第19课：怎么选择AI工具？

学习目标

• 学会按任务需求选择AI工具而不是追求“最强”
• 掌握质量、速度、价格、隐私、稳定性、API等评价维度
• 理解不同任务可能需要不同工具组合

正文

不要只问“哪个AI最强”，应该问： 这个任务需要什么能力？

文本研究

看：长文理解、搜索、引用、中文能力。

编程

看：代码理解、仓库上下文、调试能力。

图片

看：风格控制、文字生成、局部编辑、一致性。

视频

看：镜头控制、角色一致性、时长、成本。

企业知识库

看：权限、私有数据、来源引用、RAG、部署。

判断维度

质量 / 速度 / 价格 / 隐私 / 稳定性 / 是否能调用API / 是否适合中国大陆使用。

1. 本课要建立的整体认识

选择AI工具的起点是任务，不是排行榜。同一工具在写作、检索、编程、图片或企业知识库中的表现和风险可能完全不同。

2. 把核心概念逐层拆开

2.1 先定义必须能力与不可接受风险

先定义必须能力与不可接受风险，再考虑质量、速度、价格、中文、隐私、稳定性和API。

2.2 用代表性任务测试

用代表性任务测试，而不是只看宣传示例；测试集要包含正常、边界和失败案例。

2.3 总成本不仅是订阅费

总成本不仅是订阅费，还包括学习、返工、人工复核、集成和迁移成本。

2.4 涉及敏感数据时

涉及敏感数据时，要确认数据保存、训练使用、权限、区域和删除机制。

2.5 工具组合应尽量简单

工具组合应尽量简单，每增加一个环节都会增加格式转换、故障和维护成本。

3. 把概念串成一条完整流程

建立评估表：列出任务与权重→选择三到五个真实样例→用同一输入测试→按准确性、可控性、来源、速度和成本打分→记录失败案例→小范围试用→定期复评。

4. 用真实场景理解

用于论文检索的工具重点是来源和引用；用于代码仓库的工具重点是上下文、修改范围和测试；用于企业资料的工具还必须有权限、审计和数据治理。

5. 学习时应该怎样判断自己是否真正理解

不要只看自己是否“听过”这些词。请尝试不用原文，向一位没有技术背景的人解释本课概念；再画出关系或流程；最后换一个与你专业相关的例子。如果无法说明输入、处理、输出、依据和风险，就说明还停留在名词记忆阶段。

遇到模型、工具或规则变化时，优先保留这里学到的判断框架：先定义任务，再确认资料与边界，随后执行、测试和核验。具体品牌和界面会变化，但这种工作方法可以持续使用。

6. 本课小结

本课不是要求一次记住全部细节，而是建立一个能够继续扩展的知识框架。完成正文后，请结合后面的示例、测验和实践任务，把理解转化成自己的语言和可检查的成果。

7. 进一步拆解：从“知道名词”到“会做判断”

学习技术概念时，最容易出现的问题是记住了定义，却不知道什么时候使用，也不知道怎样发现错误。下面逐项使用同一组问题检查理解：

• 先定义必须能力与不可接受风险：继续追问它接收什么输入、产生什么输出、依据从哪里来、失败时会出现什么现象、由谁负责复核。把这五个问题写出来，概念就会从一句定义变成可用于真实工作的判断工具。
• 用代表性任务测试：继续追问它接收什么输入、产生什么输出、依据从哪里来、失败时会出现什么现象、由谁负责复核。把这五个问题写出来，概念就会从一句定义变成可用于真实工作的判断工具。
• 总成本不仅是订阅费：继续追问它接收什么输入、产生什么输出、依据从哪里来、失败时会出现什么现象、由谁负责复核。把这五个问题写出来，概念就会从一句定义变成可用于真实工作的判断工具。
• 涉及敏感数据时：继续追问它接收什么输入、产生什么输出、依据从哪里来、失败时会出现什么现象、由谁负责复核。把这五个问题写出来，概念就会从一句定义变成可用于真实工作的判断工具。
• 工具组合应尽量简单：继续追问它接收什么输入、产生什么输出、依据从哪里来、失败时会出现什么现象、由谁负责复核。把这五个问题写出来，概念就会从一句定义变成可用于真实工作的判断工具。

8. 建立自己的操作检查表

第一张是“任务表”：写清服务对象、目标、已有材料、最终交付物和完成标准。第二张是“数据与来源表”：记录每项材料从哪里来、何时获得、是否允许使用、是否需要更新。第三张是“执行表”：把任务拆成可以观察状态的步骤，标明每一步的输入、处理、输出和失败提示。第四张是“核验表”：列出必须人工检查的事实、数字、引用、权限、安全和专业边界。

这四张表适用于本课所讲的大多数任务。它们能防止把“模型给出了结果”误认为“工作已经完成”，也能帮助团队在出现问题时迅速定位到底是需求不清、资料错误、流程中断，还是输出没有经过验证。

9. 与前后课程的关系

这套20课不是彼此孤立的知识点。本课涉及的概念，需要与Prompt中的任务说明、API与软件系统中的执行链、RAG中的资料依据、数据分析中的质量检查以及AI安全中的责任边界结合起来。学习时可以不断回到一个问题：如果把这个概念放进完整AI产品，它位于哪一层，会影响谁，又需要谁来检查？

10. 课后自查

1. 我能否不用术语堆砌，用自己的话解释本课核心关系？
2. 我能否画出一个包含输入、处理、输出和核验的流程？
3. 我能否举出一个与自己专业、学习或工作有关的实例？
4. 我能否说出至少两个容易犯的错误，以及怎样提前发现？
5. 我能否把本课方法用于一个真实任务，并留下可检查的成果？

示例

常见误区

• “排行榜第一就适合所有任务。”——不同任务权重不同。
• “免费就是性价比最高。”——还要看时间、质量和隐私成本。
• “工具越多越专业。”——流程复杂度也会增加。

小测验

点击题目查看答案。

实践任务