不再迷茫：ChatGPT、Claude、Gemini的正确区分方法

听说多个AI一起用，工作效率会变快。但到底该怎么搭配，很多人其实不太明白。实际上，与其把什么都丢给一个AI，不如按场景在ChatGPT、Claude和Gemini之间切换，调查研究、做资料的准确度都会明显提升。你可能会觉得，三个AI都订阅是不是太夸张了，但真做起来，没有那么复杂。

只不过，这几个AI的性格、价格都不一样，名字和功能又容易弄混。越是去查，反而越犹豫，这种感受很多人应该都有吧。

我自己一开始也是这样的。说实话，当时觉得同时订阅三个纯属浪费钱。挑一个然后研究透彻不就行了？我就是那种想法。要是跟几个月前的自己说，每个月要付三份订阅费，估计会被笑话吧。

但后来有一天工作的时候，我忽然发觉了一件事。做企划书初稿用的是这个AI，用调研去验证内容的是另一个AI，最后润色文字的还是另一个。而且，我还刚好只用了它们各自最擅长的地方。

这真不是我刻意安排的，回过神来就已经成这样了。后来自己回想起来还吓了一跳：“咦，什么时候变成这种用法了？”

大多数人大概会选择一个AI，然后只用它。如果没什么问题，这样也挺好。但如果你有过“好像这个AI在这块不太够用”的感觉，那这个短板通常可以用另一个AI来补上。我就属于这种情况。

这篇文章会写我自己实际在用的方法：如何区分使用被称为三大AI的ChatGPT、Claude和Gemini。从费用、安全设置、怎么下指令，到怎么样让查资料更快、怎么把AI味很重的文字改得像人写的，我会尽量写得具体一些。

坦白说，这篇文章里写的东西，不全部照做也OK。但知道和不知道，一年后用AI看到的风景会差不少。

等你读完之后，应该也能从“随便订一个就够了”这个想法里，稍微迈出来一点了。

这篇文章主要写给：用过ChatGPT，但对Claude或Gemini只是听过名字的人。不需要什么高深的专业知识。遇到“提示词（Prompt）”“元提示词（Meta Prompt）”这类词的时候，我都会顺便解释一下，所以就算有不认识的词，也可以放心往下读。

内容基于2026年8月的信息。AI这个领域几个月就会变一个样，所以实际使用的时候，最好也确认一下官网说明。费用和功能名称，很可能在你读这篇文章的时候就已经变了。

那么，先讲最基础的部分。这三个AI，其实性格差异挺大的。

第1章 三大AI的基本区别和费用

我遇到的第一道墙，就是这个。

ChatGPT、Claude和Gemini，看起来其实差不多。都是聊天界面，输入问题，然后得到回复。正因为长得像，我一直以为它们也没什么区别。你可能也这么觉得过吧。

但真的三个都用过之后，才发现性格差异非常明显。就像是同一个问题，抛给了三个不同的同事一样。问同样的事情，回答的角度完全不一样。发现这点的时候，我有点惊讶。

ChatGPT算是一个什么都会的全能型选手。图像生成、代码执行（就是让它代替你运行程序，完成计算和文件制作等功能）、Deep Research（AI自己上网查资料，整理成长篇调研报告的功能）、语音对话等等，功能范围特别广。2026年4月，图像生成功能升级到了Images 2.0，带文字的图片已经能生成得相当自然了。日语招牌、logo放进图片里，也不容易变形，能好好读出来。以前“AI做的图，只有文字很奇怪”是常见的弱点，现在已经改善了不少。画质也提升了，一次最多能生成8张图，拿来出资料的备选方案也很方便。

但另一方面，ChatGPT因为功能太多，有时候反而会让人被它牵着走。说实话，之前很受关注的视频生成功能Sora（输入文字就能生成匹配的短视频），2026年4月已经停止了Web版和App版。最终也没能整合进ChatGPT主应用。一个当初那么火的功能，几个月就没了。这就是AI行业的现实。把工作完全依赖某一个功能，其实挺危险的。如果之前有把视频生成完全绑在Sora上的工作流程，现在估计得从根上重来了。

