选AI工具,我现在先看它离数据有多近

最近有个问题我越来越不纠结了：到底哪个AI最好用。ChatGPT、Claude、Gemini、DeepSeek，加上国内的WorkBuddy、Coze、豆包，我手上开着的账号不少，以前也没少比较谁更强。比得多了，反而觉得这个问题可能一开始就问偏了。它们擅长的东西本来就不完全一样，比出一个"最强"，对我手上具体的事帮助并不大。

让我换一个角度看这件事的，是之前做的那个监测简报。我要盯的是原材料价格、几家重点公司、新出现的供应商和产能变化，这些信息很大一部分散在微信公众号里。最后是用WorkBuddy去抓微信和公开渠道的内容，再自动整理成结构清晰的HTML简报。这件事能不能做成，和WorkBuddy背后的模型聪不聪明关系不大，关键是它离我的信息源足够近。

想明白这一点以后，我回头看以前的比较，发现很多是白比的。能拿来横向比较的，只能是内容已经放进对话框以后的事：总结、改写、分析。可实际工作里最花时间的那一步往往在前面，信息在微信里、在抖音里、在飞书或者Google的某个文档里，得先想办法拿出来。这一步模型再强也帮不上忙，它压根碰不到那些数据。

模型能力和生态能力，是两件事。 有的模型推理很强，但拿不到我要的东西，强就发挥不出来；有的工具在我大部分任务里都不是第一选择，但它能直接读到微信、抖音、飞书或者Google里的真实内容，那在这个具体场景里，它就是更好用的那个。这也是WorkBuddy在我这里的位置：不是替代ChatGPT，是负责ChatGPT碰不到的那一段。

顺着这个思路，其他工具的位置也清楚了。微信里的东西，腾讯系先处理；抖音上的行业视频，我打算优先交给字节系的Coze或者豆包，内容本来就在它们自己的生态里，没必要先搬出来再交给别人；Google相关的资料和Workspace场景，可以考虑Gemini。复杂分析、工作流设计、表格和日常综合任务，我还是大量用ChatGPT；长文本、代码和需要持续迭代的项目，我会用Claude。不是谁替代谁，是这一步交给谁。

这样一来，我就不太想再建一个"万能AI工作流"了。以公众号内容为例，链路是拆开的：WorkBuddy先读取和整理，把值得保留的信息提出来，进入素材池；再交给更适合深度分析的AI去判断、归类；最后决定它是进知识库、变成Blog素材，还是变成一个实际的工作流。每一段用最顺手的工具，比硬把所有步骤塞进一个工具里省事得多。抖音那条我想按同样的方式搭，只是前端换成字节系的工具。

那怎么判断一件事该交给谁？我现在越来越像在给不同的人分活。一个人很优秀，不代表财务、设计、采购、销售都该让他一个人干；一个模型很强，也不代表所有事都该塞给它。要练的是自己：先判断这件事属于哪一类，数据在哪儿，再决定让谁来做。

前提是人得先知道自己要什么。如果我说不清要拿到什么信息、后面要做什么判断、最终想得到什么结果，那开五六个AI，也只是五六个聊天窗口一起亮着。这和我最近对学AI的理解是一回事：方法、框架和目标越来越重要，具体怎么实现，可以让不同的AI一步一步带着做。人负责把事拆清楚，负责最后判断结果。

所以我选工具的标准反而变简单了。先看任务，再选工具；先看数据在哪儿，再决定让谁来做。 工具可以继续多，甚至可以换，这个标准不用换。下一步是把抖音那条链路真的搭起来，看看这个判断在字节生态里是不是也成立。