Appearance
懒人AI手册（二）：AI工具选型指南
AI时代普通人必备的实战指南
01. 文本生成 / 对话助手
写作、改写、总结、问答、日常沟通
选择建议：
- 你要综合能力最强、插件生态最丰富 → ChatGPT
- 你要写长文、做分析、追求输出质量 → Claude
- 你要搜索+对话+多模态一体化 → Gemini
- 你要中文场景、长文档处理 → Kimi
- 你要免费好用、中文日常对话 → 豆包
- 你要推理能力强、代码能力突出 → DeepSeek
- 你要阿里生态、企业场景 → 通义千问
- 你要微信生态、搜一搜整合 → 腾讯元宝
| 工具 | 简介 | 价格 | 擅长场景 |
|---|---|---|---|
| Claude | 长文写作和深度分析，输出质量高 | Pro $20/月 | 写文章、做分析、处理长文档 |
| ChatGPT | 综合能力最强，插件生态丰富 | Plus $20/月 | 通用对话、多模态、插件调用 |
| Gemini | 搜索+对话+多模态，Google生态 | 免费可用 | 联网搜索、多模态理解 |
| Kimi | 中文长文档处理，超长上下文 | 免费可用 | 读长文、处理大量中文资料 |
| 豆包 | 免费好用，中文日常对话首选 | 免费 | 日常问答、轻量写作 |
| DeepSeek | 推理能力强，代码能力突出 | 免费可用 | 数学推理、代码生成、逻辑分析 |
| 通义千问 | 阿里生态，企业场景适配 | 免费可用 | 企业办公、阿里云集成 |
| 腾讯元宝 | 微信生态整合，搜一搜结合 | 免费 | 微信公众号内容搜索、日常问答 |
各工具详细说明：
Claude — 写作和分析的首选。输出质量在长文场景下明显优于其他工具，尤其擅长结构化分析、深度思考和长篇写作。缺点是联网能力较弱，无法实时搜索。
ChatGPT — 综合能力最均衡。插件生态最丰富，可以连接各种第三方服务。GPT-4o的多模态能力（图片理解、语音对话）也很强。适合作为日常主力工具。
Gemini — Google出品，最大优势是深度整合Google搜索。需要实时信息的场景（查新闻、查价格）表现最好。多模态能力也在快速提升。
Kimi — 中文长文档处理的利器。支持超长上下文窗口，可以一次性丢给它几十页的PDF让它总结。免费就能用，性价比极高。
豆包 — 字节出品，免费且中文体验好。适合日常轻量对话，不需要付费就能获得不错的体验。缺点是复杂推理和长文写作能力偏弱。
DeepSeek — 推理能力在免费工具中顶尖，尤其擅长数学和代码。R1模型的思维链推理过程透明可见，适合需要深度思考的场景。
腾讯元宝 — 最大优势是能搜索微信公众号的内容。当你需要查中文互联网上的深度内容时，元宝能搜到其他AI搜不到的公众号文章。
语音输入补充：
02. 知识管理
收集、整理、消化、沉淀资料
选择建议：
- 你要围绕现成资料问答和消化 → NotebookLM / AnyGen
- 你要日常收集和轻整理 → 腾讯ima / Get笔记 / flomo
- 你要团队知识协作 → 飞书知识库 / Notion
- 你要个人长期知识系统 → Obsidian
| 工具 | 简介 | 价格 | 适合谁 |
|---|---|---|---|
| NotebookLM | 上传资料即可问答，消化长文档 | 免费 | 需要快速消化大量资料的人 |
| AnyGen | 资料问答，中文场景友好 | — | 中文资料问答需求 |
| 腾讯ima | 日常收集轻整理，微信生态 | 免费 | 微信重度用户 |
| Get笔记 | 语音+文字笔记，AI整理 | 免费 | 习惯语音记录的人 |
| flomo | 极简笔记，卡片式记录 | 会员10元/月 | 想要极简记录体验的人 |
| 飞书知识库 | 团队协作，企业场景 | — | 团队/企业用户 |
| Notion | 全能知识管理，模板丰富 | 免费可用 | 需要多功能整合的人 |
| Obsidian | 本地优先，双向链接，插件强大 | 免费 | 追求长期个人知识系统的人 |
各工具详细说明：