ChatGPT的套餐，除了免费版之外，还有每月1400日元的Go套餐、每月3000日元的Plus套餐，以及更高一级的Pro套餐，分每月16800日元和30000日元两档。在日本，从2026年开始价格已经从美元换算改成了日元直接显示，比以前清楚多了。不用再去算折合多少美元，这点帮了大忙。Go套餐虽然便宜，但会有广告、对最新模型也有访问限制，认真用于工作的话，选Plus以上会更稳妥。

Claude则更像是慢慢思考的类型。让它读长文章、给复杂指令的时候，理解力在我感觉里是最稳的。它会记住指令的上下文，就算聊很久，也不容易跑偏。

这里补充一下。模型，其实就是AI大脑本身的版本名称。同样是Claude这个服务，模型不同，聪明程度和擅长的领域也不一样。截至2026年8月，免费版和Pro套餐的默认模型是Sonnet 5，Pro及以上的套餐还可以使用更高性能的旗舰模型Opus 5。

名字不用记。只需要理解“越高端的模型越聪明，但能用次数有限”就够了。我一开始也特别在意名字，现在基本就是“干重要活的时候才切换到高端模型”这种粗略感觉。

Claude以编程相关功能出名，但实际上是2026年起Cowork（不需要编程知识，就能把文件整理、资料制作这类日常工作打包交给它的功能）开始普及，连没写过代码的人也可以让它整理文件、做文档。2026年7月，Cowork从限桌面端扩展到了Web和手机端，在电脑上开始的工作可以接着用手机继续确认。我会用它来批量生成资料的草稿。

费用方面，除了免费版，Pro套餐每月22美元（年付的话每月18美元），Max套餐分每月110美元和220美元两档。这个价格是包含日本10%消费税后的显示，实际原价是20美元、100美元和200美元。换算成日元的话，受汇率影响经常要到3000多日元。美元结算的服务在日元贬值的时候会显得更贵，这一点最好记住。

Gemini的优势在于和Google生态的联动。能读取Gmail、Drive、YouTube的内容来回答，所以查资料到实际干活之间的距离很近。2026年1月底起，可以在Chrome侧边栏（就是浏览器窗口边上常驻的小窗）中使用，直接对当前浏览的网页内容提问。不用来回切换标签页，这个体验比想象中舒服很多。之后这个功能在2026年间拓展到了加拿大、印度、新西兰等地，现在大多数主要地区都能用了。

费用上，除了免费版，还有每月2900日元的Google AI Pro，以及更高端的Google AI Ultra，分每月14500日元和32000日元两档。Ultra在2026年5月重新调整过，可以根据存储容量和使用上限来选择。个人使用的话，Google AI Pro基本就足够了。可以把Ultra理解成给经常做视频生成、大数据处理的人准备的进阶套餐。

这样排列下来就能发现，每个AI都有很明确的角色差异。ChatGPT是广度，Claude是思考深度，Gemini是和现有服务的联动。不用想得太复杂，只要记住这三个维度，下一章里的区分方法就会顺理成章。

如果全都订阅的话，一个月总花费接近1万日元也是很正常的组合。我第一次看到这个金额的时候也犹豫了。但比起在一个AI上每月花2万日元，然后得到半吊子的结果，把费用分摊到性格不同的三个AI上，回头来看得到的产出反而更多。

一句话总结就是：需要快速铺开干的时候用ChatGPT，需要认真思考的时候用Claude，需要配合Google资料和信息一起干活的时候用Gemini。哪怕只记住这一句话，后面选AI也会轻松不少。

说说我第一次把三个AI并排使用时的经历吧。一开始我以为，它们都只会给出相同的答案。结果，我试着把同一个问题“帮我列一下这次出差的准备清单”分别发给了三个AI。ChatGPT很快就做出了物品确认清单，Claude连出差目的反推出来的优先顺序都给了，Gemini还结合日历安排提醒了日程上要注意的地方。同样的问题，回答的类型居然差这么多，当时我真的吃了一惊。

