一张速查表、两档深度，和三个比「该学哪个」更值钱的问题

每周都有新产品冒出来。上个月刚记住的名字，这个月换了版本号；一个还没弄明白，下一个又火了。

学 AI 最贵的成本从来不是订阅费，是注意力被反复切成碎片。

但如果把市面上主流的产品摊开，只按「你到底要做什么」重新排一遍，会发现能解决的事其实只有几类。下面这张表是整篇的骨架，先扫一眼，再对照自己手上的事找位置。

这张表按用途分类，所以同一个产品会出现在好几行——ChatGPT 能聊天、能做图、也能通过不同功能执行任务。这不是表格啰嗦，而是它本来就有好几副面孔。

还有一点要先说清楚：同一类里，很多产品实际用起来差别没有宣传的那么大。所以这张表的正确用法，不是把每一行都学一遍，而是遇到具体问题时回来反查一行。

一、先分清一件事：你要的是「回答」，还是「结果」

这是整张表真正的分水岭，也是大多数人卡住的地方。

「哪个模型更强」是个很难回答、而且很快就过期的问题。「你要回答还是要结果」是个当天就能回答、而且五年后依然成立的问题。

二、聊天 AI：门槛最低的第一站

聊天类大概是你最早接触的 AI，也是现在最不需要犹豫的一类。

国内常见的有豆包、DeepSeek、Kimi、千问；海外常见的有 ChatGPT、Claude、Gemini 和 Grok。

它们最早只能聊天、答问、写段文字，后来能联网查资料，现在功能又厚了一层：有些带上了 Agent 能力，可以做 PPT、生成文档，或者直接分析你上传的表格。

用法没什么玄机。比如要写一篇文章，就把选题、写给谁、手头有什么材料告诉它，觉得哪儿不对就接着聊、接着改。这类工具的价值不在一次答对，而在你可以低成本地改十遍。

但有个边界要留意：普通聊天功能的交互仍然发生在 App 或网页里，你把内容发过去，它给你回答，支持生成文件的再把文件下载下来。

想让它直接整理你电脑里的文件、并保存到指定位置，就需要让它连接电脑上的工具，并授权访问文件。这一步跨出去，它就不再是聊天 AI 了——豆包工作、千问办公、WorkBuddy 这些东西，就是下一节的通用 Agent。它们和同品牌的聊天 App，在能接触到的资料、能操作的工具上，是两回事。

三、通用 Agent：给 AI 装上手和脚

聊天 AI 我们已经习惯了：把问题发过去，让它给个回答、帮忙想想办法。

Agent 往前走了一步，相当于给 AI 装上手脚，让它能使用电脑里的工具，真正上手干活——打开一个文件夹，读取里面的表格，统计好数据，再把结果保存成一份文件。

你告诉它想做什么，它调用工具，一步一步完成。这些活可以在你自己的电脑上做，也可以在云端或飞书、钉钉这样的办公软件里完成。

叫「通用」，是因为它能处理多种任务：整理材料、分析数据、做网站、写程序都行。但各家有明显侧重，有的更擅长编程，有的主要面向办公。

国内偏办公的：

• WorkBuddy：读写本地文件、整理资料、分析数据，生成文档和表格。
• 豆包工作：接入飞书，查找团队资料、制作文档和分析表格。
• 千问办公：连接钉钉，做信息检索、文档制作和数据分析。
• Kimi 的 Agent 功能与 Kimi Work：前者可以制作文档、表格、PPT 和网站；Kimi Work 在桌面运行，可连接本地文件和浏览器完成工作。
• DeepSeek Harness（DSH）：整理文件、分析数据、写文档和执行代码任务，目前仍在预览阶段。
• AutoGLM：搜索和整理资料，生成研究报告、PPT 或网页。

海外的：

• ChatGPT：桌面客户端授权后能直接调用电脑里的工具、读取文件和操作浏览器；提供 Work 和 Codex 两种任务执行方式，Work 面向日常工作，Codex 更侧重编程。
• Claude Code：能读取和修改电脑里的文件、调用工具，既能写程序，也能处理材料和数据。
• Grok Build：偏向程序开发，可以阅读和修改项目文件，并运行程序检查结果。

