如何选择适合的AI工具

三问决策法包含三个相互关联的评估维度，每个维度都有明确的分类标准：

第一问：任务类型是什么？

不同类型的任务对AI的要求不同：

第二问：风险有多大？

风险等级直接决定了你应该给AI多大的自主权：

第三问：我能审核AI的输出吗？

你的专业能力决定了你能用多高级别的工具：

三问决策法的底层逻辑是风险与自动化程度的反比关系：风险越高，AI的自主权应该越低；风险越低且你能审核，AI的自主权可以越高。

这个原理可以用一个简单的流程表达：

开始
  ↓
问题1：任务类型是什么？
  → 问答/学习类 → 推荐L1-L2（直接得出结论）
  → 写作/分析/编程/创意类 → 继续问题2
  ↓
问题2：风险等级如何？
  → 高风险 → L1-L2，人工执行关键操作
  → 中风险 → 继续问题3
  → 低风险 → L3-L4均可考虑
  ↓
问题3：你能审核AI的输出吗？
  → 能 → 可用L3-L4
  → 不能 → 停留在L1-L2，增加审核环节

选AI工具就像选交通工具：

• 去楼下便利店 → 走路就够了（L1，简单对话）
• 市区通勤 → 地铁或自行车（L2，嵌入式辅助）
• 城际出差 → 高铁或飞机（L3-L4，高自动化工具）

关键不是哪种交通工具"最强"，而是你要去哪里、路况如何、你会不会开。飞机再快，也不适合去楼下买菜。

案例一：小王要写一封客户邮件

三问快速判断：

1. 任务类型？→ 写作类
2. 风险？→ 中风险（客户关系重要，但可以修改后再发）
3. 能审核？→ 能（自己的业务领域）

结论：用L1-L2。让ChatGPT起草邮件，自己审阅修改后发送。

案例二：程序员小李要重构一个开源项目

三问快速判断：

1. 任务类型？→ 编程类
2. 风险？→ 低风险（个人项目，有版本控制）
3. 能审核？→ 能（自己的技术领域）

结论：用L3-L4。可以让Claude Code自主重构，逐步Review后合并。

案例三：小张想让AI帮忙写一份法律合同

三问快速判断：

1. 任务类型？→ 写作类
2. 风险？→ 高风险（法律文书，错误代价大）
3. 能审核？→ 不能（非法律专业）

结论：只用L1。让AI提供参考思路，最终一定要请专业律师起草或审核。

将三问的结果汇总，得到一张实用的快速决策表：

三问决策法适用于绝大多数个人和团队的AI工具选择场景。但在以下情况中需要注意：

• 紧急任务：时间紧迫时，宁可保守选低级别工具，也不要冒险用不熟悉的高级工具
• 团队协作：团队应统一工具标准，个人偏好让位于团队规范
• 探索学习：如果目的是学习新工具本身，可以在低风险任务上大胆尝试高级别工具

日常使用AI工具的场景大致可以分为五类：

场景一：日常办公

场景二：内容创作

场景三：编程开发

场景四：学习研究

场景五：生活助手

场景匹配的核心逻辑是工具能力与工作流的契合度。一个工具即使能力很强，如果不能自然嵌入你的工作流程，实际效率也会打折扣。例如：

• 整理会议纪要时，Notion AI比ChatGPT更合适——不是因为它"更聪明"，而是因为它直接在文档里操作，省去了复制粘贴的步骤
• 写代码时，Cursor比ChatGPT更合适——不是因为底层模型更好，而是因为它能直接在IDE中展示代码变更（Diff），审核更方便

工具箱思维：就像家里的工具箱，不会用菜刀拧螺丝，也不会用扳手切菜。每种工具都有自己最擅长的场景。AI工具也是一样——ChatGPT是"万能螺丝刀"，什么都能做但不一定是最优选择；Cursor是"电钻"，在编程场景中效率远超通用工具。

"我只用一个工具就够了"

一个常见的思维陷阱是找到一个顺手的工具后，试图用它解决所有问题。实际上，不同场景的最佳工具往往不同。关键原则是：根据任务选工具，不是根据工具选任务。

常见误区主要有四种：

误区一：越高级越好

• 错误想法："L4-L5级别最强，我要用最强的工具"
• 正确认识：高级别工具意味着更高的自动化程度，同时也意味着更大的不可控性。简单任务用高级工具，不仅没有效率提升，反而可能带来不必要的风险。合适的才是最好的。