NotebookLM — Google出品的资料消化工具。把PDF、网页、视频链接丢进去，它就能基于这些资料回答你的问题。特别适合"我有一堆资料但没时间细看"的场景。还能自动生成播客式音频摘要。
Obsidian — 本地优先的知识管理工具，所有数据存在你自己的电脑上。双向链接功能让笔记之间形成网状关联，而不是孤立的文件。插件生态极其丰富，可以高度定制。适合愿意花时间搭建长期知识系统的人。
Notion — 全能型知识管理平台，文档、表格、看板、日历一体化。模板市场丰富，团队协作体验好。缺点是离线能力弱，数据存在云端。
flomo — 极简笔记工具，主打"随手记"。卡片式记录，支持标签分类，没有复杂的功能干扰。适合日常碎片化记录。
03. 图像生成
海报、配图、风格图、关键帧
选择建议：
- 你要边聊边改图 → Nano Banana / ChatGPT图像 / Grok Imagine / 智谱清言图像
- 你要独立生图平台 → Midjourney / 通义万相 / 海艺AI
- 你要出图接视频一体化 → 即梦AI / 可灵AI / Runway
| 工具 | 简介 | 价格 | 擅长风格 |
|---|---|---|---|
| Nano Banana | Google出品，对话式生图，已迭代到第2代 | 免费 | 通用，对话中迭代修改 |
| ChatGPT图像 | 对话中生图，GPT-4o驱动 | Plus $20/月 | 通用，与文字对话无缝切换 |
| Grok Imagine | xAI出品，风格化生图 | — | 风格化、趣味性 |
| 智谱清言图像 | 中文场景，对话式生图 | 免费 | 中文友好，日常配图 |
| Midjourney | 艺术感最强，品质顶级 | $10/月起 | 艺术插画、品牌设计、高品质配图 |
| 通义万相 | 阿里出品，中文友好 | 免费可用 | 中文场景、电商配图 |
| 海艺AI | 二次元/写真风格 | 免费可试 | 二次元、写真、人像 |
| 即梦AI | 字节出品，图+视频一体化 | 免费可试 | 短视频配图、图文一体 |
| 可灵AI | 快手出品，图+视频一体化 | 免费可试 | 写实风格、短视频素材 |
| Runway | 图+视频，专业级 | $12/月起 | 专业创作、视频制作 |
生图技巧：
- 给参考图：如果你有风格参考，直接上传给AI，比纯文字描述效果好得多
- 描述要具体：不要只说"一个女孩"，要说"一个穿白色连衣裙的女孩站在樱花树下，阳光从侧面照来，日系胶片风格"
- 迭代修改：第一次生成不满意很正常，告诉AI哪里要改，逐步调整
04. 视频生成
短视频、广告片、剧情短片、数字人口播
选择建议：
| 工具 | 简介 | 价格 | 擅长场景 |
|---|---|---|---|
| 即梦AI | 中文短视频高频，与剪映集成 | 69元/月起 | 中文短视频、商品展示视频 |
| Vidu | 生成速度快，跨场景转场顺滑 | 48元/月起 | 快速出片、多场景切换 |
| 可灵AI | 写实感强，物理模拟精准 | 58元/月起 | 写实风格、产品展示 |
| Runway | 精确后期控制，时间轴编辑 | $12/月起 | 专业创作、精确控制 |
| Google Veo | 画面声音一体生成，角色一致 | $19.99/月起 | 角色一致性要求高的视频 |
| HeyGen | 数字人口播，多语言配音 | $29/月起 | 数字人口播、多语言视频 |
| Pika | 趣味短视频，风格化特效 | $8/月起 | 趣味特效、风格化短视频 |
视频生成入门建议：
- 从图生视频开始：先用AI生成一张静态图，再让视频工具基于这张图生成动态视频，比纯文字描述更可控
- 控制时长：先做5-10秒的短片段，确认效果满意后再做更长的
- 善用剪映：AI生成的视频片段可以用剪映拼接、加字幕、加音乐，完成最终成片
05. AI编程
改代码、搭页面、做原型、接手开发任务
选择建议：
- 接手任务型 → Claude Code / Codex / Qoder
- Agent自动执行型 → Trae SOLO
- 协同开发型 → Cursor / Trae IDE
- 给现有环境加AI副驾 → GitHub Copilot
