AI工具越来越多,我为什么反而放弃了All in One

我以前很喜欢 All in One。

最好一个工具什么都能做：聊天、搜索、知识库、写代码、整理资料、调用不同模型，甚至连文件管理都一起解决。

这种想法很符合我的习惯。我总希望找到一套足够稳定的系统，把所有东西都塞进去，以后只维护这一套东西。

所以刚开始大量使用 AI 工具时，我也一直在寻找所谓的“最终方案”。

但工具用得越来越多以后，我反而开始放弃这种想法。

原因不是 All in One 一定不好，而是我逐渐发现：

不同的事情，本来就需要不同形态的工具。

比如和 ChatGPT 讨论问题时，我需要的是不断追问和来回推演。很多时候，一开始只有一个模糊想法，是在连续对话中才逐渐把问题想清楚。

但写代码不是这样。

写代码时，我希望 AI 能直接看到整个项目，修改文件、运行程序、查看报错。这时候 Codex 这类和代码环境结合更深的工具明显更自然。

知识管理又是另一回事。

AI 对话更多是在解决眼前的问题，而笔记需要几年以后依然能够找到、补充和建立联系，所以我还是更愿意把长期内容沉淀到 Obsidian。

信息获取也是一样，我会让 Folo 单独负责信息输入，而不是把所有内容全部塞进 AI 对话里。

这些工具表面上都在处理“信息”，但解决的其实并不是同一个问题。

以前我判断一个工具好不好，经常看它功能多不多。

现在我更关心的是：

这个工具最擅长解决什么问题？

所以我现在的使用方式反而简单了很多：

Folo 负责信息获取，ChatGPT 负责讨论和分析，Codex、Python 负责代码和执行，Obsidian 负责长期知识沉淀，百度网盘负责文件同步和备份。

以前我总想着能不能把这些东西合并。

现在觉得，其实没有必要。

真正重要的不是它们是不是同一个软件，而是不同环节之间能不能顺畅衔接。

看到一篇文章，可以方便地保存下来；有了一个想法，可以拿去和 AI 讨论；形成方案之后，可以继续进入代码或实际执行；最后有价值的内容，再重新沉淀进自己的资料体系。

只要这些过程足够顺畅，它们是不是运行在同一个软件里，并没有那么重要。

所以我现在更认同一句话：

不是 All in One，而是 All well connected。

这种思路还有一个好处，就是不用再执着于寻找“最终系统”。

以前每看到一个新的 AI 工具，我都会想它能不能把现有工具全部替代掉，最后很容易变成不断折腾工具本身。

现在如果一个工具在某个环节足够好，就继续用。

以后有更好的方案，也只替换这一块。

换代码工具，不需要重建知识库；换信息获取工具，也不会影响过去积累的笔记；某个 AI 产品不好用了，也不会让整套工作流一起失效。

系统可以变化，但不用每次都推倒重来。

特别是在 AI 工具快速变化的今天，我越来越觉得，比“不变”更重要的其实是可替换和可适应。

高效也不一定意味着所有东西都集中在一个地方。

一组各自做好一件事、同时又能彼此协作的工具，很多时候反而比一个什么都想做的超级工具更好用。

这也是我现在最大的变化：

从寻找 All in One，变成搭建 All well connected。