2026 年,我每天都在用的 AI 工具链

2026 年，我每天都在用的 AI 工具链

来源：AI空间连接器标签：AI工具 / 工作流 / Claude Code / GPT-5.5 / 具身智能 / GIS

去年 12 月，我写过一篇”AI 工具箱”。

快一年了。AI 圈的变化速度，用”快”来形容都有点不够。去年那篇里提到的好几个工具，现在已经没人用了。不是被淘汰了，是有了新的替代品——能力更强，当然也更贵。

所以又来一篇。五一也过了，大家总得找点东西看。

坦诚地说，我用的大部分是海外版。能力和质量上，目前海外产品确实更成熟一些。但国内产品我也在用，某项能力差距不大的，我会两个都列出来。差距太大的，就不硬凑了。

那么开始。

1. 知识问答

# 日常提问的第一选择defask(question: str) -> str:if question.needs("准确性"):return GPT_5_5.ask(question)     # 幻觉极低elif question.needs("国内可用"):return Doubao.ask(question)       # 豆包，国内平替else:return GPT_5_5.ask(question)

GPT-5.5 在事实性问答上的表现，目前还没有看到能打的。幻觉率确实低到可以信任。

豆包是国内最接近的。日常聊天、一般性知识查询够用。但遇到专业领域的问题，差距就出来了——不是答不上来，是答得”差不多”。而”差不多”在技术问题上通常等于”完全不对”。

2. 内容创作与知识管理

# 长文本写作的第一选择defwrite(content_type: str, topic: str) -> str:if content_type in ["长文", "技术拆解", "深度分析"]:return Claude_Opus_4_6.write(topic)# 独一档的夯# 注意：别用 Opus 4.7，真的拉elif content_type == "国内可用":return DeepSeek_V4_Pro.write(topic)# 国内最接近 Claude 的

写这篇的时候我就是用 Claude Opus 4.6 在写。

Opus 4.6 在长文本上的连贯性和深度，目前还没有看到能打的。写技术拆解、做知识整理、梳理复杂逻辑——它输出的东西不需要大改就能用。

Opus 4.7 我试了一个月，真的拉。不是不能用，是跟 4.6 比，质量退步了。不知道是模型本身的问题还是 prompt 策略变了，反正我现在又切回 4.6 了。

国内的话，DeepSeek V4 Pro 是最接近的。日常写作够用，但写深度分析的时候，逻辑连贯性还是差一截。

3. 数据分析

# 数据分析的工作流defanalyze_data(data: DataFrame, question: str):if overseas:# Codex 写代码 + GPT-5.5 解释结果        code = Codex.generate_analysis(data, question)        result = run(code, data)        explanation = GPT_5_5.explain(result)return explanationelse:# Claude Code + GLM-5.1        code = ClaudeCode.generate_analysis(data, question)        result = run(code, data)        explanation = GLM_5_1.explain(result)return explanation

数据分析的核心是”写代码”这件事。Codex + GPT-5.5 的组合，目前写数据分析代码的质量是最高的。它知道 pandas 的坑在哪、知道怎么处理缺失值、知道什么图表适合什么数据。

国内的话，Claude Code + GLM-5.1 可以用。差距主要在代码的”老练度”——GPT-5.5 写出来的代码更像是一个有经验的数据分析师写的，GLM 写出来的更像是一个刚入门的。

4. 前端设计

defdesign_frontend(requirement: str):if overseas:return Gemini_3_1_Pro.design(requirement)else:return Kimi_K2_6.design(requirement)

Gemini 3.1 Pro 在 UI 设计上的审美是目前最好的。它生成的界面不是”能看”，是”好看”。配色、间距、层次——这些东西 AI 之前一直做不好，Gemini 3.1 做到了。

国内的 Kimi K2.6 可以用，但审美上还是有差距。Kimi 生成的界面更像是一个”工程师做的 UI”，而 Gemini 生成的更像是一个”设计师做的 UI”。

（这个差距不是一句”差不多”就能抹平的。审美这个东西，差一点就是差很多。）

5. 架构规划

defplan_architecture(project: str) -> Architecture:if overseas:# Claude Code 执行 + Opus 4.7 思考        plan = ClaudeCode.execute(            prompt=f"设计 {project} 的架构",            model="opus-4.7",            thinking=True,        )else:# Claude Code 执行 + GLM-5.1 思考        plan = ClaudeCode.execute(            prompt=f"设计 {project} 的架构",            model="GLM-5.1",            thinking=True,        )return plan

架构规划跟写代码不一样。它不需要”写”，需要”想”。

Claude Code + Opus 4.7 的组合，是目前我做架构规划的首选。Claude Code 负责跟文件系统交互、跑命令、验证假设，Opus 4.7 负责”想”——它的长思考能力在架构设计上是独一档的。

国内的 Claude Code + GLM-5.1 可以用，但深度不够。GLM 的思考能力在简单架构上够用，复杂系统的架构设计还是差一截。

6. 代码开发执行

# 我现在的标准工作流defdevelop(project: str):# 第一步：用 Claude Code + Opus 4.7 做规划    plan = plan_architecture(project)# 第二步：用 Codex + GPT-5.5 做详细开发和执行    code = Codex.implement(plan)# 第三步：人工审查 + 修复    code = human_review(code)return code

这是我现在的标准工作流。

先用 Claude Code + Opus 4.7 做整体规划。Opus 4.7 的思考能力在”理解需求、拆解模块、设计接口”这一步是无可替代的。它能看到一个系统的全貌，这是 GPT 目前还做不到的。

