AI 工具库

每天在 IDE 写代码就优先 Cursor；需要终端、测试和多文件长任务时，看 Claude Code、Codex CLI、Continue。

开放任务可以用通用 Agent，但稳定交付一定要拆成调研、执行、检查三段。

需要会看 diff、会跑测试、能给清楚边界；模糊需求不适合一次性全丢进去。

资料很多、文件很多、需要在终端里批量处理时，比网页聊天更顺手。

找来源先用 Perplexity；深加工、写作、推理和改文档用 ChatGPT。

资料位置、AI 功能、迁移成本要一起看；迁移成本常常比功能差距更重要。

AI PPT 用来出骨架和初稿，正式交付前必须人工改逻辑、数据和版式。

免费工具可用于试风格和日常配图，商用前检查授权、稳定性和导出限制。

任何高频调用的 AI 功能上线前都应该先粗算成本。

先判断材料能不能塞进上下文，再决定模型和 RAG 方案。

用于比较 ChatGPT、Claude、Gemini、DeepSeek 和本地模型。

下载模型前先判断显存、上下文和 offload，不然很容易下载完才发现跑不动。

输入电脑配置后，直接从常见开放权重大模型里筛出能跑、勉强、暂不建议的候选。

想要稳定输出时，不要每次临场写提示词，用模板化结构。

先判断任务是否固定、是否需要工具、是否给团队用，再选 Agent 技术栈。

知识库效果差不一定是模型问题，chunk、召回和重叠要先调。

采购 AI 软件前，先算节省的人力成本、第一年 ROI 和回本周期。

比较供应商报价或申请年度 AI 软件预算前，先把席位、使用量、实施、集成、安全、培训和运维总成本算清。

找 AI 实施伙伴或比较专业服务报价前，先把流程、集成、数据、安全、测试、培训和上线支持成本估清。

比较 AI 软件供应商前，按价值、集成、安全、成本和试点证据做加权评分。

AI 工具从试点走向企业扩展前，先检查治理、数据、供应商、人工复核和监控是否就绪。

写 AI 软件 RFP 前，先把工作流、数据、集成、治理和试点要求生成可复用段落。

做 Agent 或自动化流程前，先算运行量、成功率、维护成本和值不值得做。

发票量上来后，先算人工审核、异常处理和软件成本，再判断 AP 自动化是否值得买。

买 AI 客服或语音 Agent 前，先算自动化比例、人工节省、变量成本和净收益。