译者按: 本文是 Ethan Mollick 于 2025-06-23 发表的《Using AI Right Now: A Quick Guide》的中文校对翻译。原文出处: https://www.oneusefulthing.org/p/using-ai-right-now-a-quick-guide。读原文时深受启发, 特将全文译出与中文读者分享, 感谢原作者的点醒与提携。译文仅供学习交流, 版权归原作者所有, 如有出入以原文为准。
原文: Ethan Mollick, One Useful Thing, 2025 年 6 月 23 日。全文翻译, 基于抓取的原文完整正文。原文中的 em dash 依中文习惯改为逗号或冒号。
每隔几个月, 我都会写一篇"该用哪个 AI"的指南。不过自上一篇指南以来, 主流 AI 产品的运作方式发生了一个微妙但重要的变化: 关键越来越不在于谁家的模型最强, 而在于对大多数人来说哪个整体系统最好用。好消息是, 挑一个 AI 比以往任何时候都简单, 你有三个优秀的选择。难点在于, 这些系统正变得非常复杂, 让人摸不着头脑。这两个问题, 我都会尽力帮你理一理。
先说简单的部分。
该用哪个 AI
对于想认真用 AI 的大多数人, 你应该在三个系统里挑一个: Anthropic 的 Claude、Google 的 Gemini、OpenAI 的 ChatGPT。选任何一家, 你都能得到: 高级模型和快速模型、语音模式、识别图片和文档的能力、执行代码的能力、不错的手机 App、生成图像和视频的能力 (Claude 在这一项上缺席), 以及 Deep Research 深度研究功能。其中一部分功能免费, 但一般来说, 你需要每月付 20 美元才能解锁完整功能。后面我会给出一些选这家或那家的理由, 但选哪个都不会错。
那其他家呢? 专门化的 AI 工具我就不展开了 (有人很喜欢用 Perplexity 做搜索, Manus 是个很棒的 agent, 等等), 但通用 AI 系统还有几个别的选项: Elon Musk 的 xAI 出的 Grok, 如果你是 X 重度用户可以考虑, 不过这家公司在其 AI 如何运作上一直不太透明。微软的 Copilot 提供了 ChatGPT 的许多功能, 并且通过 Windows 就能用, 但你很难控制自己用的是什么模型、什么时候用的。中国模型 DeepSeek r1 能力很强而且免费, 但缺少其他公司的一些功能, 而且长期能否跟上还不好说。所以, 对大多数人来说, 就在 Gemini、Claude、ChatGPT 里选就行。
太好了! 这是史上最短的一篇推荐文! 只可惜, 选定系统只是个开始。真正的挑战在于理解怎么有效使用这些越来越复杂的工具。
然后呢?
我花了大量时间陪人们用 AI 干活, 这让我明白了这件事有多让人困惑。所以我想带大家过一遍最重要的功能和选择, 以及一些实际使用 AI 的建议。
选对模型
ChatGPT、Claude 和 Gemini 都在界面里提供多个 AI 模型, 选对模型非常关键。把它想象成在跑车和皮卡之间做选择: 两个都是车, 但你会拿它们干很不一样的活。每个系统都提供三档: 一个快速模型用于日常闲聊 (Claude Sonnet、GPT-4o、Gemini Flash), 一个强力模型用于正经工作 (Claude Opus、o3、Gemini Pro), 有时还有一个超强模型用于最难的问题 (o3-pro, 它可能要思考 20 分钟以上)。日常档模型拿来头脑风暴或问快问题没问题。但凡是高风险的事 (分析、写作、研究、写代码), 通常都要切到强力模型。
大多数系统为了省算力, 默认给你快速模型, 所以你需要在模型选择下拉菜单里手动切换。(除 Gemini 之外, 这些系统的免费版都不提供最强模型; 如果你看不到我说的那些选项, 那是因为你用的是免费版。)
我自己做任何正经工作都用 o3、Claude 4 Opus 和 Gemini 2.5 Pro。针对个别任务我也有这三者之外的心头好 (比如 GPT-4.5 在写作上是个非常有意思的模型), 但对大多数人来说, 大部分时候就用我推荐的这几个。
关心隐私的人注意: Claude 不会用你的数据去训练未来的 AI 模型, 而 Gemini 和 ChatGPT 可能会, 除非你用的是企业版或教育版。如果你想确保自己的数据永远不被拿去训练模型, ChatGPT 里可以轻松关掉训练相关选项且不损失任何功能; Gemini 也可以关, 但要牺牲一些功能。你可能还想在 ChatGPT 的个性化选项里打开或关掉"记忆"功能, 它会让 AI 记住关于你的零散细节。我觉得现阶段这个记忆系统还太不稳定, 但你的体验可能不同。