下一章，我会用实际一天的工作流程，讲这三个AI是怎么组合起来用的。

第2章 先定一个主力，再把辅助分开用

不需要让三个AI平等出场。这一点，我想先重点说一下。就算有三个AI，也不是每次都要把三个全打开。真那么用的话，人会累垮的。

我自己采用的方法是：先定一个主力AI，然后以它为核心。主力一般选你自己花时间最多、最熟悉怎么下指令的那个。对我来说是Claude。因为我平时工作中经常要做文章结构、读长篇资料提炼重点，所以我更需要理解力稳定的Claude。

定了主力以后，辅助AI就按用途分配。我自己的辅助用法差不多是这样的。至于选谁当主力，其实没有标准答案。写文章为主的用Claude，做资料多的用ChatGPT，平时常用Google服务的用Gemini，用这种宽松的标准来定，之后边用边调整就足够了。

需要做图、做图解的时候用ChatGPT。Images 2.0之后，我让它做资料用简单图表的频率明显增加了。以前图片里的字经常糊成一团没法用，现在已经能用一种可以直接贴进资料的程度了。

需要查资料，尤其是和Google服务联动的调查时用Gemini。有时候我会让它读Drive里的历史资料，然后确认新内容和旧材料有没有冲突。因为可以直接从Chrome侧边栏提问，所以“边刷文章边问一句这到底是不是真的”已经成了习惯。

那么，实际的一天是怎么流转的呢？我拿一个普通工作日举例。

早上7点左右，先用Gemini的Chrome侧边栏快速扫一遍当天的新闻。遇到感兴趣的报道，就直接在侧边栏追问背景。这里Gemini就是我的备忘录。不管是通勤路上还是早上准备出门，不用切换画面，这点很方便。

上午让Claude做企划初稿。结合前几天的对话，让它先出个草稿，我再手动改。这个阶段比起文字完成度，更在意论点有没有漏。差不多30分钟能出10个企划候选。

下午做企划用的简单图表和图片时，切换到ChatGPT。用Images 2.0出几版粗糙的方案，把方向定下来，需要的话再交给设计工具。大概5分钟就能拿到好几张风格不同的候选图。

傍晚，把当天聊过的内容再让Claude读一遍，然后整理第二天的优先级。一天到这里结束。自从养成晚上整理要点的习惯以后，“今天到底干了啥”那种模糊感明显少了很多。

再介绍一个另一种模式。如果那天以调研为主，我早上就会把Gemini当主力。前一天用Claude整理好的论点，拿到Gemini那里去查相关统计数据、行业动态，下午再切回Claude，用收集到的信息写成文字。这种日子，有时候一回ChatGPT都不会打开。

关键是，别把这个流程固定死。根据项目性质，主力和辅助随时会换。如果是调研为主的活，那天可能就换成Gemini当主力；反过来，如果是图片、视频素材为主的活，那就以ChatGPT为轴心来安排。这里其实不用太较真，今天感觉这个更合适，就用那个，这种切换程度就可以。

手机上也一样能操作。在路上要查点小东西，就打开手机的Gemini应用，回到电脑前再接着用Claude继续。手机上把三个应用都装好，按照场景换着开就行，习惯了就是几秒钟的事。一开始可能会觉得切换应用很麻烦，但用不了1周，手就记住了。

我一开始犯的错，是觉得切换太麻烦，想把所有事都塞给一个AI。有一阵子我非要让ChatGPT把一切全部包圆，明明觉得调研精度不太够，还是不肯换。结果那一次企划被别的公司抢先了。到现在我都还在想，当时要是老老实实切成Gemini，结果可能不一样。

从这段经历里学到的，与其说别太执着于AI的选择，不如说要多看看成品的质量，及时换车。对某一个AI太有感情，反而会错过切换时机。说到底，把它们当工具来看待，反而才是更重要的心态。觉得不太对的时候，就别客气，赶紧换另外一个AI。就这样就行。

如果你现在还没订三个，那我再说一句：一开始完全不需要把三个全上。如果你已经有一个在用的AI，那先把它当主力，有空的时候再用别的AI免费版试试水。光是这样做，就已经算是迈进这篇文章说的区分使用了。不用急着一下子全订，这点可以放心。

