★ FEATURED ARTICLE 前阵子一位朋友问我你收藏夹里躺了几百个AI工具每天真正打开的到底有几个。这个问题把我问住了。过去两年我几乎每个新产品出来都要测一遍体验完截图、记录感受然后就没有然后了。工具之间是割裂的一个工具只解决一个点串不起来就等于没有生产力。所以这次我做了件一直想做但一直拖的事把所有摸过的AI工具重新过了一遍按真实使用频率和解决的实际问题重新归类收成一份个人向收录。时间定格在2026年3月12个大类50多个工具。这份东西不权威也不打算当成正经评测报告就是一份能直接拿来抄作业的清单适合那些不想挨个试用、想按场景快速找到趁手工具的人。1. 做这份收录前我先定了四条筛选标准1.1 只收自己摸过一段时间的不收发布会PPT工具现在的AI产品发布会一个比一个好看Demo一个比一个惊艳。但我的经验是Demo能跑通和日常能天天用中间隔着十万八千里。有的工具演示视频里三秒生成一个完美表格真到自己上手不是要调半天参数就是生成结果和预期完全两码事。所以这份清单的第一条硬标准是至少实际用过两周以上并且在真实任务里跑通过至少一次全流程。两周是什么概念足够走过新鲜期。第一天的惊艳不算数第七天还愿意打开它才说明真的有用。按这个标准筛下来收藏夹里400多个工具最后剩下的也就十分之一多一点。1.2 免费但有次数限制的工具单独备注AI产品现在基本都是免费引流、付费变现的套路。免费额度给得再大方也就够尝鲜真把它当成生产力工具订阅费迟早要掏。但订阅这件事很坑一个工具月费几十块五六个工具加起来就是一笔不小的开支。我在整理时给每个工具标注了收费模式免费额度充足的正常收录一天只有几次调用机会的会在旁边加一句试用可以转正需付费让读者心里有数。不是免费不好而是别把免费的当成免费的——时间成本也是钱。1.3 尽量覆盖端到端工作流而不只是单点工具单点工具解决单独问题比如把一段文字润色一下、把一段语音转成文字。端到端工具解决完整工作流比如从一句话需求直接产出一份带图文的完整方案。前者用起来轻松但每天在工具之间来回切换复制粘贴的时间比干活的时间还长。后者配置起来麻烦但一旦跑通效率是成倍的。这份清单两类都收但我会明确告诉大家哪些适合直接嵌入日常流程、哪些只适合临时救急。真正的生产力来自组合不是某一款神器。1.4 为什么用12类而不是按公司或按模型分类很多工具汇总文章喜欢按厂商分类某家的产品列一页另一家的产品再列一页。这种分类对股票研究员有用对普通用户一点用没有——你不在乎是谁家出的你在乎的是我要做一张图、写一篇文章、剪一段视频该点开哪个。所以我按人的任务分了12类写作、搜索、知识管理、文生图、视频、音频、编程、数据、演示文稿、自动化、新媒体、学习。分类之间允许交叉比如ChatGPT既能写作又能分析数据我把它放在对话助手这一类但会在数据类里再提一嘴。核心逻辑只有一个你打开它的第一意图是什么它就归在哪一类。2. 12类分类逻辑按人一天的工作流划分2.1 一个普通上班族的AI使用地图这份清单的分类不是凭空拍脑袋而是按一个普通内容从业者一天的工作轨迹设计的。早上到工位先查邮件、整理消息这是信息检索上午写方案、改文档这是文字生产力下午做配图、剪视频、做PPT这是视觉和多媒体晚上可能还要学点东西这是学习类工具的地盘。列完之后我发现12类恰好对应一个人从输入到加工再到输出的完整链路。输入靠搜索和知识管理加工靠对话、编程、数据分析输出靠图像、视频、演示文稿。不管你是做运营、做产品、做开发还是搞研究基本都跑不出这条链路。2.2 分类一定会有交叉但我不打算追求绝对干净有些工具天然横跨多个类别。比如一个对话助手既能写文案又能写代码还能帮你分析Excel里的数据。硬要塞进某一个唯一分类反而失真。我的处理办法是按第一使用意图分类但在其他类别里用一句话提示这个其实也能干。这样做的实际好处是你在某一类找不到合适工具时去相邻类别看一眼很可能发现原来某款熟面孔还有这个用法。