我的 AI 工具清单:不追求全,只分享真正留下来的几个

电脑里装了100+个人工智能工具，真正能干活的就几个

这两年各种各样的人工智能工具铺天盖地而来，在我的电脑硬盘里安装了不下一百种客户端和本地环境，但是现在打开工作用的电脑后端，真正还能用的只剩下两个左右了，其他的都已经被丢到了硬盘里去。

不去追求工具的数量，因为发布会展示的是最好的场景，在我们的实际工作中遇到各种各样的问题时，很多都无法运行起来。而且换个软件，人工智能就会忘掉所有的东西，要重新设置环境并输入背景资料所花费的时间比做正事还要多。

在日常工作中要非常紧凑，下面不再说空话，在七大主要场景中我所用的主要工具集成了如下所示：

一、想法输入与语音整理

作为产品经理，每天有大量的时间用来沟通、开会或者在路上行走。产生一个需求逻辑、一个业务异常预警方案或者对于一个页面的一个临时的想法，拿起键盘机械地敲击会打断思考。

• 阿里千问输入法：适合那些想用零门槛、一键启动的方式来进行日常生活中的文字输入的人群。它的识别速度很快，并且可以很好地过滤掉普通话和英语混合使用的文字，还会把“呃、啊、那个”等口语化的停顿词去掉之后再输出规范化的书面语言。在聊天软件上快速回复长消息或者是随手记录便签的时候非常方便。
• Noboard · 自在说：这是为个人隐私以及极客的需求而设计的一个语音输入的小工具，该小工具使用了本地优先的原则，在本地保存着用户的聊天记录以及专用词汇表，并且利用大模型来消除口误或者专业词汇造成的错误。按住快捷键说话，松手直接把清洗好的文字写入当前光标所在窗口。
• **边界：**语音输入可以用来完成从灵感到初稿的第一步工作，但是不能代替对文档做详细的校对，在遇到逻辑清晰的PRD验收标准的时候，即使已经用语音完成了输入，也需要静下心来整理出边界。

二、会议沉淀与关键待办提取

开会的时候遇到的问题很常见，开了会之后最担心的就是两个问题：第一是没有人记得之前达成的一致意见；第二是大家口头上答应下来的事情没有人在管。

• 飞书妙记/飞书会议AI：在公司内部跨职能沟通时表现突出。除了自动生成会议纪要，最实用的在于能把待办一键直接转化为飞书任务，自动派发到负责人待办清单并卡死截止日期。更重要的是支持会后向会议追问，比如直接提问“技术团队对二期上线时间有什么顾虑”，能直接定位到发言原声并高亮跳转，避免反复去听整段录音。
• 腾讯会议的人工智能总结：在对外或者跨组织进行交流的时候会比较普遍使用，对方不用下载其他企业协作软件，只需要参加腾讯会议就可以。它对中文的理解能力很强，可以很快把话题分开来讨论。
• **边界：**AI提供的会议记录都是“机器理解”的内容，在有关责任界定、资源调度以及主要绩效考核的问题上存在的分歧需要人工点击时间戳来核实原文，而不能仅仅依靠模型提取的结果来进行判断。

三、深度写作与Markdown沉浸式工作流

人们通常会直接用网页版对话框和人工智能聊天来编写方案，但是写到后面就会遇到问题：长对话很难往上翻页、排版容易出错、有时候还会因为网络不稳定而使页面刷新，没有保存的草稿也找不回来了。

• 使用ChatGPT/Claude和VS Code(Markdown扩展)来撰写长文或者方案是最可靠的组合方式。我会把它们分成三部分来用：左边是一个 .md 文件所在的窗口,方便手工调整内容;右边是和ChatGPT/Claude进行对话的地方，用来做提纲、筛选信息、梳理段落之间的关系。
• 留下来的原因是：把“思考推演”和“成稿沉淀”完全分开来进行处理。人工智能给出建议之后，从中选择合适的放入主文档，并且手动修改、删除多余的废话，在此之后用Git进行版本管理并保存到本地硬盘中随时都可以导出分享。
• **边界：**此工作流适合于使用纯文本以及轻量级开发环境的人群，但是对于涉及到多人同时在线协作标注的业务文档来说，仍然要定期将数据同步到飞书文档或者团队Wiki中去。

四、原型打样与方案表达

在需求还没有完全明确之前，绘制出整个的Axure或者Figma线框图会花费比较多的时间。而只需要向研发和业务人员解释一下页面的信息层次以及交互路径的时候，用代码级打样的方式来完成就比较快了。