国内更偏编程的，还有 TRAE、CodeBuddy、Qoder CN（原通义灵码）和文心快码。你可以用自然语言讲需求，让它帮你写代码、改功能、找问题，再运行看看效果。

另外Pi Agent、Hermes Agent 和 OpenClaw也能处理多种任务，但这几款需要自己动手配置，按需要连接模型和工具。它们的另一个玩法是远程——出门在外用手机指挥家里那台电脑干活，后面个人助理部分会再讲。

用法上，记住一个例子就够：想把几份销售表格合并统计，就告诉它文件在哪、按什么统计、结果存到哪里，并且授权它访问。事情复杂的话，先看它的计划，做完再检查生成的表格——这两步别省。

一个原文没强调、但必须说的前提：授权就是交出文件读写权限。第一次用，先在无关紧要的目录里试，看清楚它的计划再放它进正式数据。

四、创作工具：图片、视频、声音

图片：工具与模型

用一段文字描述画面让它生成图，拿一张已有图片让它换背景、改局部，或者把几张图里的元素融合进一张新图——这些都属于图片制作。给文章配图、做海报、做产品图，都可以用上。背后干活的是图像模型。

做图的流程很朴素：先告诉它这张图用在哪儿、画面里要有什么、想要什么风格和比例；改图或融合，就把素材一起发过去，说清楚要保留什么、修改什么；生成后看看画面是否合适、海报上的字有没有错，需要改就直接说，最后下载。

视频：三条不同的路

视频和图片类似，但工具要分成三条线看，因为它们解决的问题根本不一样。

第一条：生成视频片段。文字描述场景生成动态画面，或者给一张图片让画面里的人物动起来，也可以提供人物、场景、动作参考让它照着生成镜头，或者修改已有视频。

• 即梦 AI：Seedance 系列，如 Seedance 2.5，可结合文字、图片、视频和声音参考来生成或修改片段。
• 可灵 AI：有可灵视频 3.0、3.0 Omni 等模型，可用文字、图片或参考素材生成视频，也能安排多个镜头。
• 海螺 AI：可以使用 MiniMax H3，结合文字、图片等素材生成带声音的视频。
• Grok Imagine：视频模型 Imagine Video 1.5，能让图片动起来，同时生成环境音、音效或对话。
• Google Flow：可用 Veo 3.1、Gemini Omni Flash 1.1 等模型，按文字、参考素材或指定的起止画面生成视频，也能用 Gemini Omni 修改已有视频。

先想清楚这条视频要讲什么、需要哪些镜头，再描述人物、场景、动作和镜头怎么变化；有参考图片或视频就一起给。生成拿到的是片段，要检查人物和动作是否符合要求。想做成一条完整视频，通常还要剪辑、加字幕和声音，再导出。

第二条：数字人口播。你希望画面里有个人对着镜头讲解，就用HeyGen。它也能翻译已有视频、同步口型，配上对应语言的声音和字幕。准备好讲解稿，选人物形象，或者用照片、短视频创建数字人，再设置声音和语言；生成后检查发音、停顿和口型，调整好再导出。

第三条：用代码编排视频。如果你手里已经有图片、图表、字幕和配音，想安排它们什么时候出现、怎么动，可以用Remotion——它用代码编排这些内容，再输出视频。你可以把脚本和素材交给 Codex、Claude Code 这类 Agent，讲清画面顺序、动画和字幕要求，让它写代码，预览调整后输出。

刚开始只想生成几个片段的话，前面那些工具就够了，不必一上来就写代码。

声音：配音与音乐

稿子写好了想配音，做成旁白或有声内容，看这两款：

• MiniMax Audio：文字配音、声音克隆和多语言语音生成，可以调整情绪和表达方式。
• ElevenLabs：文字配音、声音克隆、按描述设计声音，以及音视频配音翻译。

