实践正文
AI 工具栈选用：搜索、深研、文件、代码与多模型对照
按任务选工具层级：标准生成、搜索、深度研究、文件与代码解释、多模型对照；深研输出只当初稿。
AI 工具栈选用：搜索、深研、文件、代码与多模型对照
原则：用对层级、用对工具、保持上下文干净。不是默认上最贵模型。
决策树（简化）
任务是什么？
├─ 改写 / 草稿 / 解释 → 标准生成即可
├─ 需要最新信息 → 搜索（并核验来源）
├─ 需要综合大量公开材料 → 深度研究（当且仅当初稿）
├─ 有文档 / 截图 → 上传或 OCR：先转录再分析
├─ 复杂计算 / 表分析 → 代码解释器（审查代码与假设）
├─ 逻辑很难 / 多步推理失败 → 再考虑「思考型」模式
└─ 高代价决策 → 2–3 个模型对照后人工综合工具与触发条件
| 能力 | 何时用 | 注意 |
|---|---|---|
| 标准对话 | 结构清晰、错误成本低 | 仍要抽查事实 |
| 联网搜索 | 政策、版本、新闻、价格区间 | 点开原文；标日期 |
| 深度研究 | 需读大量公开页才能起稿 | 初稿；数字最易错 |
| 文件理解 | PDF/纪要/报告 | 先确认模型理解范围 |
| 代码/计算 | 统计、清洗、图表 | 审查假设与单位 |
| 多模型对照 | 方案争议、重要判断 | 比差异，不迷信票数 |
思考型模式
适合： 多步逻辑、难 bug、复杂取舍
不适合： 简单改写、日常摘要（更慢更贵，收益小）
策略： 标准模型先试 → 失败再升级
深度研究使用规范
使用前：
- 问题角度写清（要比较什么、给谁看）
- 边界写清（只要公开信息 / 不要猜测）
使用后（必做）：
- 点开关键引用核对
- 表格与数字单独核查
- 列出可能遗漏的视角
- 再进入你的结构与结论
多模型「委员会」
同一问题问 2–3 个不同产品线模型 → 对照冲突点 → 你拍板。
价值是暴露偏差，不是投票替代责任。
与分流页的分工
完成标准
- 能说明本次任务为什么选这一工具组合
- 深研/搜索结论有核验痕迹
- 重要决策有对照记录或明确「单模型 + 人工」理由
风险边界
- 产品名称、配额、功能入口变化快；以你账号当期界面为准
- 不引用无法复核的「准确率提升 xx%」
- 外部排行榜仅供参考，对客结论不绑榜单
内容反馈
如果这篇内容有问题，请直接指出。反馈会用于改写母版派生稿，不会自动改知识库原文。