用了 50 个 AI 工具后,我删掉了 46 个

上周跟一个朋友吃饭，他做运营的，突然问我："你有没有什么 AI 工具真的好用？推荐几个。"

我说你手机里装了多少个？

他翻了翻，说十几个吧，ChatGPT、Kimi、通义千问、文心一言、剪映、Notion……

我说你每周打开的有几个？

他想了想，两个。ChatGPT 偶尔问问东西，剪映做视频的时候用。

我说那不就行了。

这事儿让我想写一篇文章。不是那种"2026 年十大 AI 工具推荐"的烂大街清单，而是我真的在用、用了几个月还没删掉的四个。

这四个工具有一个共同点：都不是市面上最火的那个，但在我每天的工作流里，它们比那些大名鼎鼎的工具出现频率高得多。

每个我都会说清楚三件事：它是干嘛的，我拿它干什么，它有什么毛病。

不吹不黑，讲完拉倒。

秘塔 AI 搜索

先说秘塔。

大部分人搜东西的路径是这样的：打开百度，输入关键词，翻三页，关掉。或者打开 ChatGPT，问一个问题，得到一个看起来很专业的回答，直接复制粘贴。

两种方式都有硬伤。

百度的问题你比我清楚——前三名是广告，后面是 SEO 内容，真正有用的信息藏在第十页某个 2019 年的帖子里。ChatGPT 的问题更隐蔽：它给你的答案看起来逻辑通顺、数据齐全，但你一查来源，全是编的。之前有个纽约律师让 ChatGPT 查法律案例。ChatGPT 编了六个根本不存在的判决，连案号都像模像样。结果那律师在法庭上被法官当场拆穿，直接丢了饭碗。

秘塔做的事情，是把你从这两个坑里捞出来。

它最牛的功能叫"结构化搜索"。你输入一个问题，它不是给你十条蓝色链接，也不是给你一段看起来很对的答案。它做的事情是：同时从好几个信息源搜，互相交叉对比，然后把结果整理成一篇有结构的摘要。关键数据都标了来源，你可以自己点进去核实。

秘塔AI搜索主界面——没有广告，直达结果

我拿它干什么？研究一个陌生领域。

举个真实例子。上周我需要搞清楚国内预制菜行业的市场格局。这个事儿难在哪？数据多但口径混乱。艾瑞说一个数，艾媒说一个数，商务部又有另一个数。你直接问 ChatGPT，它会给你一个"综合"答案，但你根本不知道它综合了谁。

用秘塔，我输入"2026 年中国预制菜市场规模 报告"。它给我的结果是这样的：

第一条，艾瑞咨询 2026 年 Q1 报告，数据是 5200 亿，口径是含冷链物流的全产业链。

第二条，艾媒咨询 2025 年度报告，数据是 3800 亿，口径是仅终端消费市场规模。

第三条，商务部办公厅 2026 年文件，没有给具体数字，但提到了"预制菜品类突破 XX 个"。

三条信息，三个来源，三个口径。我自己判断哪个可信、哪个该引用。这件事秘塔帮我省了至少四十分钟——以前我得自己开五个网页，一个个翻报告摘要，对比数据口径。

但秘塔有个明显的短板，我必须说清楚：追问能力很弱。

你问第一个问题，它答得漂亮。你接着追问"华东和华南市场的差异呢"，它就开始打转了。要么答非所问，要么把前面的结论偷偷改掉。我试了三次，三次都一样——超过两轮追问，它的回答质量断崖式下降。

所以我的用法是：把秘塔当"第一搜"工具。用它快速建立对一个领域的基本认知框架，然后带着这个框架去深入。跟它对话可以，但别跟它辩论。它擅长的是广度，不是深度。

一句话总结：百度给你一堆门，ChatGPT 给你一扇假门，秘塔给你一张地图。地图不完美，但至少方向是对的。

NotebookLM

第二个工具，NotebookLM。

这个东西知道的人不多。Google 出的，2024 年上线，国内几乎没什么人正经聊过。但数据很能说明问题——据站长之家引用的 Similarweb 数据，NotebookLM 在 6 个月内月总访问量增长了 56%。2025 年 2 月，Google 把 NotebookLM Plus 开放给了个人用户，不再只限企业。

Google 愿意把它从企业版扩展到个人版，只能说明一件事：这东西确实有人用，而且用了就离不开。

它做的事情很简单：你往里面丢文档，它帮你读。

听起来没什么了不起的对吧？ChatGPT 也能丢文档，Kimi 也能。但 NotebookLM 跟它们的区别在于——它不是"读完给你一个总结"，它是"读完之后变成这个文档的专属研究员，你问什么它都能从原文里找到答案"。

具体什么意思？举个我的真实用法。

我每个月要读大量的行业报告。上个月我集中读了七份——三份艾瑞的、两份艾媒的、一份 QuestMobile 的、还有一份高盛的中国互联网展望。加起来超过四百页。

以前的做法是什么？打开一份 PDF，从头翻到尾，看到关键数据就截图或者复制到一个文档里。七份报告翻完，一整个下午没了。而且翻到后面的时候，前面的数据已经记不清了，又得回头翻。

