GPT写初稿、Claude改结构、Gemini查资料：我的AI分工体系
一只阿木木约 6 分钟GPT写初稿、Claude改结构、Gemini查资料：我的AI分工体系
关键词：ChatGPT、Claude、Gemini、AI协同、多模型使用、AI工作流
我现在同时用着5个AI工具：
• ChatGPT • Claude • Gemini • Perplexity • Kimi
有朋友问我：用一个不就够了吗？为什么搞这么复杂？
我的回答是：
每个AI都有自己的长板，用对了场景效率翻倍；用错了场景，浪费时间。
今天把我的多AI协同工作流分享出来。
一、先搞清楚：各AI的能力边界
不是我要用5个AI，是因为每个AI的能力模型不同。
这是我实测后总结的能力对比表：
简单总结：
• ChatGPT：创意最强，反应最快，适合头脑风暴 • Claude：逻辑最强，中文最好，适合深度写作和分析 • Gemini：搜索整合能力强，适合需要实时信息的任务 • Perplexity：专业搜索引擎，适合研究型任务 • Kimi：超长上下文，适合处理长文档
这就是我用多个AI的原因：扬长避短，各取所需。
二、我的多AI协同工作流
说完能力边界，下面分享具体工作流。
我按任务类型来划分。
场景1：写一篇深度长文
这是我用得最多的场景，工作流如下：
text
第1步：ChatGPT → 头脑风暴，生成选题和大纲
第2步：Perplexity → 搜索资料，补充素材
第3步：Claude → 基于大纲，分段写作
第4步：ChatGPT → 优化标题，增加创意细节
第5步：Claude → 最终审稿，统一风格为什么这样安排？
第1步用ChatGPT：它的创意发散能力最强。
给它一个主题，它能生成10个不同角度的选题。
选定后让它生成大纲，往往能给出意想不到的结构。
第2步用Perplexity：写文章需要数据、案例、引用。
Perplexity能搜索实时信息，并给出来源链接。
比直接用Google效率高很多。
第3步用Claude：真正开始写作时，Claude最可靠。
它的中文表达最自然，逻辑最清晰，不容易写着写着就跑偏。
而且单次输出可以很长，适合写深度内容。
第4步用ChatGPT：文章主体写完后，让ChatGPT帮忙优化。
它擅长加入创意性的表达、更吸引人的标题、更有画面感的细节。
第5步用Claude：最终校对统一风格。
因为前面用了两个AI，风格可能不一致。
让Claude做最后的统稿，确保全文风格统一。
实际案例：
这篇文章就是这样写的。
• ChatGPT给的大纲建议 • Perplexity搜的模型对比数据 • Claude写的主体内容 • ChatGPT优化的标题 • Claude做的最终审稿
场景2：研究一个新领域
当我要快速了解一个陌生领域时：
text
第1步：Perplexity → 搜索领域概况，获取入门资料
第2步：Kimi → 阅读长文档，快速提炼要点
第3步：Claude → 深度对话，建立知识框架
第4步：ChatGPT → 发散思考，找到独特角度实际案例：
上个月我要研究"AI Agent"这个方向。
• Perplexity：搜索"AI Agent是什么""2024 AI Agent发展现状"，获取了20篇核心文章 • Kimi：把这些文章喂给Kimi，让它帮我总结每篇的核心观点（Kimi支持超长上下文） • Claude：带着初步了解和Kimi的总结，和Claude深度对话2小时，建立了完整的认知框架 • ChatGPT：问它"如果要写一篇与众不同的AI Agent分析，可以从什么角度切入"，获得了3个很棒的选题方向
整个过程大约4小时，从零到对这个领域有了比较深入的理解。
场景3：处理一份长文档
当我需要处理一份几万字的文档（论文、报告、书籍）：
text
第1步：Kimi/Claude → 上传文档，生成摘要
第2步：Kimi/Claude → 问答对话，提取关键信息