然后用 Codex + GPT-5.5 做详细开发。GPT-5.5 写代码的速度和质量目前是最高的。它不需要”想太多”，直接写就行。

（这个组合有点像”架构师 + 高级工程师”。Opus 4.7 是那个画架构图的人，GPT-5.5 是那个埋头写代码的人。两个人配合，效果最好。）

国内的话，Claude Code + GLM-5.1 可以走完整个流程，但每个环节的质量都差一截。

7. 深度研究

defdeep_research(topic: str) -> Report:if overseas:return ChatGPT_DeepResearch.search(topic)else:return Doubao.deep_research(topic)

ChatGPT DeepResearch 在做行业研究、技术调研上的能力是目前最好的。它不只是”搜索”，是”研究”——会交叉验证、会找矛盾点、会给出有深度的分析。

国内的豆包深度研究可以用，但深度不够。豆包更像是一个”高级搜索引擎”，而 ChatGPT DeepResearch 更像是一个”研究助理”。

8. 图片与平面设计

defgenerate_image(prompt: str, style: str) -> Image:if style == "任何风格":return GPT_Image_2.generate(prompt)# 独一档的夯elif style == "国内可用":return Jimeng_Seedream_5_0_Lite.generate(prompt)

GPT Image 2 在图片生成上的质量是目前独一档的。不是”最好的之一”，是”最好的”。

它的优势不只是”画得好”。是”听得懂”。你描述一个复杂的场景，它能理解里面的空间关系、光影关系、材质关系。这一点之前的模型都做不到。

国内的即梦 Seedream 5.0 Lite 可以用，但理解复杂 prompt 的能力还是有差距。简单场景没问题，复杂场景就容易”跑偏”。

9. 视频生成与编辑

defgenerate_video(prompt: str, style: str) -> Video:if style == "运动质感":return Seedance_2_0.generate(prompt)# 运动自然度高elif style == "电影质感":return Kling_3_0.generate(prompt)# 原生 4K，电影感夯爆了

这两个都是国内产品。而且两个都很能打。

Seedance 2.0 的优势是运动自然度。人物动作、物体运动——它生成的视频看起来”不假”。这是视频生成最难的地方，Seedance 做到了。

可灵 3.0 的优势是画面质感。原生 4K 输出，电影级别的画面。用来做宣传片、产品展示，效果非常好。

（国内视频生成这块，目前是全球领先的。不是”追平”，是”领先”。）

10. 音乐生成

defgenerate_music(style: str, mood: str) -> Audio:if overseas:return Suno_v5_5.generate(style, mood)else:return MiniMax_Music_2_6.generate(style, mood)

Suno v5.5 在音乐生成上的质量目前是最高的。旋律、和声、编曲——听起来像真人做的。

国内的 MiniMax Music 2.6 可以用，但音乐的”灵魂感”还是差一点。MiniMax 生成的音乐像”配乐”，Suno 生成的像”作品”。

11. 3D 生成

defgenerate_3d(description: str) -> Model3D:return TripoAI.generate(description)

TripoAI 是目前 3D 生成上做得最好的。从文字描述直接生成 3D 模型，质量是目前最高的。

（3D 生成这个领域，目前还没有国内产品能达到 TripoAI 的水平。差距比较大。）

12. AI 输入法

definput_text(context: str) -> str:return Doubao_Keyboard.voice_to_text(context)# 语音输入夯爆了

豆包输入法的语音识别，目前是最好的。不是”之一”，是”最好的”。

准确率高是一方面。关键是它”听得懂语境”。你说一句话，它不仅能转成文字，还能理解你想表达什么。这在日常聊天、语音记录想法的时候非常有用。

13. AI 硬件

classAI_Hardware:def__init__(self):self.flybook_recorder = FlyBookRecorder()# 每天语音对话自动进飞书会议纪要# 相当于把我的思考过程自动记录下来self.getseed = GetSeed()# 每天"发芽"获得新的认知# 相当于一个随身的 AI 思考伙伴

飞书录音豆——我每天跟团队、客户、合作方的语音对话，自动转成飞书会议纪要。不是简单的语音转文字，是”理解对话内容 + 提取关键信息 + 生成会议纪要”。

GetSeed 录音卡——每天听我说话，然后”发芽”给我新的认知。相当于一个随身的 AI 思考伙伴。你说什么它都听，然后给你反馈。

（这两个硬件的价值不在于”硬件”本身。在于它们把我日常产生的信息——语音、对话、思考——自动捕捉下来，变成了可检索、可复盘的知识资产。）

总结

把上面所有东西捋一遍——

知识问答     → GPT-5.5 / 豆包内容创作     → Claude Opus 4.6 / DeepSeek V4 Pro数据分析     → Codex + GPT-5.5 / Claude Code + GLM-5.1前端设计     → Gemini 3.1 Pro / Kimi K2.6架构规划     → Claude Code + Opus 4.7 / Claude Code + GLM-5.1代码执行     → Codex + GPT-5.5 / Claude Code + GLM-5.1深度研究     → ChatGPT DeepResearch / 豆包图片生成     → GPT Image 2 / 即梦 Seedream 5.0视频生成     → Seedance 2.0 / 可灵 3.0音乐生成     → Suno v5.5 / MiniMax Music 2.63D 生成      → TripoAI输入法       → 豆包输入法硬件         → 飞书录音豆 / GetSeed

13 个场景，26 个产品。

但核心就一件事——AI 不是”一个工具”。是一个工具链。

没有哪个 AI 能搞定所有事。GPT-5.5 写代码好，但做架构规划不如 Opus 4.7。Claude 写文章好，但做数据分析不如 Codex + GPT 的组合。

关键是知道每个工具擅长什么、不擅长什么。然后把它们拼在一起，变成一个完整的工作流。

这就是 2026 年我用 AI 的方式。

不是”用 AI 干活”。是”用 AI 组合干活”。