写在前面

这一年我用 AI 的方式发生了一个非常明显的变化，从遇到问题再打开 AI，变成整个工作流默认就有 AI 参与。

代码、设计、学习、记录、复盘、写作，几乎每个环节，都有一个甚至多个固定的 AI 工具在协同。

这篇文章不做功能测评，只是我在真实高强度创作、研发、写作场景里，最离不开的几款 AI 工具，以及它们在我工作流中的位置。



一、AI IDE：真正改变我生产力的，是它

角色定位：核心生产力引擎 / 大型工程的协同开发中枢

使用率 80%，我几乎每天都在用核心产品：Cursor / Google Antigravity / Trae ..

如果只选一类最改变我这一年效率的 AI 工具，答案毫无悬念：AI IDE。

今年最大的变化：Plan 模式出现后，工作流彻底改变

去年我的典型流程是：

ChatGPT 讨论方案 → 复制到 IDE → 写第一版 → 再回 ChatGPT 调整

今年变成：

直接在 IDE 里用 Plan / Agent → 30 分钟产出第一版 Demo → 2–3 天一起精修

最大的感受是讨论阶段和实现阶段终于合并在一个空间，设计决策不再和代码实现脱节。

以前一个小工具 / demo，从想法到可用原型，通常 1–2 天。而现在第一版可跑 Demo 半小时就可以搞定，真的可以做到，当天有想法，当天就能上线。


我认为今年 AI IDE 真正成熟的不是补全，而是这三点：

  • 上下文持续感知大大增强：项目结构、依赖关系、之前你刚改过什么

  • Plan / 任务拆解能力：自动把一个模糊目标拆成可执行步骤、而且这些步骤和代码是强绑定的

  • 快速试错成本极低：重构不心疼、推倒重来不焦虑

这件事对我这种经常做系统/功能设计 + 原型验证的人，价值极高。


在大工程里的实用价值也大大提升了，现在不只是写快，而是复杂度可控。

比如

  • 跨模块改动时的影响分析： 我现在经常直接让 IDE 帮我分析”如果我改这里，哪些地方一定要一起改？“ 它对依赖关系和调用链的理解，已经比我自己 grep 高效太多。