第3步：Obsidian + Claude → 整理成结构化笔记为什么用Kimi或Claude？
因为它们支持的上下文长度最大。
Kimi可以处理20万字的文档，Claude也能处理10万字以上。
ChatGPT的上下文窗口相对较小，处理长文档时容易丢失信息。
场景4：代码相关任务
text
写代码 → ChatGPT（最强）
Debug → ChatGPT + Claude（交叉验证）
解释代码 → Claude（解释最清晰）ChatGPT的代码能力确实是最强的，特别是GPT-4o。
但写完代码后，我会同时问Claude一遍，做交叉验证。
两个AI都觉得没问题，才真正放心。
场景5：日常快速问答
简单问题，用谁都行。
但我通常：
• 需要创意/灵感 → ChatGPT • 需要准确信息 → Claude • 需要实时信息 → Perplexity/Gemini • 需要处理中文 → Claude/Kimi
三、多AI协同的实操技巧
分享几个提高效率的技巧：
技巧1：上下文传递
不同AI之间交接时，要做好上下文传递。
不要假设第二个AI知道你之前和第一个AI聊了什么。
错误做法：
text
[在ChatGPT生成大纲后，切换到Claude]
"帮我写第一章"Claude不知道大纲是什么，会乱写。
正确做法：
text
[在ChatGPT生成大纲后，切换到Claude]
"我正在写一篇关于[主题]的文章，大纲如下：
[粘贴大纲]
请帮我基于这个大纲，展开写第一章。要求：..."把上下文完整传递过去，第二个AI才能接得上。
技巧2：批量操作
如果有多个小任务，可以批量给AI。
比如我有10个标题需要优化：
低效做法：一个一个问，来回10次
高效做法：
text
请帮我优化以下10个标题，让它们更吸引眼球：
1. [标题1]
2. [标题2]
...
3. [标题10]
每个标题请给出2-3个优化版本。一次搞定。
技巧3：多窗口并行
我通常同时开着3-4个AI的窗口。
长任务给Claude跑着，同时用ChatGPT做其他事。
等Claude生成完了，再回来继续。
不要傻等。
技巧4：结果整合
多个AI的输出可能有冲突或重复。
最后一定要人工整合，不能直接拼接。
我通常用Claude做最终整合：
text
以下是我从不同来源收集的关于[主题]的信息，请帮我整合成一份结构清晰、不重复的报告：
来源1：[内容]
来源2：[内容]
来源3：[内容]四、成本控制
用多个AI会不会很贵？
分享一下我的成本控制策略：
1. 免费额度先用完
• ChatGPT 4o-mini：免费版每天有一定额度 • Claude：免费版每天也能用不少 • Gemini：免费版非常慷慨 • Perplexity：免费版每天5次Pro搜索 • Kimi：免费版上下文很长
日常任务，免费额度基本够用。
2. 大任务才用付费
只有写长文、处理长文档这种"大任务"，才用付费版。
日常小问题用免费版就行。
3. 选对模型
同一个平台，不同模型价格差很多。
简单任务用GPT-4o-mini，复杂任务才用GPT-4o。
能用便宜模型解决的，就不用贵的。
我现在每月在AI上的花费大约100-200元，但产出效率提升了5-10倍。
ROI非常高。
五、Q&A
Q：感觉好复杂，能不能只用一个AI？
A：当然可以。如果你刚开始用AI，专注用好一个就够了。
推荐从Claude开始，它最均衡。
等你用熟了，自然会发现它的边界，那时候再引入其他AI。
Q：AI更新那么快，这个对比会不会很快过时？
A：确实会。每个季度各家都在更新。
但核心逻辑不变：不同AI有不同长处，匹配场景使用。
具体的能力对比，你可以自己测试更新。
Q：能不能分享具体的Prompt？
A：这个后面会专门写一篇。敬请期待。
行动建议：
这周试试多AI协同。
选一个你正在做的任务，按照我分享的工作流，用2-3个AI配合完成。
感受一下效率的提升。
点赞+在看，第一时间收到更新。