用好 Deep Research
Deep Research 是对大多数人都很关键的 AI 功能, 哪怕他们自己还不知道。Deep Research 工具非常有用, 因为它们能产出质量很高的报告, 常常让我接触到的信息类专业人士 (律师、会计师、咨询顾问、市场研究员) 感到惊讶。你应该在自己的专业领域里试试 Deep Research 报告, 看看它能为你做什么。其他一些用法包括:
- 礼物清单: “给一个挑剔的 11 岁孩子买什么? 他读完了整套哈利波特, 对科学博物馆感兴趣, 喜欢国际象棋。给我一些选项, 包括在哪里能以最好的价格买到。”
- 旅行攻略: “我要去威斯康星度假, 想看一些独特的地方, 尤其想围绕奶酪展开, 给我做一份攻略。”
- 法律、医疗等领域的第二意见 (不用说, 你当然应该更信你的医生和律师, 但研究不断发现, 更先进的 AI 系统在诊断上表现很好, 幻觉率低得出人意料, 所以拿来做第二意见参考是有用的)。
[图注] 开启 Deep Research
Deep Research 报告并非零错误, 但比直接问 AI 要准确得多, 而且引用来源大多真实可查。还要注意, 各家的 Deep Research 工具工作方式略有不同, 各有强弱。在 Claude 和 o3 里打开联网搜索选项, 它们就会像迷你版 Deep Research 一样做一些网络调研, 只是不如完整报告那么详尽。Google 还有一些好玩的附加选项: 报告生成之后, 可以一键转成信息图、测验题, 或者一期播客。
上手 AI 的简单路径: 语音模式
用 AI 最省事的入口就是语音模式。语音模式做得最好的两家是 Gemini 的 App 和 ChatGPT 的 App 及网页版, Claude 的语音模式比这两家弱。语音模式的好处在于, 你可以在开车或散步时跟它自然对话, 就能把这些模型能做什么摸得七七八八。注意, 语音模型是为聊天优化的 (包括那些刻意设计的小停顿和吸气声, 让你感觉是在跟真人说话), 所以这个入口用不到最强的模型。它们也不太主动联网搜索, 这意味着你问事实类问题时它们更容易产生幻觉: 如果你用的是 ChatGPT, 除非你听到 (原文所附音频) 44 秒处那声点击音, 否则它其实并没有在搜网。
不过, 自然对话还算不上语音模式的杀手锏, 真正的杀手锏是共享屏幕或摄像头的能力。把手机对准坏掉的家电、一道数学题、你正在照着做的菜谱, 或者一块外语路牌。AI 看到你所见的东西, 并实时回应。我用它在徒步时认过植物, 解决过我屏幕上的问题, 还在满手面粉的时候拿它要过做菜建议。这种多模态能力有真正的未来感, 但大多数人只把语音模式当 Siri 用。你错过的恰恰是最精华的部分。
让 AI 替你生产: 图像、视频、代码和文档
你开口, ChatGPT 和 Gemini 就会给你画图 (Claude 不行)。ChatGPT 提供了可控性最强的图像生成工具; Gemini 用两套图像生成系统, 一个是传统路线里非常出色的 Imagen, 另一个是多模态图像生成系统。总体上 ChatGPT 更强。但在视频生成上, Gemini 的 Veo 3 非常惊艳, 而且每天有几次免费额度 (你需要在界面里点 Video 按钮)。
[图注] “给我画一张水獭举牌子的照片, 牌子上写着水獭很酷而且还是有成就的飞行员。水獭手里还要拿一架镀金细节的小银色 747。”
三个系统都能产出各种其他形式的东西, 从文档、统计分析, 到交互式工具、模拟程序、简单的小游戏。要让 Gemini 或 ChatGPT 稳定做到这一点, 你需要在想让它们跑代码或输出独立成果时选中 Canvas 选项。Claude 不用特别设置, 自己就擅长做这类输出。尽管开口, AI 能做出来的东西可能会让你吃惊。
与 AI 协作
选好模型之后, 就可以开始跟它聊了。过去, 提示词 (prompt) 的细节非常要紧, 但我推荐的这些最新模型往往不需要复杂提示词就能明白你要什么。因此, 你在网上看到的许多提示词技巧, 对大多数人来说已经没那么重要了。在沃顿商学院的 Generative AI Lab, 我们一直在用科学方法检验提示技巧。比如, 我们的研究表明, 对 AI 讲礼貌总体上似乎并不会明显改善输出质量 (原文脚注 1)。所以, 用聊天的心态跟 AI 交流就行, 不用太纠结措辞是否精确。
