夜雨聆风最近几个月里，我能明显地感受到，整个 AI 圈不仅仅是技术在迭代，AI应用的超级入口也在发生转移。无论是 AI 应用的形态、底层技术的实现方式，还是大家使用 AI 的习惯，以及市面上高频被讨论的产品，都和前段时间有了不少新的差异。
也正因为变化实在太多，我觉得有必要把最近看到的一些现象、感受到的一些趋势，以及自己在做产品过程中的一些判断，重新系统地梳理一遍，顺手记录下来。
这里所说的"高频应用"，不是泛指大众层面所有人都知道的 AI 产品，因为如果你要这么定义，普通人你问他使用什么AI，大概率会说自己在用豆包、deepseek、元宝等；但是这些工具，都不能代表最先进的AI应用，基本在极客圈里面，大家很少会高频的使用这几个产品，只是解决一些简单问题的时候，会偶尔用用。
这里是指那些在深度使用和应用 AI 的群体（包括AI博主、AI从业者、技术群体）中，被频繁讨论、频繁提及、频繁推荐的一批产品。
我先把最近观察到的这批高频产品和方向整理成一个列表如下：
OpenClaw，也就是小龙虾
Claude
Trae
Obsidian
飞书+AI
Typeless
Notion AI
6个高频使用的模型
这里面有些产品我已经有一定了解，也有一些产品我暂时还没有足够时间深入研究和充分体验。但我觉得，先把它们记录下来依然很有价值。因为这些被反复提起的名字，本身就代表着当下 AI 应用市场里一些值得关注的变化和信号。后续我也会希望能逐个把这些产品研究透、体验透，再形成更具体的判断。
01 PART
当下热度最高的产品：OpenClaw 与爱马仕
如果只看最近一段时间技术圈和 AI 圈的讨论热度，当下最受关注的自然还是 OpenClaw 以及刚刚推出的爱马仕。这两个产品几乎占据了最多的话题量，也是最近一批深度用户和 AI 博主最常提到的名字。
但有意思的是，围绕 OpenClaw "小龙虾" 这个东西，我现在从身边看到的反馈其实是比较两极分化的。
一方面，在它刚热起来的时候，确实引发过一波很高频的讨论，很多人都在看、都在转、都在体验；但另一方面，那些真正在高频把 AI 应用到工作和学习场景中的深度用户，普遍并没有把它非常深入地应用到自己的真实流程里。也就是说，讨论热度很高，不代表使用深度也同样高。
从我目前观察到的情况来看，真正能把这个东西用起来、并且用出效果的，主要还是两类群体：
技术群体：尤其是编程人员，他们更容易把这类产品接到自己的开发流程里，用来提升编码和自动化效率。
自动化业务相关群体：比如做内容生产、新媒体运营、自动化分发的人，他们本身就有强烈的效率需求，所以更容易把这类产品真正应用到业务流程中。
但对于大部分普通用户来说，目前更多还是停留在认知、围观和初步体验阶段，真正深度用起来的人并不多。我自己现在其实也差不多，暂时还没有很深入地研究或使用它。对我而言，它目前还只是一个"可选应用"，并不是一个已经强到让我必须立刻切换过去的东西，因为现有其他工具其实也能比较好地满足我的需求。
"另外一个很现实的原因是，这个领域变化实在太快了。一个月前大家讨论的还是'小龙虾'，现在已经变成了爱马仕，下个月很可能又会冒出新的名字。这意味着它本身还处在快速迭代和不断进化的阶段，所以我更倾向于先观察，而不是立刻重投入。很多时候，晚一两个月去使用，反而可能直接用上更成熟、更完善的应用级产品。"
从"小龙虾"到爱马仕的变化，我觉得其实是非常正常、也完全在预期之内的。因为相比让模型去操作本地电脑这种天然带有安全和稳定性问题的方式，通过云端环境来承接这类能力，显然会更合理，也更符合未来的大趋势。
02 PART
另一个被高频提及的产品：Claude
除了 OpenClaw 和爱马仕之外，另一个被高频提及、而且是真正被深度用户反复使用和反复讨论的产品，就是 Claude。并且伴随着Claude兴起以及被广大传播的是两个技术概念：Skill 和 CLI（命令行）。
这两个词现在也都非常火，而且已经不只是概念层面的热闹，而是真正在技术圈和应用圈里被广泛使用。很多企业在做 AI 产品和技术布局时，也开始明显往这两个方向倾斜。
