夜雨聆风上周，在准备 8 月 8 日公开课长海报时，我和深蓝君聊到了自己最近在用的 AI 产品。
我说，我现在的主力是 Codex，Kimi K3 会帮我写文案、做前端；Claude 做完整视觉的效果不错，但成本有点高；Grok 有些任务执行得很猛，做计划时我又不太放心。
深蓝君也订阅了 Kimi，试过 Claude，还问我不同工具能不能共用同一套 Obsidian 知识库。
两天后的第一场直播结束，我们很快把第二场的主题定了下来：AI 产品推荐，加上真实使用心得。
这也是很多 HR 眼下最关心的问题：AI 产品越来越多，HR 到底该从哪一个开始？
HR 先需要一张场景地图
最近，我参与的几个 HR 群里总会出现类似的问题。
“Kimi 和 DeepSeek 哪个更适合 HR？”
“我已经会用大模型写 JD 了，下一步还能做什么？”
“Codex 看起来很强，但 HR 有必要学吗？”
“公司资料能不能直接丢给 AI？”
这些问题都很真实。现在的 AI 产品更新太快，名字也越来越多。今天有人推荐一个新模型，明天又出来一个 Agent，周末刷几篇文章，收藏夹里已经躺了十几个“必用工具”。
然后呢？
注册了一圈，付了几笔订阅费，真正留在工作里的可能还是最早用的那一个。
这个坑我也踩过。我自己的电脑里接过不少 AI 产品，最后真正高频使用的，也只占一小部分。
HR 选工具前，可以先把手上的工作分一分。
写材料和做沟通
比如 JD、面试提纲、培训方案、员工沟通稿、会议纪要和公众号文章。
这类工作适合从对话型 AI 开始。工具要能读懂较长的上下文，也要愿意跟着你的反馈反复改。第一次结果写得漂亮不算什么，能不能逐渐学会你的判断和表达，才决定它会不会留下来。
做研究和整理知识
比如查行业资料、研究政策、整理访谈、对比标杆案例，或者建立自己的 HR 知识库。
这类任务更看重来源、上下文和可追溯性。AI 给出一个结论时，你要能继续追问：信息从哪里来，哪些是事实，哪些只是模型的判断。
如果公司制度、员工信息和业务资料会进入工具，数据边界也要先说清楚。
处理数据和辅助分析
比如人工成本分析、员工调研、招聘漏斗、人才盘点和组织数据报告。
工具能不能读表格只是起点。HR 还要盯住统计口径、缺失数据、异常值和结论边界。
一份图表做得再好看，如果人员范围、时间范围和成本口径没对齐，拿去开经营会只会给自己挖坑。
把重复工作做成系统
有些任务已经不是“一问一答”能解决的了。
同一份周报每周都要做，招聘需求需要多人协作，知识要不断回写，做过一次的好方法还想下次继续调用。到了这一步，可以开始接触 Skill、知识库、Codex 这类项目型工作台，甚至用 Vibe Coding 做一个轻量工具。
学习门槛会高一点，但它能让 AI 从“偶尔给你一个答案”，走到“跟着你把一件事持续做完”。
所以，最适合 HR 的 AI 工具是哪一个？
我现在不会只给一个名字。
你可以先问自己四个问题：
我想完成的结果是什么？ 我能给 AI 哪些资料和上下文？ 结果由谁检查，什么才算合格？ 这件事会不会重复发生，需不需要和别人协作？
这四个问题说清楚，工具会好选很多。
7 月 29 日晚上，我和深蓝君会专门做第二场直播，主题就是：
给 HR 的 AI 产品推荐与使用心得分享。
这次我们会聊得具体一点：
Kimi、Codex、Claude、Grok 这类产品，我们各自在什么任务里使用；
写材料、做研究、处理数据、做课件和搭工作台，分别适合从哪里开始；
哪些订阅值得买，哪些功能看起来很强，实际不一定适合普通 HR；
公司资料、员工数据和候选人信息进入 AI 时，哪些边界要留给人。
我们也会讲失败的体验。哪些产品我买了却很少打开，哪些任务换了工具反而更慢，哪些结果看着完整，最后还是得推倒重来。
工具介绍网上很多。我们更想分享真实使用之后留下来的判断。
具体直播信息，我会放在下方海报里。你如果也卡在“到底该用哪个工具”，可以带着一个真实任务来。
直播先解决个人怎么选、怎么用的问题。
如果你想再往前一步，把个人使用推进到团队协作和组织能力，8 月 8 日上海公开课的完整安排见下方海报。