工具矩阵的乐趣就在这——重要的不是你拥有多少工具而是你知不知道同一款工具还能这么用。3. 文字生产力对话助手、AI搜索、长文档知识库3.1 主力对话助手不是比谁聪明而是比谁顺手文字类是我使用频率最高的大类主力就是几个大模型对话助手。ChatGPT胜在综合能力均衡文本理解、推理、指令遵循都靠前社区生态也最成熟遇到问题搜一下就有现成用法。Claude在长文本理解和改写质量上给我的感觉更好尤其处理合同、报告这类逻辑密集的文本输出结构明显更规整。Gemini强在信息整合和搜索生态绑得深给它的信息量大时处理起来不发怵。国内这边我也在持续用Kimi适合喂长网页和长PDF几十页的研报丢进去总结能力很稳豆包胜在语音交互和日常问答手机上有啥顺手问一句通义千问和文心一言在特定办公场景里都有后手比如表格处理、公文风格的文本。选型建议就一条不要只看跑分要看它每天出现在你工作里的频率。我的组合是国外模型做复杂推理和写作国内模型做日常快速问答两边互补。3.2 AI搜索从给链接变成给答案传统搜索给链接AI搜索直接给答案这个变化很多人还没习惯。我把搜索工具单独列一类是因为它们的用法和对话助手完全不同。对话助手是把你脑子的模糊想法变成清晰文本AI搜索是把你没想清楚的问题变成有出处的答案。Perplexity是把搜索引用整理做成一站式体验的标杆给出来的回答后面跟着来源适合查事实性信息。秘塔AI搜索没有广告、直接给答案国内场景下体验算顺滑的。天工AI搜索对中文长尾问题的处理更自然Devv这类面向开发者的搜索搜技术报错和API用法比通用搜索精准很多。狼人杀模式下我现在养成的习惯是查资料先搜AI拿到答案再回头追原始出处而不是从一堆链接里自己找答案。3.3 长文档与知识库喂给模型的外挂大脑大家平时都遇到过这种情况一份大几十页的文档给对话助手它未必吃得下而且普通对话是一次性记忆你们聊完它就忘了。知识管理类工具解决的就是这个记忆问题。NotebookLM是这类里最典型的它能同时吃下多个文档基于这些材料做问答、做摘要、生成学习笔记还自带一个很有用的音频概览功能。我最近把一批产品手册和研究报告喂进去再做竞品分析时直接问里面的细节数据速度比翻原文快得多。我还用Mem做碎片信息的沉淀看到什么有用的文字随手丢进去整理时直接搜索。沉浸式翻译严格来说不算知识管理但它把外文网页和文档的阅读成本打下来了对于需要长期读外文材料的人来说是刚需中的刚需。4. 视觉生产力文生图、视频生成、演示文稿4.1 文生图别迷信最好要选最合适文生图工具现在是一条拥挤的赛道。Midjourney依然是质量和审美上限最高的一档对提示词的理解细腻出图氛围感强适合做视觉概念图和封面。Stable Diffusion系列是开源阵营的代表可控性最高能通过模型版本和插件实现精准控制但配置门槛不低要折腾环境和插件。Flux作为后起之秀在写实和文字渲染上表现突出生成的图片里嵌入文字比前两者都稳定。国内产品里即梦AI在中文场景和模板丰富度上做得不错适合快速产出社交媒体配图。可灵AI也不只是视频生成它的图片编辑能力经常被低估。LiblibAI本质上是一个模型社区加在线运行平台你不想本地部署SD可以直接在上面用别人调好的模型对新手非常友好。如果你完全不想学提示词直接在对话助手软件里用内置的绘图功能也行胜在零成本上手。我自己现在的工作流是创意探索用Midjourney精确控制用Stable Diffusion快速交付用国内工具。别追求一个工具打天下在视觉这个领域工具组合就是生产力。4.2 视频生成能生成是一回事能用是另一回事视频生成这两年进步飞快现在已经从能看出是AI生成进化到特定场景下可以商用了。Sora的语义理解能力强复杂指令的表达准确度最高能理解一些空间关系和运动逻辑。可灵AI在国内场景和中文指令上优势明显生成短视频素材的可用性强步伐节奏稳定。Runway和Pika走的是专业视频工具路线除了生成还提供了很多后期编辑能力像运动笔刷、局部修改这类功能实用性很高。