现在我把七份报告全部丢进 NotebookLM，建一个笔记本。它会自动分析所有文档的内容，生成一份概览。然后我可以直接问它："这七份报告里，关于短视频用户时长的数据分别是多少？"

它不会给你一个模糊的总结。它会精确地告诉你：艾瑞的报告第 32 页写了日均 125 分钟，QuestMobile 的数据是 118 分钟，口径差异在于是否包含小程序端。然后附上原文引用，你可以点进去直接看上下文。

这件事以前要花我半天，现在二十分钟搞定。不是夸张，是真的二十分钟。因为省掉了最耗时的部分——翻找和比对。

NotebookLM 还有一个杀手级功能：Audio Overview。它能把你的文档自动生成一段两个人对话的播客。对，就是那种最近很火的 AI 播客，NotebookLM 是原创。一个"主持人"提问，另一个"嘉宾"回答，用聊天的方式把你文档里的核心内容讲出来。

我有时候开车的时候把它导出来听。相当于有人帮你把四份报告读了一遍，还用大白话讲给你听。

但毛病也有，而且不止一个。

第一，中文支持不够丝滑。你丢进去纯中文文档，它大部分时候能理解，但偶尔会漏掉关键细节，尤其是那些措辞比较绕的中文报告。英文文档的表现明显好于中文。

第二，它不能联网搜索。NotebookLM 只能基于你丢进去的文档回答问题，文档里没有的信息它一概不知。所以如果你的资料不全，它也没法帮你补充。这一点跟秘塔正好互补——秘塔帮你找资料，NotebookLM 帮你消化资料。

第三，免费版的额度有限。你可以创建的笔记本数量和上传的文档数量都有上限。重度用户大概率需要付费。NotebookLM Plus 的价格是每月 7.99 美元，不贵，如果你每周都要啃大量报告，这个钱花得值。

一句话总结：ChatGPT 是一个什么都知道的通才，NotebookLM 是一个只读你给它的资料但读得极其仔细的专家。你需要通才的时候用 ChatGPT，你需要有人帮你啃完四百页报告的时候用 NotebookLM。

n8n

第三个工具，n8n。

先说一个数据：截至 2026 年 6 月，n8n 在 GitHub 上拿到了超过 19 万颗 Star。

19 万是什么概念？React 大概 23 万，Vue 大概 21 万。一个自动化工作流工具，热度快赶上全球最火的前端框架了。

但国内知道它的人极少。

n8n 做的事情用一句话说就是：把你每天重复做的操作，变成自动运行的流水线。

你有没有经历过这种事——每天早上打开邮箱，把收到的需求邮件一条条复制到飞书表格里，然后在群里 @ 相关的人，附上链接和摘要。这套操作每天花你二十分钟，但你做了三年了，闭着眼睛都能做。

这就是 n8n 要解决的问题。

它的操作方式是拖拽式的。你在画布上把一个个"节点"连起来：触发条件是什么、第一步做什么、第二步做什么、出了异常怎么处理。每个节点代表一个操作，可以是发邮件、写表格、发消息、调接口，什么都行。

我拿它干什么？举三个真实的工作流。

第一个：每天自动抓取三个竞品的公众号文章标题，汇总到一个飞书文档里，然后给我发一条消息摘要。以前我每天手动做，十五分钟。现在它自己跑，我早上起来看结果就行。

第二个：收到特定标签的邮件时，自动把邮件内容提取出来，填到一个 Notion 数据库里，同时在飞书群里发一条通知。以前我每次都要手动复制粘贴，现在零操作。

第三个：每周五下午，自动从我这一周收藏的文章里提取关键词，生成一份"本周信息摘要"。这个以前要花我半小时整理，现在自动生成。

这三个工作流搭起来一共花了我大概两个小时。但它们每天帮我省下来的时间加起来超过四十分钟。两个月就回本了——不是花钱的回本，是花时间的回本。

但 n8n 有个绕不开的问题：学习门槛。

它不是那种打开就能用的工具。你需要理解什么是"触发器"、什么是"节点"、什么是"数据映射"。如果你完全没有任何技术背景，第一次打开 n8n 的界面会懵。不是吓你，是真的会懵。

我的建议是：先别想搭复杂的工作流。从最简单的开始——比如"每天定时给我发一条天气消息"。这种一个触发器加一个动作的工作流，十分钟就能搞定。搞定了这个，你就理解 n8n 的逻辑了，再往上加复杂度。

另外，n8n 是开源的，你可以自己部署到服务器上，完全免费。但自己部署意味着你要管服务器、管更新、管故障。如果不想折腾这个，n8n 也提供云服务，起步价每月 24 美元，自带托管和更新。