这并非说提示词全无门道。如果你是在给别人搭建一个可反复使用的 prompt, 那要做出稳定好用的东西是真需要功夫的。但对大多数人, 记住下面几条就能上手:
- 给 AI 上下文。大多数 AI 模型只知道基础的用户信息和当前对话里的内容, 超出这个范围它们不会记住你、也不会了解你。所以你要主动提供上下文: 文档、图片、PPT, 甚至只是一段自我介绍都有帮助; 需要时用文件上传选项传文件和图片。这些 AI 也能自己找一部分上下文: 你授权的话, ChatGPT 和 Claude 可以访问你的文件和邮箱, Gemini 可以读你的 Gmail, 你可以让它们自动查相关背景。不过我更喜欢手动喂上下文。
- 把要什么说清楚。别说"帮我写封营销邮件", 要说"我在推出一款面向小型律所的 B2B SaaS 产品。写一封陌生拜访邮件, 针对他们在文档管理上的具体痛点。产品详情如下: [粘贴]"。或者让 AI 反过来向你提问, 帮你把需求理清楚。
- 给它分步骤的指示。我们的研究发现, 这种叫 Chain-of-Thought 的提示法对答案质量的提升已经不如从前。但即便帮助有限, 它也能让你更容易看明白 AI 为什么给出某个答案。
- 一次多要一些。AI 不会累, 也不会闹情绪。别只要 10 个点子, 要 50 个; 改一个句子, 让它给 30 种方案。然后挑你喜欢的, 让它继续展开。
- 用分支探索备选方案。Claude、ChatGPT 和 Gemini 都允许你在拿到回答之后回头编辑提示词, 这会开出对话的一个新"分支"。编辑过后会出现箭头, 你可以在分支之间切换。这是学习"你的提示词如何影响对话"的好办法。
避坑指南
我也见过一些人们经常栽跟头的地方:
- 幻觉: 某种意义上, 幻觉的问题比过去小多了, AI 在进步, 新模型更不容易胡编。但无论 AI 多好, 它仍然会出错, 仍然会在错的地方给你信心十足的答案。它们甚至会对自己的能力和行为产生幻觉。答案出自更大更慢的模型、并且 AI 做过联网搜索时, 更有可能是对的。正因为有幻觉风险, 我一直建议: 先在你懂的领域用 AI, 直到你对它的能力和毛病有了手感。
- 不是魔法: 要记住, 最好的 AI 在某些任务上能达到一个非常聪明的人的水平, 但当前的模型无法给出超越人类理解的神迹式洞见。如果 AI 看起来做到了某件真正不可能的事, 那多半它并没有真做, 只是装作做了。同样, AI 在被问到个人问题时可能显得洞察力惊人, 但这些"洞察"你都要打个折扣听。
- 双向对话: 你要跟 AI 形成来回拉扯的互动。别只要一个回答就完事, 要追问它、质疑它。
- 排查错误: AI 并不知道自己"为什么"做了某件事, 所以让它解释自己的逻辑不会有什么收获。不过, 如果你发现了问题, AI 模型的思考轨迹会有帮助。点开"显示思考过程", 你能看到模型在给出答案前做了什么。这并非百分之百准确 (你看到的其实是思考过程的摘要), 但是个不错的排查起点。
你的第一个小时
现在你知道从哪儿开始了。第一步, 选定一个系统, 认了那 20 美元吧 (免费版是试玩 demo, 算不上工具)。然后立刻在真实工作上测试三件事: 第一, 切到强力模型, 把你工作里的一个复杂难题连同完整上下文丢给它, 来回互动讨论。让它输出一个具体的东西, 文档、程序或图表都行, 然后不断要求修改, 直到你满意为止。第二, 在一个需要全面信息的问题上试试 Deep Research, 比如竞品分析、给某个具体的人挑礼物, 或者一次技术深潜。第三, 一边做别的事一边试语音模式, 做饭、走路、通勤都行, 看看它如何改变你思考问题的方式。
大多数人一开始把 AI 当 Google 用: 快问快答、不给上下文、全用默认设置。你现在懂得更多了。给它文档去分析, 让它穷举选项, 用分支探索不同可能, 试验不同的结果。休闲用户和高手的差别也不在提示词技巧 (那个靠经验自然会有), 差别在于知道这些功能的存在, 并把它们用在真实工作上。
(完)
译注: 原文含脚注 1, 指向 Wharton Generative AI Lab 关于"对 AI 讲礼貌是否影响输出质量"的研究; 原文另附有操作截图与音频示例, 本文以 [图注] 标记其位置。
原文出处: Using AI Right Now: A Quick Guide 原作者: Ethan Mollick 原文发表: 2025-06-23
本文收录于「X深度阅读」栏目: 精选全球 X/Twitter 与博客上最值得精读的 AI 长文, 逐篇校对翻译成中文。