#工具与模型

选择 AI 工具时，先看任务和约束，再看模型能力。参数、榜单和演示效果只能作为参考，不能替代你自己的验收。

#先确定四件事

• 输入是什么：文本、文件、网页、图片，还是需要调用外部系统。
• 输出是什么：一段回答、结构化数据、代码，还是需要执行操作的 Agent。
• 哪里不能出错：事实准确性、格式、隐私、权限或成本。
• 可以接受多少成本：调用费用、等待时间，以及人工复核的时间。

#比较维度

1. 输出质量：用你自己的真实样例测试，而不是只看看演示。
2. 稳定性：相同输入重复执行时，格式和结论是否可控。
3. 上下文能力：能否处理你实际需要的文件长度和资料数量。
4. 工具调用：是否需要搜索、读写文件、访问数据库或执行代码。
5. 成本与限制：调用价格、速率限制、数据保留策略和可用地区。

#一个简单的选型流程

先选一个真实但风险较低的任务，准备三到五个代表性输入。用一个最小提示词分别测试候选模型，记录输出质量、失败方式和人工修正时间。只有在测试结果接近时，再比较价格和速度。

如果任务需要稳定格式，优先测试结构化输出和校验能力；如果任务需要最新信息，优先确认搜索和数据来源；如果任务涉及权限或外部操作，先确认工具调用和审计能力。

#常见误区

• 用排行榜代替自己的任务测试。
• 只看一次成功案例，不考虑重复执行时的波动。
• 为了使用新工具，给一个本来不需要 AI 的任务增加复杂度。
• 忽略人工检查、数据隐私和调用成本。