还有一个现实问题：n8n 目前集成了超过 500 个应用，什么都能接。但国内的一些小众工具（比如某些国产 OA 系统）可能没有现成的集成节点，需要你通过 Webhook 或 API 自己接。这又回到技术门槛的问题了。

一句话总结：大部分 AI 工具帮你"想得更快"，n8n 帮你"做得更少"。一个让你脑子轻松，一个让你手轻松。但说实话，手轻松比脑子轻松更实在——因为你的手每天都在干活，而你的脑子大部分时候其实没那么累。

Lovart

第四个工具，Lovart。

先给它一个定位：2026 年 AI TNT 年度评测把它列为 A 级推荐。同一级别里还有沉浸式翻译、NotebookLM、秘塔 AI。而 ChatGPT、Claude 这些是 S 级。

但 Lovart 跟前面三个不一样——前面三个解决的是"信息"问题，Lovart 解决的是"图"的问题。

简单说，Lovart 是一个 AI 设计工具。你用文字描述你想要的图，它帮你生成。

听到这里你可能想说：这不就是 Midjourney 吗？

确实，Midjourney 是 AI 绘图的老大。但 Midjourney 有几个问题：第一，你得会写 Prompt，不会写就出不了好图；第二，它出图风格偏艺术，你做一张公众号封面或者产品海报，它给你的东西好看但不实用；第三，它没有"品牌一致性"的概念——你上周生成的图和这周生成的图，风格可能完全不一样。

Lovart 跟 Midjourney 的核心区别在这里：它不是一个"出图工具"，它是一个"设计工具"。

什么意思？Midjourney 是你说一句话，它给你一张图。Lovart 是你告诉它你的品牌调性、你要的尺寸、你的目标受众，它帮你出一套设计方案。不只是生成一张图，而是帮你排版、配色、选字体、调整构图。

我拿它干什么？做封面图和文章配图。

我以前做公众号封面图，流程是这样的：打开 Canva，选一个模板，改文字改颜色，调半天，出来的东西勉强能用。或者打开 Midjourney，写一段 Prompt，生成四张图，挑一张最好看的，但发现文字排版不对，还得再开 PS 加文字。

现在用 Lovart，我直接告诉它："帮我做一张公众号封面图，主题是 AI 工具推荐，风格简洁科技风，尺寸 900×383。"它不只是生成一张图——它会给你几个不同的排版方案，每个方案的配色、字体、构图都不一样。你选一个方向，它再在这个方向上细化。

最让我觉得好用的是它的"风格锁定"功能。你可以保存一个品牌风格——固定的配色方案、固定的字体偏好、固定的视觉调性。之后每次生成新图，它都会自动沿用这个风格。这意味着你做出来的所有图，看起来都是"一家人"。

这一点对于做公众号的人来说太重要了。你翻翻那些头部公众号，封面图的风格高度统一。这不是因为他们每次都用同一个设计师，而是因为他们有固定的视觉规范。Lovart 帮你把这个规范自动化了。

但 Lovart 也有明显的问题。

第一，积分制收费，而且不便宜。免费版每天给你 30 个积分，大概能生成 3-5 张图。轻度使用够了，但如果你每天都要出图，免费额度撑不住。付费版团队方案大约 99 美元/人/月，个人版便宜一些但也不低。有用户吐槽说"积分比 Midjourney 还贵"。

第二，功能还在快速迭代中。2026 年 Q3 刚做了一次大更新，很多功能还在完善。有些高级效果——比如复杂的多图层合成、精确的文字路径排版——还不如 Photoshop。它现在的状态是"八十分工具"，能解决大部分日常需求，但做不到专业设计师的精细度。

第三，中文的表现还差口气。你让它生成一张带中文标题的图，有时候字体会显得突兀，跟整体设计不够融合。英文排版的效果明显好于中文。

一句话总结：Midjourney 是画家，你给它灵感，它给你艺术品。Lovart 是设计师，你给它需求，它给你方案。你需要一幅画挂在家里的话，找 Midjourney。你需要每天出一张封面图发公众号的话，找 Lovart。

写在最后：怎么判断一个 AI 工具值不值得用？

写到这里，四个工具讲完了。

但我不想就这么结束。你看完这篇文章，如果只是记下了四个工具的名字，然后去下载、注册、试用、三天后忘掉——那这篇文章就白写了。

我想说的是一个更底层的问题：你怎么判断一个 AI 工具值不值得用？

我的方法很简单，三个问题。

三个问题，其实就在问一件事：这个工具是不是已经成为你工作的一部分了？

回到开头那个朋友的问题。他问我有没有好用的 AI 工具推荐。

我想了半天，说了四个。

但我想跟他说的是另一回事：别问我哪个工具好用。先看看你每天的工作里，哪些事情是重复的、耗时的、你已经烦了的。然后去找一个能解决这件事的工具，用它一个月。

一个月后你还每天打开它，它就是好用的。一个月后你忘了它的存在，那它就不适合你——不管别人怎么吹。

装了五十个工具不叫效率提升。
删到只剩四个，每个都用出了习惯，这才叫。