下一章，我会讲安全使用这套搭配时，最少需要做的几个设置。跳过这里的话，以后会吃亏的。

第3章 安全使用前的3个基础设置

同时用三个AI的话，设置方面很容易变得随便。我自己也是这样。单独看一个应用的设置都嫌麻烦，三个加起来就更想往后拖了，这个心情我很懂。

这里我挑3个最低限度应该做的设置说一下。每一项都只要几分钟。不如一起弄完算了。

第一项，是针对学习利用的“Opt-out”（也就是主动在设置里关闭“我的输入内容用于AI模型后续学习”的选项）。ChatGPT、Claude、Gemini都能设置输入内容是否被用于模型训练。这项初始设置因服务和套餐而异，一定要去设置里自己确认。如果你可能处理工作资料或个人隐私信息，那最好还是把开关关掉。

我本人就曾经漏看这个设置，直接把客户资料贴进了Claude。后来发现的时候脸都白了。还好不是特别机密的内容，但从那之后，每开始用一个新的AI服务，我都会第一个就去确认学习设置。这个选项通常藏在各服务的隐私或数据管理页面里，好好找一次，然后收藏起来，之后就不会再迷路。

这个项目我第一次找的时候，花了大概5分钟才找到。不同的服务说法不同、位置也不一样，刚开始找不到非常正常。实在找不到的话，最快的方法就是直接问AI：“学习数据做Opt-out的设置在哪里？”

第二项，是自定义指令设置。这个功能可以让你提前告诉AI你的身份、你通常想要的回答形式。就像在开始聊天之前，一次性做一次自我介绍和偏好说明。ChatGPT里叫自定义指令，Claude里叫风格设置，Gemini里有个性化设置。名字不一样，但功能都一样。

设置好之后，就不用在每次对话里反复交代同样的前提了。我自己会提前写上：我做文字工作、希望先讲结论、专业术语请帮我换个说法。光是这些，回答质量就会不一样。相比没有设置的时候，那种每轮都要多花几十秒说明的感觉会整个消失。三个AI都设置同样的内容，那么不管问哪个，回答的温度都会比较接近，切换起来也不会有什么违和感。

如果不知道设置什么内容，也不用想得太复杂。写一句话介绍你的工作或身份，再写一句你想要的答案长度，就已经很有效了。哪怕只加一句“不用长篇说明，直接讲结论就行”，AI的回答方式都会明显不一样。

第三项，是模型选择。特别是Claude和Gemini，能根据用途切换模型。轻松的小问题用快速模型，复杂分析用高性能模型。如果一直用默认设置，连简单问题也会调沉重的模型，白等不少时间。

我自己会刻意在简单确认时用轻量模型，在资料深度读取或梳理结构时用重量级模型。刚开始觉得切换很麻烦，习惯后发现那不过就是几秒钟的事，反而大多数情况下都能感受到等待时间变短。

顺带一提，这三个设置都只需要第一次使用的时候弄一次，之后不用反复调整。所以只要一开始花个几分钟，之后就会一直很舒服。读完这篇文章，最好先一口气把这三项弄完。

这三项设置完了以后，使用体验会差很多。反过来说，要是连设置都不动，就直接下结论说“AI不过如此”，那也有点太早了。事实上，我身边那些说“试了AI但感觉一般般”的人，大多至少有三项里的哪一项没有设置。有时候，只要重新调好一个设置，整体印象就会完全改变。

设置完成后，就进入实战了。接下来讲一下怎么下指令。

第4章 让AI帮你想出好指令

关于“提示词”这个词，你听过吗？

它就是指给AI的指令。但一说到要学这个，人就会下意识地紧张起来。我以前也是。总觉得写指令有一套标准答案，然后我得背下来，每次都套用。我一开始真的以为是这样。

实际操作以后发现，根本不是那么回事。不如说，现在的主流思路是：直接把“怎么写指令”这件事交给AI。这里我分享两个我常用的技巧。会提到两个有点陌生的词，但操作本身都很简单。

第一个，是让AI帮你写“指令本身”。这个做法叫“元提示词”，但名字不用记。说白了就是跟AI说：“我大概想这样拜托，你帮我整理成更容易理解的表达方式。”

