书文档里。

我把它当成一个外挂的”想法捕捉器”,几个月下来攒了不少素材,回头翻的时候经常能挖出有用的东西。

在 AI 时代,能持续生产和沉淀自己的原始素材,我觉得是件越来越重要的事。

大概就这些吧

工具本身没什么神奇,关键还是你怎么把它接入自己的工作流。

我这套组合不一定适合所有人,但如果你也在找一些能上手的 AI 工具,可以拿去参考。

你们有用得顺手的,欢迎评论区聊聊,我也在持续找新东西