- 对话搭建型 → v0 / Lovable / Bolt.new / 扣子编程
| 工具 | 简介 | 价格 | 适合谁 |
|---|---|---|---|
| Claude Code | 大型项目，跨文件理解强 | Pro $20/月 | 有编程基础，接手复杂项目 |
| Codex | 后台任务型，支持记忆/计划/插件/MCP/自动化 | Plus $20/月 | 有GPT账号，做后台维护任务或复杂项目 |
| Qoder | 项目记忆，文件多的项目 | Pro $10/月 | 文件数量多的项目开发 |
| Cursor | 模糊想法快速起步，边写边改 | Pro $20/月 | 有一定基础，想快速起步 |
| Trae | SOLO模式Agent自动执行，三端同步，中文友好 | 限时免费 | 中文用户，Agent型任务，远程操控 |
| GitHub Copilot | 边写边补全，实时建议 | Pro $10/月 | 已有编程环境，加AI辅助 |
| v0 | Web页面/UI/前端原型 | Premium $20/月 | 零代码基础，做前端页面 |
| Lovable | 带后端的Web App/MVP | Pro $25/月 | 需要前后端的完整应用 |
| Bolt.new | 浏览器内开发环境 | Pro $25/月 | 不想装开发环境的人 |
| 扣子编程 | 低门槛搭AI应用/工作流 | 免费可用 | 想搭AI应用/工作流的新手 |
AI编程工具分类说明：
接手任务型（Claude Code / Codex / Qoder）：你给一个任务描述，AI在后台完成。适合明确的、不需要实时交互的编程任务。
Agent自动执行型（Trae SOLO）：你发一句话，Agent自动拆解任务并执行，完成后通知你。适合"发完就走、回来验收"的场景，还能同时跑多个任务。
协同开发型（Cursor / Trae IDE）：AI嵌入在你的编辑器里，你写代码时它实时给建议。适合边写边改的开发模式。
对话搭建型（v0 / Lovable / Bolt.new）：纯对话式，你说需求AI生成代码。适合零代码基础的人快速搭原型。
Codex 深度指南
OpenAI 出品的 Codex 是目前最值得关注的 AI 编程工具之一。和 Cursor、Trae 这类"边写边改"的协同开发工具不同，Codex 的核心模式是你给任务，它在后台完成——不需要你盯着每一步。
登录方式： 用 ChatGPT 账号登录（有账号就行），或用 API key 登录（需要额外购买）。
模型选择： 支持最新的 5.5 模型，有标准和快速两种速度模式。快速模式效率提升约 1.5 倍，但额度消耗也会增加。智能程度视任务难度而定，一般任务"中"就够了。
权限模式：
| 模式 | 说明 | 适合场景 |
|---|---|---|
| 默认权限 | 仅能读写所选文件夹内的文件，访问外部需单独申请 | 大多数日常开发 |
| 自动审查 | AI 自动判断操作风险，有风险请示，无风险直接执行 | 需要频繁操作文件的任务 |
| 完全访问 | 可在电脑上执行任意操作，不做请示 | 信任 AI 全权处理的场景 |
上下文管理： 对话过长时可手动输入 /压缩 压缩上下文，释放额度空间。
文件编辑： Codex 聊天任务框里显示的文件无法直接编辑，建议搭配 Cursor 等 Agent IDE 使用——Codex 会自动识别并添加到右上角，文件可直接在 Cursor 内打开编辑。
持久记忆
Codex 有三种记忆机制，让 AI 跨对话记住你的偏好和规则：
| 记忆类型 | 作用 | 设置方式 |
|---|---|---|
| 全局 AGENTS.md | 跨项目通用的规则和偏好（使用习惯、工作偏好等） | 设置 → 个性化 → 自定义指令中添加 |
| 项目级 AGENTS.md | 项目专属的规则和约束 | 在项目根目录新建 AGENTS.md 文件（必须大写） |
| 自动记忆 | 对话结束后自动总结记忆，后续复用 | 设置 → 个性化 → 启用记忆 |
你也可以直接在对话中用自然语言交代规则，然后要求"添加到全局/项目 AGENTS.md"。
计划模式