我是在想让AI出企划点子的时候开始用这招的。一开始我自己说“给我几个新企划的创意”，结果只回来三个无关痛痒的想法，当时挺失望的。

然后我换了一种问法：“我想让你帮我想新企划，但你能先帮我写一条更容易传达意思的指令吗？”结果AI反过来问我：“目标年龄层是什么？”“预算大概多少？”“你眼中什么算成功？”——把我自己都没说清楚的点，先帮我整理了一遍。之后再重新提问，出来的东西质量明显不一样了。

也就是说，就算你不擅长下指令也没关系。把笨拙的提问直接扔过去，然后跟AI说：“你教我怎么问更好”就行。光是这一招，新手和老手的差距就一下缩短了很多。

我身边常有人说“不知道应该问AI什么”。这些人有个共同点：他们想先把问法调整到完美再开口。其实反过来，干脆把“不知道怎么问”这个问题直接丢给AI就好。

第二个，是“反向提问”。就像字面意思，让AI反过来向你提问。做法是在请求最后加一句“在回答之前，如果有不清楚的地方，请先问我”。

有了这句话，AI就会先指出你前提里缺了什么。就像找人帮忙干活一样，比起上来就闷头做，先问清楚反而让人更安心。人和AI都一样。

对比一下具体效果。只说一句“帮我想一个下个月的活动企划”，AI在没有预算、没有人数的情况下，也会硬凑出一个看起来好像对的答案，结果列出来的内容往往不痛不痒。

但只要加上“不过回答之前，如果对预算、参加人数、活动目标有不清楚的地方，请先问我”——AI就会反问你：“预算大概多少？”“是内部活动还是对外活动？”等你回答完，它再进入正题。这样跑偏的概率就会大大降低。

我以前总觉得多加这句话很麻烦。但实际上，回答这些问题根本用不了1分钟。拿到一个根本不能用的点子再返工，时间才真的浪费。意识到这一点之后，我每次都带上这句话。

慢慢习惯了以后，就算不写出这句话，脑子里也会自动默认“AI看不到我的前提”，然后以这种方式去沟通。刚开始的时候，还是建议把这句话当口头禅一样加上。

再举一个更贴近日常的例子。想写一封给客户的道歉邮件时，我只要说“我想写一封道歉邮件，你能帮我把话说得更清楚一些吗？”AI就会反问：“你和对方是什么关系？”“问题有多严重？”我只需要回答，之后就自然它会整理出得体的文字。自己再去硬憋客套话的机会，基本上没有了。

这两种做法——让AI帮你想指令，以及让AI反过来提问——本质上都是在放下“我必须学会写漂亮指令”这个包袱。就算对写指令没信心，也可以让AI来追问你。与其努力当“提示词高手”，不如留出空间让AI来反问你，那反而更像是条捷径。

下一章，再往深走一步，讲讲怎么让回答的质量再上一层。

第5章 只要再多问一点点

上一章讲的是，把“下指令”这件事本身交给AI。这里我继续介绍几个让回答再深入一点小技巧。都一点都不高大上，只是多问一两个问题而已。

第一个，不要问一次就结束。用行话说叫“追问（Follow-up）”，说白了就是对着第一个回答继续往下问。

我以前也以为，问一次AI就会给出完美答案。现实是，往往要到第二三次对话才能慢慢靠近目标。找朋友商量事情的时候，也很少只问一句就完事吧？其实是一样的感觉。

比如你问“给我几个市场营销的手段”，AI会先给你五六个常规选项。在这就停手，那就是所谓的浅层用法。然后接着问：“这里面哪个最省钱？”来缩小范围。再问一句“做这个的时候，容易在哪里翻车？”往下挖。只需要多加这两个问题，原本泛泛的答案，就能慢慢长成一个能落地的方案。

第二个，用不同的视角问两遍。同一个问题，先拜托AI“请用数据和数字优先的视角来回答”，再问一次“这次请从使用者的感受和接受度来回答”，答案会很不一样。

我自己在考虑定价的时候用过这个方法。数字优先的回答是“需要比竞品便宜5%”，感受优先的回答则是“比起便宜，用户更在意的是你把选择的理由讲清楚”。两边都不算错，只看单方面的答案就容易漏。明明是同一个AI，却能获得像是问了两位专家一样的效果，这个方法我很喜欢。