Vidu和海螺AI也是我高频在用的前者对复杂镜头的表现不错后者的操作界面简单到几乎没有学习成本。但我要泼一盆冷水目前视频生成的通用短板依然是可控性。你很难精确指定一个物体的运动轨迹也很难让AI连续生成风格完全统一的多镜头片段。我的建议是把它用于灵感预览、短视频素材、动态封面这类容错率高的场景而不是指望它直接替代专业剪辑流程。4.3 演示文稿从排版两小时到改稿十分钟PPT制作是很多人每天的高频痛点也是AI提升最明显的一个场景。Gamma是我用得最顺的它把生成大纲-排版-设计串成一条链路给出主题后直接出一版完整PPT而且在线编辑和协作体验很好。Beautiful.ai的核心卖点是自动排版你只管填内容版式自己长好。WPS AI在办公场景的嵌入最深直接在传统文档软件里用AI生成内容和调整格式对已有PPT的改造最方便。AIPPT这类工具的好处是模板库特别庞大适配各种汇报场景。很多人一开始用这类工具会陷入一个误区让AI从头生成一份完美PPT。实际上AI生成的只是毛坯房你还需要自己改内容、调重点、加数据。效率提升的环节是排版和设计不是决策和内容深度。花十分钟让AI生成初稿再花一小时改内容比从零开始做三小时强太多。5. 听觉生产力配音、音乐与语音交互5.1 语音合成配音不再需要录音棚短视频时代配音是内容生产的刚需。过去想给视频配一段旁白要么自己拿手机录要么花钱找人配音要么去素材站找现成音频。现在AI语音合成已经能产出去罐头味的人声特别适合做口播视频和有声内容。ElevenLabs在语音质感和情绪表达上是第一梯队生成的音色自然度很高支持多种情绪的调节缺点是成本偏高且国内网络环境不友好。TTSMaker作为轻量工具胜在免费额度多、操作简单。剪映自带AI配音在短视频场景里是真香存在直接嵌入剪辑流程音色选择多、出片快更重要的是剪映用户根本不需要额外学一个新工具。音频工具的另一个用途是语音交互。很多对话助手都已经支持语音输入和语音输出长按说话、松开得到回答适合通勤和单手操作的场景。语音交互的效率和打字截然不同但在嘈杂环境和非母语口音下识别率可能翻车这点要有预期。5.2 AI音乐不是替代音乐人是给普通人配BGMSuno和Udio是我这两年在音乐生成里用得最多的。它们能从一句歌词或一段风格描述直接生成一首完整的、带演唱的音乐甚至能指定曲风、情绪、段落结构。Suno曲库风格跨度大Udio在音质和细节上更讲究。对普通人来说最大的价值是短视频配乐不再需要去素材网找也不会因为版权问题提心吊胆。但AI音乐有明显的边界目前的模型很难控制细节你很难精确指定副歌在哪句进入乐器混音也偶尔出状况歌词生成容易押韵但没思想走心创作还得靠人自己写。所以我的定位很清晰AI音乐用来做背景音乐、氛围声、灵感demo而不是替代严肃音乐制作。5.3 语音交互场景要留意的坑AI语音交互看起来简单实际上有很多细节会坑到你。首先是延迟不少语音助手的响应速度在2秒以上对话一旦超过三轮就会觉得卡。其次是断句模型对长句的处理经常会在奇怪的地方停顿听起来不自然。最后是严肃场景下容易误判电话内容转写、会议记录这类场景我建议还是用专门的转写工具而不是把语音助手当成语音转写工具。6. 硬核效率编程辅助、数据分析、自动化编排6.1 编程辅助代码工具已成为前端效率的分水岭编程类工具是我从可用可不用变成离不开最快的一类。GitHub Copilot是最早把AI补全这个概念普及的在IDE里写代码时自动补全整行整段对于重复性代码效率提升极其明显。Cursor则更进一步它不只是补全而是把AI原生地嵌入整个代码编辑流程——选中一个函数问它这段代码是干什么的它直接告诉你粘一段报错让它改它连解释带修复一起给。Claude Code则适合那些需要在终端里完成复杂重构和跨文件修改的场景执行链路长、上下文理解强。CodeGeeX是国产开源阵营的代表对中文注释和中文函数名的理解更自然在国产IDE环境里集成度高。