• ChatGPT（Web生成）+ image2图像模型辅助：直接让模型生成一个带有HTML、Tailwind CSS和基本JavaScript逻辑的一体化文件，在此文件中包含了默认的点击跳转、弹出框提示以及列表过滤功能，并且还可以调用内置的生成图片的功能为业务场景添加两张合适的卡片背景图。
• **为什么能留下来：**开会沟通时，双击打开一个真实的网页给团队演示操作路径，远比指着静态截图空讲“点击此处会弹出一个抽屉”更加直观有效。讨论完如果有修改，改几行代码就能重新呈现出来。
• **边界：**就是一种沟通的凭证，可以减少理解的成本，但是并不能代替正式的用户界面规范的设计，也不能拿来直接用在上线之后的前端代码中。

五、前沿追踪与内容加工

为了了解行业的最新情况，如果不加控制地在网上浏览，就会被算法的信息流所淹没。

• X（Grok）、YouTube官方频道、豆包浏览器插件等工具可以提供最新的技术发布和开发者的讨论内容，在X上可以获得最及时的信息，并且可以用实时搜索来聚合最新的反馈；当需要听取国外长视频的技术演讲时，带有双语字幕和侧边栏纪要功能可以帮助减少大量的听的时间。
• Antigravity+Claude/ChatGPT：把一天中收集到的各种零散信息进行整理归纳，先做去重和初步事实梳理，提炼出更新了什么、关键差异在哪里。
• 使用边界：所有海外信息以及前沿动态，AI只能负责“加速阅读”，不能给出“事实保证”。涉及版本号、技术参数、兼容性说明，必须人工去查证官方文档或更新说明确认。

六、底层机制探索：亲手写一个Agent Loop

市面上讲Agent概念的很多，各种可视化拖拉拽搭建平台也层出不穷。但是在为自己的团队去设计业务方案的时候，如果只是简单地点击一下界面、接一个工作流的话，在遇到了死循环或者是多次工具调用失败的情况下，你是没有办法知道问题出在哪里的。

• 用claude-sdk写一个python脚本来解释agent的工作原理是最直观的方法；自己写一个简单的循环，几十行代码就可以实现：提示词 -> 模型返回工具调用 -> 执行本地工具 -> 获取结果 -> 传递给模型 -> 判断是否终止。
• **留下来的原因：**只有亲自去调试过连续出现错误的情况下的上下文膨胀，并且亲眼看到模型因为缺少一个字段而要在两种工具之间来回切换的时候，才懂得在真实的业务系统中，严格的Schema定义、超时熔断以及人工兜底策略比所谓的“全自动化自适应智能”更加重要。

七、知识资产与数据分析

• 关键信息持久化存储在本地电脑上，并做好合理的目录分类：个人的核心文档、敏感方案和重要积累，我习惯老老实实以纯文本形式保存在本地硬盘里。需要团队协同共享或者对外沉淀时，再选择性同步到飞书文档或飞书知识库。至于这两年被吹得很神的RAG（检索增强），普通几十篇文档用本地检索或模型大上下文完全够用，不需要为了追概念强行在电脑里搭一套臃肿的系统。
• GPT/Claude + 飞书多维表格：遇到经营数据或者指标表格，不直接发一句“帮我分析这个表”，而是让模型先写代码逐列核对统计口径和缺失值，找出异常行并输出标准报表，再结合飞书多维表格搭建自动化看板。
• 使用边界：涉及核心业务与经营数据先在本地脱敏；AI计算出的公式和统计口径必须抽样复核。

工具去留的三维门禁

平时遇到宣传很凶的新工具，我一般用下面这套门禁规则过滤。核心其实就三件事：

一、看需求刚度：一个月用不上两次的功能，不管界面做得多酷炫，用完基本就删除了； 二、看流程资产：导不出Markdown、无法被本地脚本直接读取的工具，在流程里就是一座孤岛； 三、看确定复利：如果每次生成结果忽好忽坏、关键时候卡死崩溃，宁可用老办法。

只有三项全通过的，才值得放进主力电脑；只要有一项不达标，坚决留在边缘当尝鲜玩具，绝不在它身上浪费时间深度折腾。

遇到拿不准的新工具时，对照下面这道三维准入门禁走一遍，基本就不会踩坑：

▲ 长按上方图片可保存流程图，遇到新工具时随时对照过滤

附：日常AI工具全景速查卡（长按保存）

前面拆解的7大核心场景留存工具分布、核心价值与使用边界，我也汇总成了一张速查卡，需要的可以直接保存到手机相册：

▲ 长按上方图片可直接保存高清卡片到手机

创作说明：本文内容由作者原创完成，部分配图使用AI工具辅助生成。

以上，有启发的话，欢迎点个赞、在看，也可以转发给有需要的朋友。

看完记得关注@阿康AI探索号及时收到更多AI实战内容

↓ ↓ ↓