第三个，重要的事情说两遍。指令一长，AI有时候会对后半段的内容不够重视。所以，特别需要遵守的条件，最好在指令的开头和结尾都写一遍。

比如你要让它总结资料时，先在最开始说“请总结这份资料，但数字绝对不能改”。等贴完资料，再补一句“总结这份资料的时候，数字一定要原样保留”。听起来可能有点啰嗦，但如果能防止它把数字改错，这点成本根本不算什么。

我自己就翻过一次车。让AI总结一份长资料，只在最后写了“日期不要改”。然后有一个日期就被改了。还好提交之前发现了，没出大事，但如果那样直接交出去，真的会很尴尬。从那以后，凡是涉及金额、日期的任务，我一定会把条件写在开头和结尾两处。

说实话，一开始我也会觉得“同一件事写两遍，又麻烦又看起来不聪明”。但和AI的对话本来就不是写给人看的文章，就算啰嗦一点，能把意思传达到才更重要。

以上这三件事——追问、换视角问两遍、重要事项说两遍——本质都是“不要一次对话就结束”的态度。你是一轮就收手，还是愿意来回3轮、5轮，答案的质量会完全不同。是否愿意在这里多花一点点时间，最后差别其实挺大的。

虽然前面聊的都是工作，但这些小技巧在生活里也很实用。我上周末决定去哪儿旅行的时候，先问“给我3个候选地”，然后追问“这里面哪个交通最方便？”，再补一句“如果下雨会怎么样？”做了保险。旅行计划也一样，别问一次就停，继续追问下去，当天束手无策的情况会少很多。

关键是别把AI当成“问一次就完”的东西。如果看到第一次回答就抱着“哦，也就这样”的态度收手，那很可能连它一半的潜力都没发挥出来。

这些方法试一两次可能还看不出明显效果。建议多用几回，看看它是不是真的溶入你的生活和工作。

接下来聊一聊，怎么又快又准地查资料。这里Gemini和Claude配合起来特别管用。

第6章 查资料既要快，也要准

我猜很多人会用AI查资料。但用法一粗糙，根本省不了时间。这里我把自己的实际调研流程分成三步介绍一下。

第一步，让多个AI查同一个问题，然后对比答案。ChatGPT、Claude和Gemini都有能上网搜集资料、生成较长报告的功能。如果只问一个AI，答案很容易被那家AI擅长的领域和更容易找到的信息带偏。

举一个我实际做过的例子。查某个行业的市场规模时，Gemini主要整理了公开统计和行业报告，来源很清楚；Claude则进一步讲了数字背后的行业背景和含义；同一个问题我也问了ChatGPT，它列了一些潜在竞争对手的服务，这是另外两家没有的角度。把三个答案摆在一起读，数字、背景、竞品三个角度一下都齐了，资料说服力也高了不少。

在开始用这种对比方法之前，我都是把某个AI的答案直接贴进资料。现在回头看，那时候做的内容，大概有一半都是偏颇的信息。

第二步，别把AI给出的数字和名字直接当真。AI有时候会一脸自信地讲错误信息。这一点我也是吃过几次亏才学乖的。

做法很简单：把AI给的数字或名字，用另一个AI或者搜索引擎再查一遍。我会问它“这个数字的来源是什么？”如果它说不出明确出处，那我就直接不用这个数字。多个AI一起用的时候，经常会出现这种情况：一个AI信誓旦旦地说错，拿另外一个AI一对比就发现问题了。这可能是同时用好几个AI最大的好处。

只信任一个AI的心情我也懂。答案顺顺当当出来的时候，看起来就是很真。但AI就算在说错的东西，口气照样会很肯定。请记住：语气有多笃定，和答案对不对，完全没关系。

以前我有一次向Claude问了一个统计数据，准备直接用到企划书里。数字整整齐齐，完全没有可疑的地方。但出于谨慎又多问了Gemini一遍，发现数字有点不一样。再重新查下来，才意识到两家用的都是过时数据，和最新的统计对不上。如果当时没有对比，我大概就把错数字直接写进资料了。