Continue作为开源插件可以自由切换底层模型适合对数据隐私和自定义要求高的人。我踩过最大的坑是无脑接受代码。AI生成的代码经常能用但它不理解你的架构约束。你把一个生成好的函数往项目里一贴前期感觉省了时间后期改bug时一段逻辑混乱的AI代码能把人拖垮。正确姿势是让它写脚手架、写样板式代码、做批量修改而核心的业务逻辑你还是要自己审清楚每行代码的意义。6.2 数据分析和表格让自然语言替代公式多数人看到Excel公式就头大AI数据分析工具正好解决了这个痛点。现在的方案主要有两种一种是在对话工具里上传文件用自然语言提问让它分析另一种是专门的AI表格工具直接嵌入数据表格界面。ChatGPT的分析能力在这里派上用场上传CSV或Excel文件让它做统计、生成图表、找异常值都干得像模像样。Julius这类数据分析工具长于处理更复杂的数据任务把自然语言的诉求转换成可执行的Python代码跑完后展示可视化结果。国产的ChatExcel类产品则更适合表格小白直接在网页上对表格提问不用写任何公式。不要指望AI帮你做严肃的数据决策。它能帮你快速描述发生了什么但不一定理解为什么发生以及接下来应该怎么办。做汇报时我会让AI先生成图表和摘要但关键的结论和业务判断还是基于自己对数据的理解来写。6.3 工作流自动化把多个AI工具串联起来单点工具解决单点问题自动化工具解决的是衔接问题。Coze这类平台是我现在最常用的它把大模型、插件、知识库、工作流节点都集成到一个可视化界面里你可以在上面搭建一个完整的AI应用比如一个自动抓取信息、再总结、再发通知的机器人。n8n作为开源自动化工具支持连接几百种外部服务把ChatGPT当成一个节点插进自动化流程里实现触发-处理-输出的闭环。搭建自动化工作流首先要清楚自动化不是把会做的事交给机器而是把重复做的事交给机器。一开始从最小闭环开始比如每天早上自动汇总某个网站的新内容整理成摘要发到邮箱。跑通这一个流程再去扩展其他场景。一上来就搭一个几十个节点的复杂工作流大概率会在调试中放弃。7. 新媒体与学习内容生产与自我提升7.1 文案与社媒运营批量生产但仍然需要人味新媒体运营是AI应用最密集的岗位之一。脚本生成、标题优化、配图文案、评论区互动几乎每个环节都能找到对应工具。Copy.ai和Jasper是在国外市场成熟度比较高的文案工具支持多种营销场景的模板。国内场景下火山写作在中文语感上更自然Giiso写作机器人则侧重内容聚合和结构化写作。Grammarly是英文写作的好帮手不仅能查拼写语法还能提示文章语气和可读性。但文案这件事我建议永远别把终稿完全交给AI。AI生成的内容有典型的AI味结构工整、用词正确但没有真正的观点和情绪张力。它的价值是帮你突破从无到有那一步——给一个还不错的初稿你在此基础上注入自己的经验和观点效率至少提升一倍。7.2 学习与语言工具陪伴式学习比工具本身重要学习类AI工具这两年从答题机器进化成了AI教练。DeepL在高精度翻译上的地位无可替代尤其对专业领域文本它的翻译质量明显高于普通翻译工具。Quizlet的AI学习模式可以根据你的掌握情况动态调整题目难度。多邻国App里面的AI对话功能则为语言学习者提供了一个零压力口语陪练环境。我的个人体会是AI学习工具最大的价值不是告诉答案而是提供反馈。传统的学习工具只会告诉你对错AI学习工具能告诉你错在哪、为什么错、接下来该练什么。但学习本质上还是反人性的再好的教练也只是提高上限解决不了不打开App这个下限问题。工具选一个坚持用比选十个轮换着吃灰强。8. 串成工作流我日常的三个真实组合8.1 方案报告生产链从需求到成稿的一条龙我做一份竞品分析报告时流程已经固定下来了。先用AI搜索收集竞品的最新动态和用户评价再用NotebookLM把收集到的所有材料汇总成一个知识库针对具体问题提问然后用对话助手把这些回答组织成初稿——《报告框架现状-对比-结论-建议》。最后用Gamma把内容生成PPT最后一小时用于整理图表和数据到WPS里精修格式。