面对复杂项目或想法还不清晰的场景，可以开启计划模式——Codex 会引导你一步步完善项目想法，而不是直接开写。
- 新建项目后打开「计划模式」
- 根据引导选择或自主输入，完善计划
- 计划生成后可自行调整
- 执行中可临时提交建议，不会中止当前任务
- 不确定的想法可通过「fork（分叉）」开副本测试，不影响主线
- 执行结果可「注释」批注，发给 Codex 修改
- 项目完结后，可让 Codex 基于项目生成一份项目级 AGENTS.md
插件生态
Codex 支持插件扩展，直接在设置中管理。
必装插件：
| 插件 | 功能 |
|---|---|
| Chrome | 用浏览器登录态处理网页任务（查资料、测试页面、整理信息） |
| GitHub | 查看仓库、PR、Issue 和 CI 状态 |
| OpenAI Developers | 查询 OpenAI API、Agents、ChatGPT Apps 等官方资料 |
| Vercel | 构建和部署 Web 应用、预览环境 |
| Netlify | 部署前端项目、管理预览环境 |
| Sentry | 查看线上错误和事件，定位 bug |
重点插件：
| 插件 | 功能 | 适合场景 |
|---|---|---|
| Browser | 操作内置浏览器 | 前端自动化测试（登录、填表、截图） |
| Computer Use | 操控电脑上的所有软件 | 桌面 App 测试、复现界面 Bug（仅 Mac） |
| Chrome | 控制真实的谷歌浏览器 | 必须登录真实网站才能完成的任务 |
Skills 合集： 可在 lobehub 按分类查找和安装 Skill。
推荐 Skill：
| Skill | 功能 |
|---|---|
| Find-Skill | 根据需求查找和安装来自开放生态的元技能 |
| Frontend-Design | 创建具有独特风格的前端界面 |
| humanizer-zh | 消除文本内容的 AI 生成痕迹 |
MCP 扩展
Codex 支持 MCP（Model Context Protocol）扩展，让 AI 能连接更多外部服务。
安装方式很简单：直接把 MCP 的 GitHub 链接丢给 Codex，它会自行安装并引导你授权。安装完成后在「设置 → MCP 服务器」确认即可。
自动化任务
Codex 支持两种方式设置自动化任务：
方式一：自动化面板 — 可视化设置，新建任务或选择官方样例，配置触发条件和执行内容。
方式二：日常语言交互 — 直接在对话框用自然语言描述，比如：
帮我创建一个自动化任务，每周一早上9点，自动执行热门项目推荐的 Skill，产出一篇图文发到飞书群里。
Trae SOLO 深度指南
Trae SOLO 是字节跳动在 2026 年推出的 Agent 型 AI 编程工具，从 Trae IDE 中独立出来，主打"你发一句话，Agent 替你干完"。
和 Codex 类似，Trae SOLO 也是后台执行模式。但它的差异化在于：三端同步 + 手机远程操控 + 中文场景深度适配。
下载地址：
两种模式：
| 模式 | 说明 | 适合场景 |
|---|---|---|
| IDE 模式 | 传统编辑器 + AI 辅助，保留 VS Code 操作逻辑 | 边写边改的日常开发 |
| SOLO 模式 | Agent 主导，你给任务它自动完成，支持多任务并行 | 一次性任务、重复性任务、不想盯着的过程 |
模型选择： 国内版 SOLO 推荐使用 GLM5.1 模型（智谱官方称这是最接近 Claude 的模型）。也可以手动接入自己的模型。
价格： 目前限时免费，无需邀请码。高强度使用可能被限流，第二天解禁。
三端同步与远程操控
Trae SOLO 最大的亮点是手机端、桌面端、网页端三端互通——你的手机变成了一个 Agent 指挥中心。
手机端连接电脑：
- 手机 APP 和桌面端都下载 Trae SOLO
- 手机端点击"连接我的电脑"，桌面端设置中开启 SOLO 移动端开关
- 两分钟即可完成绑定
典型场景：
- 远程操控：出差在外，用手机指挥 Agent 在公司电脑上整理文件、打包、发飞书给同事