第三步，用Gemini Notebook这个工具来整理收集到的信息。其实它之前叫NotebookLM，2026年7月改名了。只是称呼变了，功能没变。这是Google提供的另一个免费工具，跟Gemini本体是分开的。把收集到的资料传上去，它会自动总结内容、梳理资料间的关系。2026年之后，语音讲解功能还新增了“重点聊某个话题”的指令。

我会在开车的时候用这个语音功能，把长调研资料再听一遍。一开始半信半疑，但发现它用两位AI对话的形式把内容拆解得很易懂，有些内容比用眼睛读更好吸收。移动时间一下子变成复习时间了。设定好“价格策略部分重点聊”，它就会把重点部分讲得更细，不会白白浪费时间。

这些也完全可以用在日常生活里，比如比较家电。我之前换洗衣机的时候，问了ChatGPT和Gemini关于两款机型口碑的问题。ChatGPT提炼了评测网站上常见的槽点，Gemini则根据搜索结果告诉我实际成交价格的范围。如果只问了一个AI，那肯定只会拿到其中一边的信息。

这套三步流程，在习惯之前可能会觉得麻烦。比起问一个AI就收工，手头的工作量确实变多了。但多个视角对过一遍之后，事后发现错误返工的次数会大大减少，整体算下来时间反而更省。按我自己的体感，前期多花了一倍功夫，后期用来修正的时间大概能降到原来的五分之一。

最后一章，来讲怎么把AI写的文字改得更像人写的。这篇文章本身，我也在用这套玩法。

第7章 把AI味很重的文字改得像人写的

让AI写文章，常常会变成一种说教式、干巴巴的机械感文字。我自己管这叫“AI味”。就是一读——“哦，这是AI写的吧”，就是那种感觉。

AI味重的文本通常有几个共同特征：同样的话反复出现；句尾全是清一色的“是”“了”；结构太规整，像“以下有3点”。这种东西一多，读者就会隐隐觉得不像人说话的声音。

我自己改的时候，主要盯三个地方。

第一，写的到底是谁在看。如果“对方”不明确，整篇文章就会变得很模糊。跟朋友聊天和跟第一次见面的人解释，用词当然完全不同。这个前提没定，文章就会变成谁都戳不中的悬浮感。

第二，句子的长短有没有变化。全是短句、或全是长句，读起来就会很机械。短句里穿插一两句稍长的句子，人味就有了。这一点看起来不起眼，实际效果很大。

第三，里面有没有感情。惊讶、困惑、开心……不写这些情绪，只列事实，文章很快就会变得索然无味。顺便说一句，这三点合在一起有时候会被称为CARTE，但名字完全没必要记。脑子里只放“对象”“节奏”“情绪”这三个词就够了。

举个例子。AI写的初稿是这样的：“本工具对提升业务效率有效。通过导入，可期待削减作业时间。目前已在众多企业推进导入。”语法没错，但读的时候听不见任何人的声音。

我改完会是这样：“这个工具引入之后，做资料的耗时大概少了一半。一开始半信半疑，但用了一周，我的想法彻底变了。”内容一样，但因为它变成了一种体验讲述，印象完全不同了。

就这样一次次修改，AI的草稿会慢慢变成自己的话。我并不是要全部手写重来，而是骨架让AI搭，血肉的部分用我自己的感觉去填。这对我来说是效率最高的方式。

刚开始的时候，你可能会不知道从哪里改起。那可以把草稿丢回给AI，问它：“这段话里，哪些地方读起来像AI写的？”它往往会很老实地指出来。让自己发现不了的问题，让AI来指出。这也是一种办法。

再说个更简单的小例子。让AI写感谢信，往往会得到一个“今天非常感谢您抽空会面。今后还请多多关照”这类没法挑错但谁都能用的答案。你只要往里面加一点当天真实发生的细节，印象马上会变：“今天您指了一条从车站过来的近路，帮了大忙。下次想请您喝杯茶道谢。”只加这么一句，就会变成像是专门写给这个人的话。在AI草稿里，放进去一件自己还记得的小事，这个效果其实很不错。

