ARTICLE · 1210805
AI 工具怎么选怎么用?2026 年 10 月最新版
现在不少朋友都开始接触、学习 AI，试着上手各类 AI 工具。 只是 AI 迭代速度太快，工具层出不穷，几乎每周都有新品、新热点冒出来。常常一个工具还没摸熟，下一个风口就来了，跟着追会非常消耗精力。
市面上五花八门的 AI 工具，各自定位是什么，又有什么差别？ 其实落到我们日常真实使用，用到的场景也就几大类。整理了一份速查表，大家可以对照自己的需求按需挑选。
AI 工具选型速查
六类场景速查
一、聊天 AI：怎么用好你的默认入口
什么时候找它：问问题、聊想法、让它写一段文字，或者联网查资料。这是我每天用得最多的一类。
聊天类 AI 的能力是长起来的：最开始是聊天、问问题、写一段文字；后来能联网查资料；现在有些还带上了 Agent 功能，可以做 PPT、生成文档，或者分析你上传的表格。
有哪些工具
国内常见的四个：豆包、DeepSeek、Kimi、千问。
海外常见的四个：ChatGPT、Claude、Gemini、Grok。
具体怎么用
拿「写一篇文章」举例：
1. 交代清楚三件事：选题是什么、写给谁看、手头有什么材料。这三样不给齐，它只能猜。
2. 让它先出一版。不要一上来就要求完美，先拿到一个可以改的草稿。
3. 觉得哪儿不对，接着聊、接着改。这一步是关键，别改一次就换工具——在同一段对话里把意见说出来，它才知道你要什么。
4. 需要文件就下载。支持生成文件的，可以把结果下载下来用。
用普通聊天功能时，交互主要还是在 App 或网页里：你把内容发过去，它给你回答，就这样。
但如果我想让它直接整理电脑里的文件，再保存到指定位置，就需要让它连接电脑上的工具，并授权访问文件。
这一步跨过去，就到了下一类。所以豆包工作、千问办公、WorkBuddy 这些，和同品牌的聊天 App 在「能接触到的资料、能操作的工具」上是有区别的——不是一个东西。
二、通用 Agent：怎么让它真的动手干活
什么时候找它：不只是想要个答案，而是要它上手把活干完——打开文件夹读表格、统计好数据、再把结果存成一份文件。
Agent 相当于给 AI 装上了手和脚，让它能使用电脑里的工具。你告诉它想做什么，它调用工具一步一步完成。这些工作可以在你的电脑上做，也可以在云端，或者在飞书、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、写程序都可以。当然各家有侧重，有些更擅长编程，有些主要面向办公。
通用 Agent 能干什么
有哪些工具
国内这几个：
- 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。
海外这几个：
- 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。它提供 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。
想做网站、写程序、开发小工具，国内还有更偏编程的这批：TRAE、CodeBuddy、Qoder CN（原通义灵码）和文心快码。可以用自然语言讲需求，让它们帮你写代码、改功能、找问题，再运行看看效果。
另外这三个能处理多种任务：Pi Agent、Hermes Agent 和 OpenClaw。这几款需要自己做些配置，可以按自己的需要连接模型和工具。
具体怎么用
以操作表格，「合并销售表格」举例：
1. 说清楚目标：我要把几份销售表格合并统计。
2. 给齐三样信息：文件在哪、按什么统计、结果存到哪里。少一样它就得猜。
3. 授权它访问。这是 Agent 和聊天 AI 的分界线，不给权限它只能干看着。
4. 复杂的事，先看它的计划。别直接放行，先确认它打算怎么做对不对路。
5. 做完再检查生成的表格。它会做不等于它一定做对。
提醒
「先看计划，再检查产出」——这两步我打算当成用 Agent 的默认动作，尤其交给它处理真实文件的时候。
另外记住各家有侧重：日常办公任务看 Work、豆包工作、千问办公这类；要写代码的话，Codex、Claude Code、Grok Build、TRAE 这批才是主场。别指望一个工具通吃。
三、图片制作：怎么把需求说清楚
什么时候找它：给文章配图、做海报、制作产品图；或者拿一张已有的图换背景、改局部；再或者把几张图里的人物、产品、场景融合到一张新图里。