这条链路过去要一整天现在大概半天而且中间每个环节都保留了我自己的关键判断。8.2 短视频内容生产链一个人当成一个团队用短视频创作是我重投入的场景。先用对话助手生成脚本和标题给出3-5个选项后再微调。然后用文生图工具生成封面素材用视频生成工具生成15秒左右的过渡片段再用剪映把素材、AI配音、字幕整合在一起。最后用Grammarly检查英文字幕有没有错误。以前这个流程需要文案、设计、剪辑、配音四个人配合现在一个人两条链路并行跑产出速度是我两年前无论如何都做不到的。8.3 数据复盘链从原始数据到结论每周做数据复盘时我会把原始数据导出先交给数据分析工具一次性做清洗和初步统计生成异常值提示再把这些统计结果给对话助手让它根据业务背景生成结构化分析问题最后我把这些答案整理成结论做成给团队的周报。这个流程省去了大量的手动统计时间也让复盘会议的讨论更聚焦。9. 避坑清单工具好用但90%的人会踩这些坑9.1 幻觉问题AI会一本正经地胡说八道不管多强的模型都会自信地编造事实、虚构来源、捏造数据这就是幻觉。个人场景下AI说错一句话最多闹个笑话工作场景下一个虚构的数据被写进方案递出去后果可能非常严重。我的经验是凡是涉及数字、引用、法规、医学建议的内容不管AI答得多流畅都要回到原始出处去验证。AI是概率模型不是事实数据库它擅长的是表达方式不是真实性。9.2 数据安全别把机密文档随手喂给AI很多人在使用AI工具时完全意识不到数据流向。你把一个内部合同、一份客户名单、一段未公开代码贴进对话框这些数据就离开了本地环境成为服务商的服务器上的一部分。我的建议是个人隐私和公司机密数据不要喂给任何在线AI工具。如果确实需要在内部数据上使用AI找私有化部署的开源模型或者用企业版提供的数据不用于训练选项。免费工具尤其要提高警惕——免费意味着成本由其他方式承担数据本身就是成本的一部分。别因为便利性丢了安全底线。9.3 订阅疲劳多个40元的订阅加起来吓人单看每个工具几十块一个月的订阅似乎都不贵。但当你的工具箱里有5个、8个、10个付费工具时每个月的固定开支可能比房租还高。我有段时间订阅了7个AI服务真正高频使用的不超过3个算下来浪费的钱够买一大笔好课程。解决的办法是定期做订阅审计每三个月复盘一次把使用频率极低的订阅停掉。当你想用一个新工具的时候先问自己它能不能替代现有矩阵里的某一个而不是增加一个新的。工具组合的进化应该是替代关系不是叠加关系。9.4 工具切换成本别为了追新而丢掉手上的稳定工具AI工具迭代速度非常快今天还号称顶级的工具三个月后可能就被超越。但我发现频繁更换主工具的人往往效率并没有比稳定用一款工具的人高。原因很简单熟练度也是有价值的。你对一款工具的提示词技巧、快捷键、已知坑位都了如指掌这些经验本身是效率的一部分。所以我的建议是主工具半年评估一次该不该换辅助工具可以随时试新。把所有的精力投到追新上最终只会换来一堆会用一点点的工具而不是一套用得精熟的效率体系。场景推荐稳定使用可以顺手试新文本对话选择1-2款主模型长期磨合每季度挑新款跑一轮测试AI搜索确定一款做默认搜索把新的搜索工具当后备文生图主工具开源模型双线并行关注新开源的模型权重视频生成选择操作习惯顺手的观察头部产品的升级路径编程辅助嵌入IDE长期使用一款有余力再试新插件最后分享一点我的真实感受AI生产力这件事工具清单永远是暂时的。这个季度我整理出50多个工具可能半年后再看一大批会被更新更好的工具替代也会有新的类别冒出来。但分类思维和方法不会过时——你清楚地知道自己要解决什么问题然后在这个框架里选择最顺手的工具这比收集再多工具都重要。踩过不少坑之后我最深的体会是工具的价值不取决于它的参数有多强而取决于你愿不愿意每天打开它。与其在几十个工具之间反复横跳不如挑出三五款真正贴合自己工作流的把它们用到极致。希望这份清单能让你少走一点弯路早点搭建起属于自己的AI生产力系统。
阅读完成 · 觉得有帮助？