其中包括，越来越多的产品，开始在产品里面露出“技能”的概念，比如现在很多的Agent都支持动态调用skill 解决具体的问题，以及产品也支持新建和导入skill文件；同时整合skill市场，也成为了产品提升自身能力的重要手段；
对于CLI，这实际上正在逐渐改变企业开放平台的逻辑，以前企业和产品做开放平台，是通过API和SDK的方式开放，被第三方开发团队调用自己的产品能力；
现在企业不再只是开放一个底层接口，而是把自己的能力封装成技能，然后通过CLI的方式，支持第三方安装到工具里面，灵活调用企业的产品能力。
从我目前了解到的情况来看，很多资深的产品和技术专家给我的反馈都非常一致：Claude 是一个很厉害的产品。虽然我个人对这种命令行式的交互方式并没有那么天然偏好，但因为有太多人反馈它确实非常好用，所以我也会愿意花一些时间去研究和体验，看看它到底强在什么地方。
03 PART
第三个高频使用和提及的产品：Trae
第三个被高频提及、同时也是我自己当下使用频率最高的产品，就是字节的 Trae。
如果只从我个人最近的使用情况来看，我基本上已经把 99% 以上的使用场景都迁移到了 Trae。像 ChatGPT、Gemini 这些我之前也会频繁使用的产品，现在对我来说已经明显退居次要位置。毫无疑问，在我当前的判断里，Trae 一定是一个非常出色、也非常强的产品。
最近这段时间，我也一直在高频探索怎么把 Trae 更深入地应用到各种具体问题里。坦白说，我现在对它的掌握程度，大概还只停留在 50% 到 60% 左右，很多更高阶的能力和更深的使用技巧，我觉得自己还没有真正吃透。所以后面我一定会专门花一段时间深入研究，等研究得更深入以后，再单独写成一篇文章分享出来。
我当前高频使用 Trae 的场景
产品需求稿的撰写：用它来帮助我梳理需求、组织表达、完善文档结构。
产品视觉和前端设计：用它快速辅助完成页面表达、前端原型和视觉呈现。
通过对话的方式写文章：把它当成一个高频共创工具，用来帮助我生成、整理和扩写内容。
记录灵感并整理思路：把碎片化的想法快速记录下来，再通过它帮我梳理成更清晰的逻辑。
批量化内容生产：包括自动化生产营销文章、营销物料以及相关内容资产。
作为编写 Skill 的重要工具：在我做、调试和整理 Skill 能力的时候，它已经变成了一个非常重要的辅助工具。
04 PART
第四个高频被提及的产品：Obsidian
第四个最近被高频提及的产品，是 Obsidian。它和 Notion 一样，都属于笔记和知识管理大赛道里的产品，但它吸引的用户群体，明显更偏向知识生产者、深度写作者以及技术圈用户。
我目前对它的一个初步理解是：它之所以被很多人高频使用，不只是因为它是一个“记笔记”的工具，更重要的是它具备很强的开放性和连接能力。它可以和各种插件、工作流以及 AI 应用结合起来，成为一个知识沉淀和内容创作的中枢。比如在 Claude 等 AI 工具的使用场景里，大家会把自己沉淀下来的知识库和它结合起来，形成更完整的创作调用流程。
Obsidian 真正最强的地方在于：
1. 本地化与可控性：基于本地 Markdown 文件，对数据有更强掌控感。
2. 知识连接能力：强调双向链接、知识网络和长期沉淀。
3. 插件生态很强：开放性高，极易与自动化流程及 AI 能力结合。
4. 适合深度生产型用户：被长期写作、长期研究的人偏爱。
所以，Obsidian 不是因为“接 AI”才成立，而是它本身就是一个非常适合做知识沉淀的底座；而 AI 的接入，进一步放大了它的价值。
05 PART
整合与接入之王：飞书+AI
另一个最近被高频提及，而且我自己也已经深度用起来的应用，是飞书。
飞书本身并不是那种“原生 AI 能力特别强”的产品，但它在 AI 时代真正厉害的地方，在于它的集成能力、整合能力，以及权限开放的方式都做得非常好。我目前感受到它的价值，主要集中在两个方向：
第一，飞书多维表与 AI 的整合。
在内容生产和运营圈子里，越来越多的人开始把飞书多维表和 AI 结合起来，把内容生产流程结构化、表格化，再通过 AI 辅助生成和管理。这对于需要批量处理素材的人来说非常实用。
第二，飞书CLI 的权限开放。