创作类工具怎么用
有哪些工具
- 即梦 AI
用 Seedream 系列做图，比如 Seedream 5.0 Pro，在即梦里叫「图片 5.0 Pro」。可以生成、修改图片，也能融合多张参考图。 - ChatGPT
图片功能使用 ChatGPT Images 2.5，可以直接描述画面，也可以上传图片，边聊边改。 - Gemini
使用 Nano Banana 系列，包括 Nano Banana 2 和 Nano Banana Pro，可以生成图片、修改照片、融合参考图。 - Midjourney
使用自家的图像模型，目前默认是 V8.2，可以按描述生成图片，也能参考已有图片的风格。 - Grok Imagine
图像模型是 Imagine Image 2.0，可以生成图片、修改局部、组合参考图。 - Qwen Chat
可以使用 Qwen-Image 2.0 生成和编辑图片，也能制作带文字的海报。
具体怎么用
完整步骤：
1. 先说这张图用在哪儿。这是最容易被跳过的一步，但它决定了后面所有选择——封面图、文中配图、海报，要求完全不一样。
2. 说清画面里要有什么。主体、环境、关键元素，一个个点出来。
3. 指定风格和比例。想要什么风格、多大比例，明确给它。
4. 改图或融合就把素材一起发过去，并且说清楚要保留什么、修改什么。只说「改好看点」是没用的。
5. 生成后先看画面合不合适，再看细节。
6. 重点检查海报上的字有没有错。错字是最常翻车的地方。
7. 要改的地方直接告诉它，最后下载图片。
我的取舍：做中文海报我会先看 ChatGPT Images，因为它中文支持更好；需要反复改、边聊边调的，ChatGPT Images 2.5 这种对话式改图更顺手；要融合多张参考图，即梦、Gemini、Grok Imagine 三家都写了支持。
提醒
图片模型在画面上越来越稳，但生成文字出错的概率还是很高，尤其是中文海报。导出之前，一个字一个字过一遍。
四、视频制作：三条路，三条不同的走法
什么时候找它：要用 AI 做出动态画面。可以给一段文字描述生成视频，也可以给一张图片让画面里的人物动起来，还可以提供人物、场景或动作参考让它照着生成镜头，同样能修改已有视频。
视频这块分成三种需求，别搞混。
4.1 生成视频片段
有哪些工具：
- 即梦 AI
使用 Seedance 系列，比如 Seedance 2.5，可以结合文字、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，可以用文字、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
视频模型是 Imagine Video 1.5，可以让图片动起来，同时生成环境音、音效或对话。 - Google Flow
可以使用 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。
具体怎么用：
1. 先想清楚这条视频要讲什么、需要哪些镜头。别一上来就写提示词。
2. 再描述人物、场景、动作，以及镜头怎么变化。
3. 有参考图片或视频，一起提供。参考比描述管用。
4. 检查生成结果的人物、动作是否符合要求。
5. 明白你拿到的是片段。想做成完整视频，通常还要剪辑、加字幕和声音，再导出。
提醒：第 5 步是我自己最大的认知偏差——我以前以为生成出来就是成片，其实它只是素材。视频生成工具解决的是「没有镜头」的问题，不解决「成片」的问题。
4.2 数字人口播
希望画面里有个人对着镜头讲解，用 HeyGen。它也能翻译已有视频、同步口型，配上相应语言的声音和字幕。
具体怎么用：
1. 准备好讲解稿。这是前提，别指望边生成边想词。
2. 选人物形象，或者用照片、短视频创建数字人。
3. 设置声音和语言。
4. 生成后检查发音、停顿和口型，调整好再导出。
4.3 用 Remotion 编排成片
如果手里已经有图片、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。
具体怎么用：
1. 把脚本和素材交给 Codex、Claude Code 等 Agent。
2. 讲清楚画面顺序、动画和字幕要求，让它帮忙写代码。
3. 预览调整后输出视频。
五、声音制作：配音和配乐是两回事
什么时候找它：稿子已经写好了，想配个音做成旁白或有声内容；或者要给视频配声音、配背景音乐。