误区二：AI能替代我

• 错误想法："有了AI我就不用学了"
• 正确认识：AI是工具，需要人来驾驭。你不懂一个领域，就无法审核AI在这个领域的输出。专业能力不仅不会被AI淘汰，反而是有效使用AI的前提。

误区三：AI输出都是对的

• 错误想法："AI写的代码/文章可以直接用"
• 正确认识：AI会犯错，会产生幻觉（编造看似合理但不存在的内容）。所有AI输出都应该被视为"初稿"而非"终稿"，尤其是涉及事实、数据、代码逻辑的内容，必须人工审核。

误区四：一个工具解决所有问题

• 错误想法："我只用ChatGPT就够了"
• 正确认识：不同工具有不同的设计目标和擅长领域。组合使用多种工具的效果远好于只依赖一个。关键是根据任务特征选工具，而不是用手里仅有的工具去应对所有任务。

如果不了解这些误区，可能出现以下情况：

• 在高风险场景使用高自动化工具，导致严重错误（如让AI自主修改生产数据库）
• 过度依赖AI，放弃自身专业学习，逐渐失去审核AI输出的能力
• 不加验证地使用AI输出，传播错误信息或提交有Bug的代码
• 受困于单一工具的局限，在其不擅长的场景中反复受挫

开车与GPS的关系：GPS（AI）能帮你规划路线，但你必须自己握方向盘。如果GPS导航到一条断头路，你得有判断力说"这不对"然后自己调整。完全不看路况、闭眼跟着GPS走的人，迟早会出事故。

反面案例：小陈的"一键生成"陷阱

小陈是市场部新人，收到任务要写一份行业分析报告。他让ChatGPT直接生成了一份"2024年AI行业分析报告"，没有审核就提交给了上级。结果：

• 报告中引用了3篇不存在的论文（AI幻觉）
• 多个市场数据与实际不符
• 某个"行业趋势"是AI编造的

正确做法：用ChatGPT生成报告框架和分析角度（L1），然后自己查找数据、核实信息、撰写正文。AI是思路助手，不是交稿机器。

根据使用深度和预算，工具箱可以分为三个级别：

基础版（月费 $0-10）

适合人群：AI新手、个人学习者、轻度使用者。

进阶版（月费 $20-50）

在基础版之上增加：

适合人群：职场白领、内容创作者、中度使用者。

专业版（月费 $50-200）

在进阶版之上增加：

适合人群：程序员、专业人士、重度使用者。

配置自己的AI工具箱，可以按以下步骤进行：

1. 盘点高频任务：列出你每周花时间最多的5-10项工作任务
2. 用三问法分析：对每项任务进行三问决策（任务类型、风险、审核能力）
3. 匹配工具：参考14.2的场景推荐表，为每项任务选择合适的工具
4. 控制预算：从基础版开始，先免费试用，再逐步升级付费工具
5. 定期调整：每1-2个月审视一次工具箱，淘汰不常用的，补充新需求的

配置工具箱的核心价值在于从"遇到问题再找工具"转变为"手边就有合适的工具"。这种转变能够：

• 降低每次使用AI的启动成本（不用每次都纠结"该用什么"）
• 形成肌肉记忆，让AI辅助成为工作流的自然一环
• 避免为不需要的工具付费

案例：上班族小王的工具箱配置

小王是一名市场专员，日常任务包括写邮件、整理报告、做PPT、翻译资料。

月预算：$0-10，基础版配置。

工具箱配置并非一成不变的，以下情况提示你需要调整：

用三问法分析你的日常任务：列出你工作中最常做的5个任务，用三问决策法逐一分析（任务类型、风险等级、审核能力），并写出每个任务推荐的AI工具级别和具体工具。

配置你的AI工具箱：根据练习1的结果，为自己配置一套AI工具箱。要求：

1. 确定预算级别（基础版/进阶版/专业版）
2. 为每个高频任务指定工具
3. 计算月度总费用

如果你的同事说"我只用ChatGPT就够了，不需要其他工具"，你会怎么回应？请结合本章的场景匹配和工具箱思维来分析。