|
|
2026_0713_1128_v2ex 分享,AI 工具经验
写在前面
新人初来乍到，穷则独善其身，达则兼济天下。准备在 v 站输出一些对网络有益的信息。第一篇，不打算分享有主观成分的东西，就分享一个技术经验帖吧
本人作为互联网 8 年中登，主业全栈开发（先后就职过：老牌大厂、独角兽公司、资本充足的创业公司、草根创业团队），副业投机交易初入正轨。
26 年绝对是 AI 发展意义重大的一年，如果 25 年对 AI 工具还持有保留意见，可以暂且认为你这个人比较保守；如果到了 26 年还没有让 AI 工具融合到你的日常工作生活，那就开始有落后的嫌疑了。。。
本帖分享一些自己最近对 AI 工具的使用经验，希望能帮大家在探索 AI 的路上节约一些时间
正文
强调：本文以分享我个人使用 AI 工具的场景为主：学习科普、编程、投机交易。其他场景如图文、视频处理，不在我的主要工作范围内，本文参考意义可能有限。
大纲
AI 工具总览
Cursor：个人目前使用频率最高、最稳定、性价比最高的 AI 工具
Claude：前沿 AI 能力，处理复杂任务时使用
Gemini：Google Chrome 辅助使用
Paseo：一线 AI 用户们的玩法，信息来自硅谷圈子
AI 工具总览
claude 给出的 AI“六大主流模型”对比（ 2026 年 7 月 13 日）：
模型
优势
劣势
API 价格(输入/输出,每百万 token)
订阅价
GPT-5.6(OpenAI)
日常聊天与助理任务最佳,编程/生物/网安能力全面提升,生态最大
高强度使用成本高
Terra 档 $2.50/$15
Plus $20/月,Pro $100-200/月
Claude Opus 4.8(Anthropic)
长程 Agent 推理最强,结构化长文写作,综合智能指数登顶
不支持图像生成
$5/$25
Pro $20/月
Claude Fable 5(Anthropic)
编程能力断层第一(80.3% SWE-Bench Pro),超长自主任务表现最好
全场最贵,订阅计划不含,需按 API 单独付费
$10/$50
不含在订阅内
Gemini 3.5 Flash(Google)
闭源阵营性价比之王,多模态最强(视频/音频),100 万上下文
深度推理不如旗舰模型
$1.50/$9
Advanced $19.99/月
Grok 4.5(xAI)
编程性价比极高,Cursor 训练血统,实时 X 数据
综合智能排名第 4,SWE-Bench Pro(64.7%)低于 Opus
$2/$6
SuperGrok $30/月
DeepSeek V4(DeepSeek)
开源可自托管,性价比碾压级,MIT 协议,支持 100 万上下文的 Flash 版仅 $0.14/$0.28
需自建基础设施才能拿到最佳性价比,数据合规需自行评估
V4-Pro 约 $0.28,V4-Flash $0.14/$0.28
网页版免费
AI 模型的迭代速度非常快，尤其是进入 7 月后，大新闻不断：
Claude Fable 5 于 7 月 1 日恢复访问,重新夺回编程能力最强的位置(SWE-Bench Pro 80.3%,目前可用模型中最高)。
GPT-5.6 于 7 月 9 日成为 ChatGPT 新默认模型。
xAI 于 7 月 8 日发布 Grok 4.5,主打编程和高性价比。
Meta 于 7 月 9 日发布首个付费模型 Muse Spark 1.1 。
另外一个大新闻:
SpaceX 宣布以 600 亿美元全股票收购 Cursor 母公司 Anysphere,预计三季度完成,交易完成后 Cursor 将成为 SpaceX 子公司,能接入 xAI 的 Colossus 算力基础设施。
也就是昨天（ 7 月 12 日）晚上，我发现 Cursor 的默认模型，在之前高性价比 auto 模式的基础上，并列多出了一个‘Cursor Grok 4.5 High Fast’。暂且认为是 SpaceX 收购后变得不差钱了，升级了之前的 auto 和 Composer2.5 。
Cursor：个人目前使用频率最高、最稳定、性价比最高的 AI 工具
最大的特点：
1 、不用翻墙就能正常使用（国内网络直连基本稳）
2 、性价比高：里面嵌入了几乎所有主流大模型（不过 Pro 版本 token 有限，重度 Agent 会烧得比较快，基本上 5 个非常深度的会话就用完了）
3 、工作流闭环完整：写代码、改代码、跑命令、读报错、提交 PR ，基本可以在一个窗口里完成
我的实际用法（按场景）：
日常写代码 / 修 bug：Cursor 的写代码体验目前是我用下来觉得最丝滑的。默认用 Auto 或 Composer 2.5 （今天开始主要用 Cursor Grok 4.5 High Fast ），快、便宜、够用。80% 的任务到这一档就结束了。
复杂重构 / 跨多文件改动：切 Claude Opus 4.8 ，我一般先让它出 Plan ，再进 Agent 执行。
读陌生代码库：Ask / 只读模式先摸清结构，再动手。否则 Agent 很容易“很自信地改错地方”。
使用建议（踩坑后总结）：
人做裁判，AI 跑闭环：现在真正耗时间的不是“会不会写”，而是“审美、核对、边界条件、是否可上线”。AI 越强，你越要会验收。
一次只给一个清晰目标：模糊需求 = 模糊交付。最好写清：输入、输出、约束、验收标准。
