独立开发者 / 小团队
适合: 要把 AI 功能接进真实产品、内部工具或原型项目的人。
帮你决定: 先确定编程助手形态,再估算 API 成本,最后决定模型与 Agent 技术栈。
AI TOOL WORKBENCH
按写代码、做 Agent、查资料、知识库、本地部署、生成图片/PPT 等场景整理。先筛出任务,再看工具百科、替代品对比和成本计算器。
工具百科/替代品
可用决策小工具
核心使用场景
Practical Stacks
先从你真正要完成的任务开始,再把百科、替代品对比、模型榜和计算器串起来。
适合: 要把 AI 功能接进真实产品、内部工具或原型项目的人。
帮你决定: 先确定编程助手形态,再估算 API 成本,最后决定模型与 Agent 技术栈。
适合: 需要找来源、做竞品扫描、整理资料和输出报告的读者。
帮你决定: 把搜索、来源核验、Agent 执行和提示词生成拆清楚,减少幻觉和重复劳动。
适合: 要处理内部文档、私有数据、本地部署和 RAG 问答的团队。
帮你决定: 先判断文档切分与上下文,再核算本地硬件和部署成本。
适合: 要做文章、课程、PPT、封面图、短视频脚本和图文内容的人。
帮你决定: 把资料搜索、初稿生成、PPT 和图片工具串成稳定生产流程。
适合: 要在 ChatGPT、Claude、Gemini、开源模型之间做取舍的产品和工程团队。
帮你决定: 用加权榜缩小候选,再按场景、速度、成本和部署约束做最后判断。
当前最佳入口
根据你的筛选和关键词实时变化: 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。
任务对比
如果你不知道该搜什么,先从任务开始。下面每一行都给出最先打开的页面、判断原因和风险提醒。
| 任务 | 先看 | 为什么 | 注意 | 打开 |
|---|---|---|---|---|
写代码、修 bug、改项目 代码开发Agent 自动化 | Cursor 替代品 + Claude Code 教程 | 先判断你需要 IDE 补全、仓库级 Agent,还是能跑测试的终端协作。 | 公司代码、私有仓库和自动提交必须看数据策略和 review 流程。 | 比较代码助手 |
调研、找来源、写报告 搜索研究Agent 自动化 | Perplexity 和 ChatGPT 区别 | 搜索来源和深度写作是两类任务,混在一起会降低可复查性。 | 重要结论要保留来源链接,不要只复制模型总结。 | 选择搜索工具 |
私有文档问答 / RAG 知识库 | RAG chunk size 计算器 | 知识库效果经常卡在切分、重叠、召回数量,而不是模型本身。 | 先测一小批真实文档,再决定向量库和模型。 | 计算 chunk |
本地部署或私有化 本地部署成本预算 | 本地开源大模型适配器 | 先按电脑配置筛出能跑的模型,再细算显存、量化和上下文。 | 本地不等于免费,硬件、延迟、维护和权限都要算。 | 筛本地模型 |
PPT、图片、文章和课程内容 内容创作搜索研究 | 最好的 AI PPT 工具 | 内容生产要分成资料、结构、视觉和导出,不要只看生成效果。 | 商用前检查图片版权、字体、品牌规范和导出质量。 | 选择内容工具 |
上线 AI 产品功能 成本预算搜索研究 | AI API 成本计算器 + 综合模型榜 | 上线前要同时看能力、价格、延迟、上下文、失败恢复和数据策略。 | 不要用榜单第一直接上线,必须按真实流量估算月费。 | 估算成本 |
在多个大模型之间做选择 搜索研究本地部署 | 综合模型榜 | 先用加权榜缩小范围,再按写作、代码、RAG、本地部署分场景判断。 | 单一榜单不能代表你的任务,必须看价格和实际约束。 | 打开榜单 |
Workflow Recipes
把工具页串成可执行路径:先判断,再比较,最后用计算器落地。
实用价值: 减少盲买工具和反复切换,适合真实工程团队。
实用价值: 直接补上知识库最常见的失败点:切分、召回、成本和私有化。
实用价值: 适合产品、内容工具、客服 Bot、企业内部助手上线前决策。
当前结果
把 Cursor 放到真实开发流程里比较:代码补全、仓库理解、终端修改、价格和团队协作。
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。
比较 Manus 类通用 Agent 的真实用途:调研、整理资料、跑网页任务、生成报告和自动执行流程。
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。
面向工程师的 Claude Code 入门:适合什么任务,怎么写需求,如何让它改文件、跑测试和复盘。
适合会看 diff、会跑测试、能给清楚边界的开发者,不适合把模糊需求一次性全丢进去。
用命令行处理长文档、代码库和批量文本任务时,Gemini CLI 适合放在哪一步。
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。
不是谁更强,而是哪一个更适合你的任务:找来源、写方案、做总结、问复杂问题。
找来源先用 Perplexity;深加工、写作、推理和改文档用 ChatGPT。
围绕知识整理场景比较 Notion AI、飞书、Obsidian、Tana、Mem 和本地知识库方案。
先看资料本来在哪里,再看 AI 功能;迁移成本常常比功能差距更重要。
AI PPT 工具不要只看一键生成,还要看结构、审美、可编辑性、中文字体和导出质量。
AI PPT 适合出骨架和初稿,正式交付前必须人工改逻辑、数据和版式。
免费 AI 图片工具要看额度、版权、中文理解、风格稳定性和是否适合商用。
免费工具适合试风格和日常配图,商用前一定看授权、稳定性和导出限制。
估算一次产品调用、一天调用量和一个月预算,适合做上线前的粗算。
任何高频调用的 AI 功能上线前都应该先粗算成本。
把 token、中文字符、英文单词和页数换算到一个容易理解的尺度。
先判断材料能不能塞进上下文,再决定模型和 RAG 方案。
按写作、代码、知识库、本地部署、图片和视频场景给出选型建议。
不知道选 ChatGPT、Claude、Gemini、DeepSeek 还是本地模型时,从这里开始。
根据显存、模型参数、量化方式、上下文和 CPU offload 粗略判断能不能跑。
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。
输入电脑内存/显存、量化和用途,筛出常见本地开放权重大模型中哪些能跑、哪些勉强、哪些不建议。
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。
把目标、材料、口吻和输出格式整理成一段能直接使用的提示词。
想要稳定输出时,不要每次临场写提示词,用模板化结构。
根据任务是否固定、是否需要工具、是否给团队用,推荐更合适的 Agent 方案。
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。
按文档类型和模型上下文,给出 chunk 大小、重叠和召回数量建议。
知识库效果差不一定是模型问题,chunk、召回和重叠要先调。
Decision Matrix
先看任务,再决定用百科、替代品对比还是计算器。
先看 Cursor 替代品,再看 Claude Code 教程。
先看 Perplexity 和 ChatGPT 区别,再用 Agent 类工具处理资料。
先看 RAG chunk 计算器,再看 Dify 和知识库相关路径。
先用本地开源大模型适配器,再看 GPU 本地部署兼容性计算器。
先看 AI PPT 工具和免费图片生成工具,再检查版权和导出。
先用 API 成本计算器,再用模型选择器缩小候选模型。