  • 遗留代码重构：
    面对几万行历史代码，我会先让 Plan 模式给出重构路径，再一段一段协同推进，避免一次性大爆炸式重写。

  • 快速补齐边界与异常路径：
    在核心逻辑完成后，让 AI 主动扫描缺失的异常分支、日志点和防御代码，稳定性明显提升。

在这些场景下，AI IDE 带来的不是多少倍的效率提升，而是原本不敢轻易动的大工程，现在敢频繁优化与演进了。



二、ChatGPT 付费版：长期协作者

角色定位：长期外脑 / 认知中枢 / 结构化思考伙伴

如果说 AI IDE 是生产力引擎，那 ChatGPT 对我来说更像一个有长期记忆的、懂我做什么的万能搭档。

长期记忆带来的体验，是完全不同级别的。 这是我今年感受最深的一点。

它已经非常清楚我长期在做几何引擎 / Agent / B 端产品，偏好工程视角、不喜欢泛泛而谈，对架构、长期规划、系统设计特别敏感。

很多时候我只需要给当前阶段和一个模糊想法，它就能自动接上我过去的路线、避开我不感兴趣的方向，给到非常贴合我风格的结构。

这已经不是简单的聊天和脑暴了，真的是长期协作型认知伙伴。


但必须说实话，时不时的降智问题真的很烦。 今年让我最矛盾的地方也是这里。

Deep Research 非常好用、长文档阅读能力很强、订阅跟踪在调研时非常省心。

但缺点也非常明显，高峰期经常明显降智、推理链断裂、对复杂系统有时会给出过于乐观的方案。

所以我现在的用法是 结构设计 / 认知扩展 / 长期规划 一定用 ChatGPT，关键实现与细节则必须自己二次校验。



三、豆包：论文精读与中文语境的最佳入口

角色定位：论文精读引擎 / 实时对话助手 / 中文用户的 AI 入口级工具

如果只谈“论文翻译 + 精读”，目前为止，豆包是我用过体验最好的产品。

我今年读的大量论文，最终几乎都落在豆包这里完成细读。

最关键的能力有三点：

  • 直接在原 PDF / 原文档上翻译：
    不是另开窗口粘文本，而是保持版式、公式、段落结构原样对齐，对读论文的人非常友好。

  • 图片与公式一起处理：
    图表、示意图、公式说明可以直接联动翻译和讲解，这一点在方法类论文里极其省心。

  • 对话式精读体验非常自然： 我经常是先通篇翻一遍、再针对关键段落反复追问，让它帮我拆方法、补背景、对比相关工作。


实时对话体验在国内环境下，稳定性优势非常明显

在国内环境下，豆包的对话延迟、稳定性和可用性，明显好于 ChatGPT。

尤其是高峰期几乎不降速、对话连续性好、中文语境非常自然，自定义音色改成我喜欢的角色，听着就开心。

今年有两个月，我用 Ola Friend 那款耳机 + 豆包，集中练了一段时间口语。

体验感真的是随身带着一个可以随时对话的外教，延迟低，对话自然，随时打断。

唯一的遗憾是还不是手机系统级原生，启动链路稍微长一点。


豆包的生图能力，我推荐给所有非技术朋友的的最佳入门选择

说实话，豆包的生图对我这种重度用户来说不是最强的。

但它有一个巨大的优势：不需要科学上网，免费，效果稳定，对普通用户极其友好。

所以现在我身边不会折腾代理的朋友，我基本都会直接推荐他们用豆包，成本为零，学习成本极低，效果够用而且经常超预期。生成点图玩一玩 、做 PPT 、发朋友圈都很方便。



四、Gemini Banana：中文图像的救星

角色定位：流程图 / 架构图 / 会议沟通可视化

大部分 AI 生图在中文场景下几乎不可用，而 Banana 是目前我用下来中文稳定性最好、结构图成功率最高、对外沟通最友好的。

我的典型使用场景几乎全部集中在架构流程图、产品流程图、方案对比图、系统示意图。

而且一个很真实的体验是，同样一套方案， 有图的交流对齐效果，明显高于纯文字文档。

多图并行，是我现在的常态。 我现在的习惯是同一个问题同时出 2–3 版图，会议时边讲边切图，比 PPT 效率高非常多。



五、flomo AI：记录方式改变后，思考密度明显上升

角色定位：低摩擦记录 + 思维素材池 + 线索挖掘引擎

这是一个看起来不起眼，但长期复利极强的工具。

语音 + AI，让我的记录成本几乎为零

现在我的常态是散步、发呆时、坐车时，直接把脑子里的想法丢进去。

记录变得非常的轻，复盘时的体验非常好。

我现在的月度复盘基本是拉出一个月的 flomo，直接让 AI 做主题聚类、反复出现的念头、关键决策点回顾。

有种感觉是自己的大脑被外部系统做了一次隐式建模。


线索挖掘：把零散念头，变成长期研究方向

这是我今年越来越依赖 flomo 的一个隐藏价值。

当我持续把临时想法、读书笔记、会议碎片、一闪而过的疑问这些统统丢进去之后，AI 在复盘时经常会帮我挖出：某些反复出现的主题、不同时期在问的同一类问题、尚未成型但已经多次冒头的研究线索。

这远比一个资深访谈还要好用。

很多我现在在写的文章和长期专题，最早的起点，其实都是 flomo 里几条当时完全没在意的碎片。



六、Podwise：信息获取效率的天花板

角色定位：长音频 / 长访谈的压缩引擎 / 高密度观点提取器

这是我今年信息密度提升最快的工具之一。

Highlight + Ask 真的就是杀手级组合，一场 2 小时的深度访谈，我能 30 分钟完整拆解，关键观点全部结构化。轻度内容甚至5–10 分钟就可以完整整理出来。

和 flomo 组合之后，效果翻倍。



七、YouMind：AI 原生资料库，后劲非常大

角色定位：AI 原生知识库 / 写作与研究的长期底座

这是我最近两个月才开始真正用顺的工具。

初期体验其实不太好，刚开始我很困惑，感觉不如 Cubox 顺手，分类逻辑ye也不直观。资料少的时候，感觉啥也干不了，完全没价值。

直到我把一个研究专题的内容从 Cubox 搬到了 YouMind，忽然就 Get 了它的好用。

当资料库开始有点规模，写文章时，相关资料自动浮现 引用和联想几乎是即时完成。

这已经不是收藏工具，是一个 AI 驱动的个人知识图谱。



最后：我的 2025 年 AI 工作流全景

我已经不再单独使用某个 AI 工具，而是在运行一套真正 AI 原生的个人工作系统。

这套系统大致可以拆成三层：

1. 输入系统

  • 论文 / 研究 / 中文语境输入：豆包
  • 长音频 / 访谈 / 长内容压缩：Podwise

高质量信息进入大脑之前，先被 AI 预处理

2. 认知系统：真正参与我思考过程的外部大脑

  • 认知中枢 / 架构设计 / 长期规划：ChatGPT
  • 思维记录 / 线索挖掘 / 复盘建模：flomo

复杂问题的结构化、长期思考的连续性，以及认知盲区的补偿

3. 生产系统：把想法稳定、高质量地变成现实产出

  • 核心生产力引擎 / 大型工程协同：AI IDE
  • 架构表达 / 方案对齐可视化：Banana
  • 长期知识库 / 写作与研究底座：YouMind

它们各司其职，但彼此强耦合，最终构成了一套输入更高效、思考更连续、产出更稳定的个人 AI 操作系统。