前言
今年很多人都在讨论:ChatGPT、Claude、Gemini,到底谁最强?
其实这个问题没法回答。
因为真正影响效率的,从来不是模型,而是用法。
以前我也是一个AI来回问,写方案问它、查资料问它、润色还问它,一篇文章能反复修改十几遍。
后来直接换了工作流:不同AI干不同的活。
效率高了不少,结果也稳定得多。
ChatGPT:负责从0到1
只要是一个新任务,我都会先丢给ChatGPT。
比如:
写文章
做产品方案
设计功能
学习新知识
它最大的价值不是直接给答案,而是帮你把脑子里的想法整理出来。
我最常用的一句提示词就是:
帮我把这个主题拆成几个模块,并说明每个模块分别解决什么问题。
拿到框架之后,我再根据自己的经验调整。
这样得到的是一份可执行的大纲,而不是一篇想到哪写到哪的正文。
我一般让ChatGPT负责:
文章提纲
产品规划
项目拆解
学习路线
Prompt初稿
Claude:负责优化内容
第一版出来以后,我基本都会再过一遍Claude。
原因很简单。
它不像ChatGPT那么喜欢发挥,更像一个经验丰富的编辑。
我一般只让它做几件事:
删除废话
调整逻辑
优化表达
统一语气
检查前后是否矛盾
尤其几千字以上的长文,Claude经常能发现很多自己没注意到的问题。
我最常用的提示词只有一句:
不改变核心观点,只优化逻辑、表达和阅读体验。
Gemini:负责挑毛病
最后一步,我会把最终版本再发给Gemini。
不是让它重写,而是让它挑刺。
例如:
有没有遗漏?
有没有事实错误?
有没有更好的案例?
如果是你,你还会怎么改?
很多时候,它提的建议不一定全会采用。
但只要有一两条有价值,就已经赚了。
我最常用的提示词是:
如果这是你的方案,你会怎么改?请重点指出遗漏和不足,不要整体重写。
查资料,千万别只问一个AI
这是我觉得很多人最容易踩坑的地方。
不少人打开ChatGPT,问一个问题,看完答案就信了。
其实越是查资料,越不能只问一个AI。
我的做法一直都是:同一个问题,同时发给ChatGPT、Claude、Gemini。
因为三个模型的训练数据、知识覆盖和推理方式都不一样。
真正值得参考的,不是谁说得最好,而是哪些内容被多个AI反复提到。
举个例子。
如果我要开发一款新的App,我不会直接问:
有没有值得做的App方向?
这种问题太大,回答也比较泛。
我通常会拆成几个具体的问题:
推荐几款APP市场调研工具,并说明分别适合哪些人。
哪些工具可以查看APP下载量、收入和竞品数据?
如果我是独立开发者,预算有限,应该优先用哪些平台?
然后把这几个问题,同时发给ChatGPT、Claude和Gemini。
得到的结果大概会像这样:
| ChatGPT | Claude | Gemini |
|---|---|---|
| Appark、Sensor Tower、AppMagic、data.ai | Appark、AppMagic、七麦数据 | Sensor Tower、Appark、AppTweak |
这时候不要急着选。
先看哪些工具反复出现,再看每个AI补充的信息。
一般来说,ChatGPT介绍比较全面;Claude更喜欢分析适用场景;Gemini则经常补充一些新的产品或功能。
如果涉及下载量、收入、竞品这类数据,我一般还会去对应的平台自己验证一遍。例如Appark可以查看 App Store 和 Google Play 的下载排行、收入排行、发行商排行以及竞品数据,比较适合做前期市场调研。
这样得到的信息,比只问一个AI靠谱得多。
一套我一直在用的AI工作流
总结下来,其实就四步。
第一步:ChatGPT搭框架。
第二步:Claude优化内容。
第三步:Gemini查漏补缺。
第四步:根据实际需求,再用专业工具验证信息。
基本上,我写文章、做产品方案、查资料、学习新东西,都是这套流程。
总结
现在我已经不去回答哪个AI最强了。
因为真正拉开效率差距的,不是模型,而是工作流。
把最擅长规划的去做规划,把最擅长优化的去改内容,把最擅长补充的去查漏,再根据实际需求验证信息——别让一个AI什么都干。
用好它们各自的优势,比反复追问同一个效率高得多,结果也更稳定。