把文字准备好，选声音、语言和表达方式，生成后听读音、停顿和语速，调整好再下载；如果是给视频配音，再放进剪辑工具里配合画面。

想做歌曲或配乐，还有：

• Suno：根据风格、情绪或歌词生成带演唱和编曲的歌曲，也能做纯音乐。
• MiniMax Music：音乐模型系列，按创作构想和歌词生成歌曲。

以 Suno 为例：告诉它主题、风格和情绪，也可以提供歌词，试听调整后下载音频。就完了。

五、个人助理：唯一跨越「时间」的一类

前面讲的每一件事，做完一次就结束了。个人助理不一样，它可以持续跟进一件事：定期整理简报、跟进活动安排，或者记住你的偏好，遇到需要你决定的事再来问你。

厂商提供的云端助理有：

• Grok Bot：使用独立云端电脑，跨应用处理任务，并保留工作偏好。
• Meta Muse：在云端电脑和浏览器里推进长期任务，记住偏好，并在需要你决定时询问。
• ChatGPT dot：在对话之间继续跟进任务，使用云端电脑，也可以把工作交给 Work 或 Codex。

用法举个例子：想每周一收到一份行业简报，就把关注什么、参考哪些资料、发到哪里讲清楚，连接好相关应用，设置定时任务；哪些事必须先问你，也可以提前约定。

还有一种是作者自己在用的：出门在外，用手机连到家里的电脑，继续安排 Agent 干活。手边没有电脑，也能交代任务、看进度。

想这么用，可以了解OpenClaw（小龙虾）、Hermes Agent：先让它们在电脑或服务器上运行，配置好模型和工具，再连接它们支持的聊天 App，就能通过手机发任务、收结果。Pi Agent也可以搭配远程连接工具来用。

唯一的前提：跑 Agent 的那台电脑或服务器要保持在线。

六、三个比「该学哪个工具」更值钱的问题

工具清单会过期，判断标准不会。下面这三条，是我认为比任何一份榜单都更值得记下来的。

第一个问题：它的产出，需要你返工吗？

一个工具真正的成本不是订阅费，是「你为它收拾残局的时间」。生成的东西能不能直接用、需不需要你逐字校对、格式会不会崩——这些决定了它是帮你省时间，还是在给你派活。

第二个问题：它改变了你的能力边界吗？

有些新工具只是把昨天的事做得快了一点，有些是真的让你能干以前干不了的事。前者可以等，后者值得马上上手。绝大多数上热搜的产品属于前者。

第三个问题：你手上有没有它对应的真实问题？

这一条最朴素，也最容易被忽略。工具的选型不该由它有多火决定，而该由你手上正在反复发生的那件麻烦事决定。如果没有具体问题，学得再熟也会忘。

AI 圈有句调侃：「有些东西不用着急学，拖着拖着就不用学了。」这话不只是玩笑——有些新产品，可能没几个月就消失了。挑有代表性的、能解决自己问题的先用好，以后真遇到解决不了的需求，再去找新的，也来得及。

七、如果把这张表拿到团队里用

个人挑工具靠手感，团队挑工具得靠流程，否则很容易变成「每个人都在用 AI，但没人说得清省下了什么」。

我的建议是：别按产品选，按工作流节点选。

把团队的工作拆成几段，一段一段去对应上面那四类能力——比如信息搜集与讨论对应聊天 AI，数据处理与文档产出对应通用 Agent，对外材料里的配图、视频、配音对应创作工具，周期性的简报与巡检对应个人助理。

这样做有三个好处：

2. 判断标准统一了。 讨论的就不再是「A 比 B 强」，而是「这个节点该不该用 AI、用哪一层」。
4. 投入可以量化。 衡量口径从「效果惊艳吗」换成「这一段能不能省掉 N 个人天」，试点的去留立刻有答案。
6. 风险边界清楚。 Agent 是要文件的读写权限的，先把「哪些目录可以授权、哪些数据不出域」划出来，比事后补救便宜得多。

先在一两个节点上试点，跑通再铺开。工具选型里最容易被浪费的钱，是买了一个没人知道该用在哪儿的东西。

写在最后

把整篇压缩成一段话：

问问题、聊想法，找聊天 AI；想让它动手干活，找通用 Agent；做图片、视频、声音，找对应的创作工具；想让它持续跟进工作，就看个人助理。遇到什么需求，回来反查表里对应那一行就行。

学工具这件事，最终还是回到自己要解决的问题上。现在用的工具已经能把问题解决好了，那就足够了，没必要每出一款新产品都跟着学。

先分清你要的是回答还是结果，剩下的都是细节。