还有另一个很实操的方法，就是语音输入。把写好的文字朗读出来，就会发现很多用眼睛看时注意不到的生硬表达。我自己会用手机朗读功能，在发布前先粗略听一遍。这是小动作，但做和不做，文章完成度差很多。

讲个翻车的事。之前有次让Claude写一条长推文，内容本身不差。但回看时发现句尾全是“的”“了”“吧”，像在产品说明书。当时我没发现，就直接发了。结果反应淡得惊人，后来自己回头读才找到了问题。从那以后，我发布前一定会出声念一遍。

AI写的东西，别直接发出去。先经过一层“自己的话”的过滤网。这是用AI保持自己风格最简单的方法。

终章 把三个AI分开用，其实意味着什么

到这里，讲了我自己在实际用的区分方式，从价格、安全设置、提示词实战、提高搜索速度到整理文章风格。写得挺长的，最后简单回顾一下。

ChatGPT、Claude和Gemini各有各的性格。广度、思考深度、以及和现有服务的联动。用这三个轴来看，还挺好懂。

用法上，先定一个主力，需要的时候切到辅助。不用做什么复杂的事，就已经能跑得很顺了。为了安全使用要做的那几个设置——学习数据opt-out、自定义指令、模型选择——只要一开始做一次，之后就不用惦记。指令写得不够好，就让AI教你怎么问；想让回答更深入，就多追问几轮。查资料让几个AI查同一件事，再对比一下，错的地方也更容易暴露。AI写好的文字，先过一遍自己的语言过滤器再使用。这样列出来好像很多，但每一项其实都只是特别小的习惯。

回头看，这个“区分使用”的本质，并不是在比较AI本身的性能高低。不需要去凑“哪个AI最聪明”这种热闹。更重要其实是：你亲手试试看，自己工作的哪个部分，需要哪种性格的AI。这点比什么参数都关键。

我一开始想的是“把一个AI研究明白就够了”。但实际用下来才发现，手边有三个性格不同的AI，会帮我在一个AI看不到的角度上、一个AI挡不住的错误里，一次次被挽救。前面写到的统计数据的例子，如果只靠一个AI，我永远也发现不了问题。

不需要一开始就想着把三个AI全都用得完美。先挑一个主力，先熟悉它。等习惯了，再往旁边加一个辅助。这个节奏就够了。一心急着同时用好三个，最后往往哪一个都半吊子。我自己就是，慢慢来反而比较刚好。

AI这个领域，这篇文章里写的内容，过几个月大概又会变。价格方案、模型名字、功能名称，肯定和现在不一样。但“一边比较多个AI一边使用”这件事本身，我觉得会在相当长的一段时间里，成为一条不太会变的基本方法。

最后再说一点。如果你读到这里还是觉得“有些地方好难”，那就先跳过也没关系。不需要一次全记住。先去开一个平时不常用的AI，哪怕只是免费版也行。从那里开始，就已经很足够了。

我自己也是这么过来的，所以我很清楚。只要能跨出最开始那一步，后边通常很快就习惯了。保持现在在用的AI页面开着，再去旁边开另一个AI的标签页。光是这个动作，这篇文章里说的一半，其实你已经开始体验了。

我平时也会在X上写关于Claude和其他AI工具的熟练用法。欢迎关注。（X账号名）

如果这篇文章能帮你找到自己的使用分工，我会很开心。也欢迎在评论区分享你的感受。

当你已经能熟练使用AI之后

看到这里，可能有人想说“那我试试Claude”。可真要继续做公开输出，又会撞到下一堵墙。

“发了很多却没什么反应”“不知道改哪里才好”“信息越收集，事情反而越来越多”

就算AI工具用熟了，如果公开输出这件事本身卡住了，还是会停在原地。

所以，我在官方LINE里，准备了一份叫「3分钟诊断」的东西，帮你把手头的问题收敛到一点上——在X运营中卡住的关键。

它会根据内容、资料页、置顶帖、输出主题、持续度，这5个类型诊断你目前的状态，甚至会具体到“今天30分钟内能做的一件事”。你不需要一下子把什么都改掉。先挑一项试7天，再回来重新诊断。就这样而已。

如果你想少走点弯路，先找到那个该改的一个点，然后行动起来，可以点下面的链接。