先小后大：先让它改一个文件 / 写一个函数验证方向，再放大到整模块。
Rules / Skills 很值钱：把你的项目约定、提交规范、常用工作流固化进去，比每次口头重复提示词高效得多。
别迷信“一次生成完美代码”：生成 → 跑 → 看报错 → 再修，这才是常态。Loop 本身就是生产力。
订阅建议：
如果主要做开发，Cursor Pro 几乎是当前性价比最高的入口之一。某宝有代充，我会用一个月的成品号，选了一家店，已经稳定用了七八个月了。
如果不做开发，日常用来做推理、科普、文案、数据类任务，我认为 Cursor 也完全够用。
Token 紧的时候：日常用 Grok / Auto 。
一句话概括：如果我只能选一个 AI 工具，那就是 Cursor 。
Claude：前沿 AI 能力，处理复杂任务时使用
定位：日常科普、搜索、思考工具；也是复杂问题、长上下文任务的“攻坚工具”。
长程推理、结构化长文、复杂 Agent 任务，目前仍是第一梯队。
编程能力上，Fable 5 重新把 SWE-Bench 顶上去之后，复杂工程任务优先考虑它。
Cursor 的高级大模型 token 用完后，我会在 Cursor 里装一个 Claude 插件，继续用高级模型。
使用心得：
做科普、辅助思考等相对重要的任务时，我会优先用 Claude 里最高级的模型。
Claude 适合“想清楚”，Cursor 适合“干完”。很多时候最优解是：Claude 出方案 → Cursor Agent 执行落地。
写提示词时尽量要求它输出：假设、风险、备选方案、验收清单。不然它容易给你一篇漂亮但难落地的长文。
订阅 Pro 够日常网页对话和中等强度使用；闲鱼上有代充的成品号，我找到一家也用了 4 个月了，稳定。
Gemini：Google Chrome 端辅助使用
定位：浏览器侧的轻量副驾驶，不是主力 IDE 。
主要是在 Chrome 里辅助看图、看页面、看视频摘要。
另外听说做开发时，用 Gemini 设计前端 UI 挺好用，这个我还没有探索（类似值得探索的还有 Claude 的 Design 模块，我也用得不够深，不妄作建议）。
“一边浏览网页一边问问题”这种场景非常舒服。
我的常用场景：
读英文文档 / 官方博客：让它边读边提炼要点和坑点
看图表、截图、PDF
对比多个网页信息：做初步汇总，再人工核对关键结论
Chrome 里临时问答：比切回 IDE 或专门开聊天页更快
注意点：
我目前 Gemini 没有充 Pro 会员，日常免费版就够用了。
谷歌在 AI 行业绝对是最前列的公司，也是少数能做到 AI 产业全链路闭环的公司之一。Gemini 绝对不输 Claude ，只是目前 Claude 够用了，所以我暂时没开 Gemini 会员；后续 Claude 吃紧，我会第一时间加上 Gemini 。
Paseo：一线 AI 用户们的玩法
我身边能接触到的硅谷 AI 研发领域的创业达人、超级个体，基本都是所有 AI 大模型都开最高级会员的。他们每天要做的事情很多，恨不得让 Agent 同时并行地给他跑几百个任务。这种场景下，就需要一个把所有 AI 大模型统一管理起来的工具；我见身边一个硅谷大佬用的，就是 Paseo 。
官网：https://paseo.sh/
它的特点：
在你自己的机器上跑 daemon ，把 Claude Code 、Codex 、Cursor 、OpenCode 等 coding agent 统一管起来。你可以用多个大模型并行地处理同一个问题。
它会自动帮你处理大模型中途的询问：你下达一个大型任务后，它会一路跑到底，而不是挂起等你回答中途的问题。
还可以在桌面、手机、终端之间丝滑地切换查看和继续任务。你可以用手机下达指令，它会在电脑上同步执行（比如编程环境在电脑端，下楼吃午饭的时候也能用手机给电脑下达指令继续写代码）。
当单模型能力接近后，差距会转移到：谁能把多个 Agent 跑起来、并行起来、远程盯盘、形成稳定 loop。
写在后面
如何选择 AI 工具：
对大多数人，先把 Cursor 用熟，收益最大。
当你开始同时跑多个 Agent 、并且“人只负责验收”时，Paseo 这类工具才会从玩具变成刚需。
小团队/个人开发者更现实的策略是：租能力，不自研模型；把精力放在知识投喂（ RAG / prompt / rules ）和验收闭环上。
AI 跑闭环，人做裁判
生成不难了，难的是品味、核对、取舍、对真实世界负责。
能建立“确定性检查”的人会越来越值钱：测试、lint 、类型、回放、人工抽检、llm-as-judge 。
Loop engineering 比单次 prompt 更重要
旧写法：写一个超长提示词，期待一次完美交付。
新写法：目标清晰 → 小步执行 → 自动验证 → 失败复盘 → 再进入下一轮。
不同模型有分工
日常执行：Cursor （ Auto / Composer / Grok ）
复杂推理与长文：Claude
浏览器辅助：Gemini
把 AI 大模型发挥到极致：Paseo
成本敏感：DeepSeek / 豆包
AI 仍然有硬瓶颈
我之前看到过一个最好的回答：如果人类文明只发展到了“地球是平的，天圆地方”这个程度，那么 AI 不会坚定地告诉你“地球是圆的，地球围绕着太阳转”——它大概率只会顺着所处时代的共识来回答；真正突破认知边界，仍然要靠人。 |
|
发表于 2026-7-13 12:19:34