5.1 配音旁白
有哪些工具：
- 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。
具体怎么用：
1. 把文字准备好。口语稿和书面稿不一样，读出来拗口的地方先改顺。
2. 选声音、语言和表达方式。这一步别急着过，同一段稿子换个声音气质完全不同。
3. 生成后听读音、停顿和语速，不对就调整。重点听多音字和断句。
4. 下载音频。如果是给视频配音，再放进剪辑工具里配合画面。
声音是靠听觉验收的，别只用眼睛看文字。生成完务必真的听一遍，很多问题只有耳朵能发现。
5.2 歌曲和配乐
有哪些工具：
- Suno
根据风格、情绪或歌词生成带演唱和编曲的歌曲，也能制作纯音乐。 - MiniMax Music
这是音乐模型系列，可以根据创作构想和歌词生成歌曲。
具体怎么用（以 Suno 为例）：
1. 告诉它歌曲的主题、风格和情绪。
2. 也可以提供歌词。
3. 试听后调整，满意了下载歌曲或配乐音频。
一个提醒：这类我目前只打算记个名字，等真要做口播视频了再回来照着步骤走。一次不要铺得太开。
六、个人助理：怎么设置一个能持续跟进的助手
什么时候找它：前面讲的任务，做完一次就结束了。个人助理多出来的是持续跟进——定期整理简报、跟进活动安排、记住你的偏好，遇到需要你决定的事情再来问你。
有哪些工具
厂商提供的云端助理：
- 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。
想用手机远程安排家里的 Agent，可以看这三个：OpenClaw（小龙虾）、Hermes Agent、Pi Agent。
具体怎么用：设置一个「每周行业简报」
我把它拆成六步：
1. 说清楚关注什么。领域、关键词、不想要什么。
2. 说清楚参考哪些资料。给来源比让它自己找要准。
3. 说清楚发到哪里。邮箱、文档、聊天窗口，明确指定。
4. 连接好相关应用。不连接它拿不到东西。
5. 设置定时任务。比如每周一早上几点。
6. 提前约定哪些事必须先问你。这一步最容易被忽略，但它决定了你会不会被「自作主张」坑到。
手机远程派活怎么用
出门在外，用手机连到家里的电脑，继续安排 Agent 干活。
1. 先让它们在电脑或服务器上运行（OpenClaw、Hermes Agent 这两款）。
2. 配置好模型和工具。
3. 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，但有条硬约束：运行 Agent 的电脑或服务器要保持在线。
提醒
这一类说实话离我目前比较远。它解决的是「任务需要跨天跟进」的问题，而我的活基本一两天内结完。我打算先记着，等有了重复性的周更需求再照着上面六步上。
我打算按这个顺序练
工具清单看完了，回到开头那四个步骤：
学工具这件事，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。
所以我按四步给自己排了个顺序。这是我的个人情况，你可以照着调整：
第一批，现在就用：聊天 AI 挑一个顺手的（国内产品我用着方便，从豆包、DeepSeek、Kimi、千问里选），再配一个图片工具处理配图。这两类覆盖了我八成的日常需求，把第一节和第三节的练熟就够了。
第二批，遇到具体任务再上：通用 Agent。等真有「几份表要合并统计」这种活再开，从 WorkBuddy 或 Kimi Work 这种能连本地文件的入手。DSH 原文标了仍在预览阶段，我不急。
第三批，先只记名字：视频和声音。Seedance 2.5、可灵视频 3.0、MiniMax H3、Imagine Video 1.5、Veo 3.1 这些先存着，等要做口播视频了再回来查表走步骤。HeyGen、Remotion、Suno、MiniMax Music 同理。
暂时不碰：Pi Agent、Hermes Agent、OpenClaw 这类需要自己配模型工具的，以及 Grok Bot、Meta Muse、ChatGPT dot 这类云端长期助理。不是不好，是我现在没有对应场景。
最后再提醒自己一遍：这份清单里的模型版本号是会变的。 Midjourney 现在默认是 V8.2，可灵有 3.0 和 3.0 Omni，Nano Banana 有 2 和 Pro。同一类里产品用起来差不多，所以我真正该记住的是「哪一类工具解决哪一类问题」，版本号等真要用的时候再回来查。
