搞了三个月，我终于悟了：用一个 AI 干所有事，就跟用一把螺丝刀修整辆车一样蠢。

三个月前，我是 DeepSeek 的忠实用户。写文章用 DeepSeek，写代码用 DeepSeek，翻译还用 DeepSeek。直到有一天，一个朋友问我："你试过 Claude 写长文吗？"我说没有。他甩了一篇过来，我看完沉默了。

从那以后，我开始系统性地对比不同 AI 在不同场景下的表现。结果挺意外的——有些组合效率能翻倍。

我的 AI 工具箱（及它们各自最擅长的活）

先说结论：没有最好的 AI，只有最适合当前任务的 AI。

我现在的日常配置是这样的：

DeepSeek：代码和逻辑推理的王牌

DeepSeek 写代码是真的强。尤其是那种需要严密逻辑、多层嵌套的场景。

举个例子，上周我需要写一个 Python 脚本，从飞书多维表格拉数据，做数据清洗，然后生成可视化报告。我把需求描述给 DeepSeek，它一次性给出了完整的代码，包括异常处理和边界条件。换成其他模型，我至少要来回改三次。

DeepSeek 最擅长的场景：

• 写复杂逻辑的代码（算法、数据处理、自动化脚本）
• 技术文档和 API 说明
• 数学推理和逻辑分析
• 互联网黑话翻译成大白话（这个意外地强）

不太行的场景：

• 有创意的长文写作（容易写得像教科书）
• 需要共情和情绪表达的内容
• 对格式要求特别严格的输出

Claude：长文写作和深度分析的神器

说实话，Claude 写长文的能力让我第一次觉得"AI 写的比我自己写的还好"。

上个月要写一篇 5000 字的技术复盘文章，我分别用 DeepSeek、GPT 和 Claude 试了一遍。DeepSeek 的版本像技术手册，GPT 的版本语法完美但没灵魂，Claude 的版本居然有节奏感——知道什么地方该展开，什么地方该收，什么地方放个例子调节阅读疲劳。

Claude 最擅长的场景：

• 超过 2000 字的长文写作
• 技术分析报告（需要层层递进的结构）
• 多轮对话中的深度讨论
• 代码审查和架构建议

不太行的场景：

• 实时信息检索（知识截止日期限制）
• 需要联网搜索的任务
• 中文网络热梗和新词汇的理解

GPT / Gemini：生图和创意任务的效率怪兽

GPT 系列的生图能力目前还没有对手。我用 GPT-Image 2 生成公众号封面、PPT 配图、甚至简单的插图，平均 26 秒出一张，质量甩开其他方案好几条街。

Gemini 的速度也让人印象深刻——用 gemini-2.5-flash-image 出图只要 1 秒，适合需要快速迭代的场景。

GPT/Gemini 最擅长的场景：

• AI 生图（质量最高、中文支持最好）
• 创意文案和广告语
• 翻译（尤其是 GPT-4 级别的翻译质量）
• 多模态理解（图片+文字的综合分析）

不太行的场景：

• 代码生成（不如 DeepSeek 精准）
• 长文结构把控（不如 Claude）

我的「三件套」工作流

说完了各自的特点，聊聊我怎么组合使用它们。

场景一：写技术博客

这是我的高频场景，每周至少 3-4 次。工作流是这样的：

1. DeepSeek：生成文章大纲和技术要点
   ↓
2. Claude：根据大纲扩展成完整文章（1500-2500字）
   ↓  
3. GPT-Image 2：生成封面图
   ↓
4. 我自己：通读一遍，加个人经历和观点，去AI味

为什么这么分工？

DeepSeek 给大纲特别快，而且逻辑结构清晰。Claude 扩展文章时有节奏感，不会写成流水账。封面图让 GPT 出，我不用再打开 Canva 折腾半小时。

实际效果：从开始到发布，一篇 2000 字的文章 平均 40 分钟搞定。纯自己写至少要 2-3 小时。

场景二：写代码项目

这个场景 DeepSeek 是主力，但 Claude 也有它不可替代的位置。

1. Claude：讨论架构设计，做方案对比
   ↓
2. DeepSeek：写具体代码实现
   ↓
3. Claude：Code Review，找潜在问题
   ↓
4. DeepSeek：修复 Claude 发现的问题

有意思的是，用 Claude 做 Code Review 比 DeepSeek 自己检查自己的代码效果好得多。可能是因为不同模型有不同的"盲区"，交叉检查反而互补。

上周用这个流程写了一个飞书机器人，从需求到上线只用了半天。换以前可能要两天。

场景三：做竞品调研

这个场景 Claude 是绝对主力。

1. Claude：整理调研框架和要点
   ↓
2. 我：上网搜集素材和数据
   ↓
3. Claude：根据素材撰写分析报告
   ↓
4. DeepSeek：补充技术细节和代码对比

Claude 写分析报告时那种"有观点的分析"是其他模型做不到的。它会给出明确的判断，而不是"一方面…另一方面…"的和稀泥。

别忘了成本这事

有人会说：搞这么多工具，不花钱吗？

算笔账：

• DeepSeek：免费（或者极低的价格）
• Claude：$20/月（Pro 版）
• GPT/Gemini：按量付费，我一个月大概 $5-10

总成本：约 $25-30/月，折合人民币不到 200 块。

而这三个工具帮我省下的时间，保守估计每周至少 10 小时。按最低时薪算，一个月也值 1000 块以上了。

不要太省。 该花的钱要花。我之前也是"能用免费的绝不用付费的"，但试过 Claude Pro 之后，我知道这 20 刀花得值。

几个容易踩的坑

搞这套组合拳的过程中，我也踩了一些坑：

坑 1：让不擅长的模型干不擅长的活

最开始我让 DeepSeek 写长文，结果改到怀疑人生。它写的文章没问题，但就是不好看。像说明书一样，什么都有，但什么都不出彩。

坑 2：模型输出的格式不兼容

DeepSeek 的代码块格式和 Claude 的略有不同，直接拼接会出问题。建议用中间格式（纯文本/Markdown）做过渡。

坑 3：过度依赖 AI 审查 AI

别让 Claude 审查 Claude 自己写的东西——它对自己的错误有盲区。交叉审查效果更好。

写在最后

说到底，AI 工具就像厨房里的刀——切菜的、剁骨的、削皮的，各有各的用处。你不需要把所有钱都花在买一把万能刀上，买几把趁手的，组合起来用，效率反而更高。

如果你现在只用着一个 AI，我建议你至少再试一个。不一定按我的配置来，但"单一工具依赖"确实是个效率陷阱。

试试看，说不定有惊喜。

有问题欢迎评论区交流。下一篇打算聊聊「手机上的 AI 工具合辑」，感兴趣的可以关注。