现象：AI 工具越来越多，选择反而更难
和小伙伴聊天，大家的状态都差不多：ChatGPT、Claude、Gemini、Grok 一个比一个强，订阅交了好几家，真到干活的时候反而不知道用哪个。2026 年英文圈讨论 AI 工作流的文章明显变多，但翻来翻去，共识其实很简单——不是选“最好的 AI”，而是给每个任务找到“最顺手的 AI”。我的答案这两年一直没变：实时调研用 Perplexity，其他生产类任务的主力是 Claude。
为什么 Claude 成为我的主力
我的用法是分层的。要实时抓网络信息、查最新数据，我用 Perplexity，它的联网检索确实强；而写文章、写文案、做表格、读图、分析数据、画曲线图、设计 Landing Page、小规模写代码，这些“生产类”任务基本都交给 Claude。2026 年的 Claude 在长文档写作和前端输出上依然是我用过最省心的：提示词给得细一点，出来就是完成度很高的成品，返工少。GPT 那些我也还在用，但只是针对特定任务临时上场——工具没有高下之分，只有顺不顺手，顺手了就不想换。
怎么做：搭一套自己的 AI 分工
三步就能搭起来。第一，把任务分类：哪些是“调研类”（答案会过期的，比如实时数据、最新资讯），哪些是“生产类”（要输出成品的，比如文案、表格、页面、代码），分类标准就是“答案会不会过期”。第二，给每类任务固定工具，别一天换一个：我调研固定 Perplexity，生产固定 Claude，其他模型只在特定场景补充。第三，把常用提示词沉淀下来，尤其是配合 Artifacts 用的那套：需求、目标用户、输出格式、参考案例写清楚，一个拿来即用的 Landing Page 十几分钟就能出来，配色都给你配好。
常见的坑：把 AI 当“全能选手”
最大的坑，是把一个模型当全能选手，什么任务都丢给它。现实是每个模型都有自己的强项和短板，硬用短处干长处的活，结果就是一遍遍返工。第二个坑是提示词太随意：同一个模型，提示词给得粗和给得细，产出差距是数量级的，别怪模型不行，先看看自己有没有把需求说清楚。第三个坑是工具换得太勤——2026 年模型迭代很快，但工作流的价值在于稳定，频繁切换等于每次重新磨合，效率全浪费在适应上了。
铲子铺观点
我们做独立站内容，AI 不是用来“替代”谁的，是用来把重复劳动干掉、把时间留给判断的。我的组合很简单：Perplexity 负责“查”，Claude 负责“做”，其他模型按需补充，用了两年基本没换过。给客户做站，我也建议同样的思路——先固定分工，再优化提示词，最后才是换工具。工具会一直更新，但“查和做分开、提示词沉淀、流程稳定”这三条，2026 年依然管用。
站长 · 关于本文
Ray Chan