飞书逐步把文档、日历等相关权限开放出来，通过 Cursor、Claude、Code 等第三方应用的接入，用户可以在这些 AI 工具里直接读取飞书内容，或者把结果直接写回飞书。这让飞书变成了 AI 工作流里的一个重要“容器”。
我自己现在也是这个场景的深度使用用户。除了内容创作，我最近还在把这套方式高频地应用到写产品稿和需求稿的环节里。现在我很喜欢、也很容易进入心流的一种工作方式是这样的：
整个流程用下来非常丝滑。它最吸引我的地方在于，不只是提高了效率，而是把 想法产生 -> 需求整理 -> 文档生成 -> 原型表达 -> 文档沉淀 这一整条链路真正打通了。
06 PART
重新定义输入效率：Typeless
下一个最近被高频使用、也让我印象很深的产品，是 Typeless。它真正解决的核心问题，其实不是“做一个 AI 工具”，而是“重新定义输入这件事”。
我觉得 Typeless 体验很好的地方在于，它主要聚焦在语音转文字输入这个场景。这个点其实非常关键，因为很多时候，我们不是不会思考，而是传统键盘输入的效率太低了。
"如果只是口述一段一分钟左右的内容，大概就有一百字上下，但如果完全靠手敲键盘去把这些内容打出来，整个过程其实会慢很多，也更容易打断思路。Typeless 的价值就在于，它把脑子里的内容更高效地转成了可被进一步处理的文字。"
这个产品目前让我觉得比较好的几个点包括：
自动梳理凌乱表达：人在说话时通常不是线性的，它能在一定程度上帮你整理得更顺。
中英文混输能力不错：对于经常需要夹杂英文术语、技术名的人来说很重要。
精准度与流畅度极佳：相比市面上同类产品，整体体验完成度确实更高。
这两天我自己第一次尝试，体验确实很好。之前我使用的一个相关产品是 Wispr flow和豆包输入法。相比之下，我觉得最大的不同在于：Wispr flow需要我一直按着快捷键录入语音，松开了快捷键就停止录制，这个行为其实破坏了我的心流状态，而 Typeless的体验非常好，我只需要按一次快捷键启动录音，然后结束 录音了，就按多一次就行了，这样我就可以更自然地解放双手，进入语音输入状态，仅这点，直接就让我放弃了Wispr flow 转向Typeless。
还有一点是，Typeless的转换效率很快，基本上2秒左右就可以将语音转换成文字，而Wispr flow 要更久。
07 PART
单平台的一站式整合：Notion AI
另外一个被提及比较多的产品，是 Notion AI。
从我现在的理解来看，Notion AI 的核心使用场景，其实和 Trae 加飞书、以及 Obsidian 这类产品的应用方式有很多相似之处。你可以把它理解成：Notion AI 试图在一个平台内部，就把原本需要多个工具组合才能完成的事情，做成一套一站式能力。
基于我目前的理解，Notion AI 的核心能力主要集中在两类：基于笔记和知识库进行知识问答，以及基于已有知识库进行内容创作。
我自己现在还没有真正把它深度用起来。最主要的原因是，很多我想实现的效果，其实通过 Trae 加飞书这条链路也已经能够实现。这两者之间最明显的差异在于操作流程：
Trae + 飞书：更像是一种“先本地处理，再选择沉淀位置”的工作方式，多工具协同。
Notion AI：更强调在同一个平台内部直接完成知识沉淀、问答、创作和管理。
我个人现在还是更偏好先在本地完成操作和处理，再把最终结果同步到飞书文档里。因为这种方式会让我对内容生成、修改和沉淀的过程有更强的掌控感。
目前包括我以及身边很多的技术和高频使用AI的群体，他们在模型的选择这个问题上，基本倾向于两类模型，一类是编程和推理模型，主要模型包括Gemini 3.1 Pro、Claude Opus 4.6、GPT 5.3 Codex以及智谱GLM最新模型；而视觉模型方面，目前大家在生图上主要使用Nano Banana 2 Pro，以及即梦的模型，OpenAI最新推出的 GPT Image-2目前据说效果也很强大，准备也试试。
这篇先写到这，下一篇，我打算分享一下，对现在市面上的 AI 应用交互方式的变化，以及模型的一些洞察、思考与见解。
更多三白对于AI、应用、模型、产品的深度分享，欢迎大家订阅我的知识星球！