- 语音讨论：随时随地打开手机跟 AI 语音聊想法，聊完自动生成会议纪要，再调用写作 Skill 生成文章
- 灵感即用：刷到灵感直接打开 SOLO 形成方案，不用等回到电脑前
定时任务
用自然语言就能设置定时任务，让 Agent 每天自动执行重复工作：
每天晚上8点，自动拉取项目群的聊天记录，生成当天的项目进度总结。
设定好之后，Agent 会每天定时自动跑：调飞书拉消息 → 分析内容 → 输出结构化总结。适合每日资讯简报、数据汇总、进度跟踪等场景。
Skill / MCP / CLI 扩展
Trae SOLO 支持 Skill、MCP、CLI 接入，灵活组合自动化流程：
- 内置技能：SOLO 内置了多种技能，可按需添加
- 接入飞书 CLI：一句话让 Agent 自己安装，装完就能执行飞书文档、消息、多维表格等操作
- 云端模式：可绑定 GitHub 仓库，Agent 直接在仓库里读取和生成文件
- MCP 扩展：支持接入各种 MCP 服务，扩展 Agent 的能力边界
接入飞书 CLI 示例：
帮我把这些都装上：https://github.com/larksuite/cli/blob/main/README.zh.md ，全程由你自己独立安装
装完之后 Agent 就可以替你执行飞书里各类操作了。
06. 自动化
本地执行、云端代跑、自建系统、方法沉淀
选择建议：
- 方法与能力封装 → Skill
- Agent型自动化（定时任务+Skill+MCP） → Codex / Trae SOLO
- 本地执行与办公自动化 → WorkBuddy
- 自己搭系统/云端长任务 → OpenClaw / Manus / Genspark
| 工具 | 简介 | 价格 | 适合谁 |
|---|---|---|---|
| Skill | 把方法封装成AI可复用的能力 | 非独立平台 | 所有AI使用者 |
| Codex | Agent型自动化，支持定时任务/插件/MCP | Plus $20/月 | 有GPT账号，需要编程+自动化一体 |
| Trae SOLO | Agent型自动化，三端同步，自然语言设定时任务 | 限时免费 | 中文用户，手机远程操控+定时任务 |
| WorkBuddy | 本地文件办公自动化，数据不出电脑 | 19元/月起 | 注重数据隐私的办公场景 |
| OpenClaw | 开源自托管，多AI任务系统 | 免费（需自备资源） | 有技术基础，想自建系统 |
| Manus | 云端完整执行任务，无需本地安装 | Pro $20/月 | 不想折腾技术，直接用 |
| Genspark | 快速调研陌生课题，有信源报告 | Plus $24.99/月 | 需要快速调研的场景 |
Skill和Agent的关系：
- Skill = 一个单一能力，比如"把日报总结成结构化要点"
- Agent = 把多个Skill串起来自动跑的"员工"，比如"每天定时读取工作记录 → 调用日报分析Skill → 把结果写到汇总文档"
- 先有Skill，再有Agent，这是搭智能体最自然的顺序
07. 易混淆工具辨析
很多AI工具名字相似但功能完全不同，这里帮你理清：
OpenAI家族：
- ChatGPT：通用对话/写内容
- ChatGPT图像：图像生成（在ChatGPT中调用）
- Codex：AI编程（后台任务型）
Anthropic家族：
- Claude：通用对话/写内容
- Claude Code：AI编程（终端命令行型）
Google家族：
- Gemini：通用对话/搜索/推理
- Nano Banana：图像生成（对话式，已迭代到第2代）
- NotebookLM：资料问答（上传文档即可对话）
- Google Veo：视频生成
字节家族：
- 豆包：通用对话
- 豆包输入法：语音输入
- 即梦AI：图像/视频生成
- 扣子编程：低门槛搭AI应用/工作流
- Trae IDE：AI IDE（编程编辑器，边写边改）
- Trae SOLO：Agent型AI编程（发任务自动执行，三端同步）
← 上一部分：AI认知与五大核心能力 | 下一部分：AI变现实战案例 →
© 2026 懒人AI手册