人工智能常用工具学习（三）

第 3 章 主流 AI 工具分类全景

摘要：本章帮你建立对 AI 工具的全景认知。先按能力形态（文本 / 图像 / 视频 / 语音 / 编程 / 数据分析等十大类）和应用场景（创作 / 办公 / 学习 / 开发 / 营销 / 企业 / 服务 / 自动化八大类）给工具分类；再掌握五步决策框架（明确需求 → 选类别 → 筛工具 → 试用对比 → 组合使用）；最后通过国际与国内速览表和两个实战走查（淘宝促销海报、金融数据不出境），学会在具体需求下快速锁定合适的工具组合。

本章目标：帮你建立对 AI 工具的全景认知，做到“看到需求，就能大致判断该用哪一类、哪一款工具”。读完本章，你不再会在成百上千款工具里迷路。

3.0 学习目标学完本章，你应该能够：

1. 按能力形态识别工具：看到“文本 / 图像 / 视频 / 语音 / 编程 / 数据分析”等类别时，能说出这类工具是干什么的、有哪些代表产品。
2. 按应用场景归类需求：把“写文案、做海报、剪视频、写代码、开周会”等日常任务，映射到对应的工具场景。
3. 套用决策框架做选择：掌握“明确需求 → 选类别 → 筛工具 → 试用 → 组合”的五步决策框架，不再凭感觉乱试。
4. 判断国际 vs 国内取舍：知道什么时候优先用国内合规工具，什么时候国际工具更合适。

面对市面上成百上千款 AI 工具，零基础用户最大的困惑往往是：“到底该选哪个？”答案的第一步，是先给工具“分个类”。本章从三个维度帮你搭起认知框架：按能力形态分、按应用场景分、按决策框架选，最后再补一个实用的“国际与国内速览表”。

3.1 按能力形态分类（工具“能做什么”）

这是最直观的分类方式——看工具处理的是哪种信息形态。大纲把能力形态分为十大类，我们逐一通俗说明：

小提示：很多现代工具是“多面手”。比如豆包既能对话也能生图；Gemini 同时能处理文本、图像、音频、视频。所以分类是帮你“快速定位”，不是死框框。

3.2 按应用场景分类（你“要干什么”）

光看能力还不够，更实用的是从你当下的任务出发。同一类能力，落到不同场景，选的工具可能不同。大纲把场景分为八大类：

• 创作：写文章、写脚本、画插画、做视频。对应文本类 + 图像类 + 视频类。
• 办公：写周报、做 PPT、整理会议纪要。对应办公效率类 + 文本类。
• 学习：备考、读论文、解难题。对应研究学习类 + 文本类。
• 开发：写功能、修 Bug、重构代码库。对应编程辅助类 + 文本类。
• 营销：做海报、剪广告、写卖点文案。对应图像类 + 视频类 + 文本类。
• 企业：数据看板、内部知识库、流程自动化。对应数据分析类 + 办公类 + 智能体类。
• 服务：智能客服、问答助手。对应智能体与自动化类 + 文本类。
• 自动化：把多个步骤串成无人值守的流程。对应智能体与自动化类。

关键思路：场景往往是“跨类别组合”的。例如“做一条带货短视频”= 文本类写脚本 + 图像类出图 + 视频类/剪辑类成片。这正是后面 3.3 要讲的“组合使用”。

3.3 工具选择决策框架（五步决策框架）

知道了分类，真正落地时请套用下面这套五步决策框架。这是本章的灵魂，请记住顺序：

明确需求 → 选类别 → 筛工具 → 试用对比 → 组合使用

下面是五步决策框架的完整流程图，每一步都标注了输入、输出和判断分支，方便你对照使用：

如何结合 3.1 和 3.2 的分类表使用这套流程？

• 第 2 步「选类别」是连接点：先看 3.1 的能力形态表，根据产出物形态锁定能力类别（如“要一张图”→图像生成类）；再看 3.2 的应用场景表，确认当前任务属于哪个场景（如“电商促销”→营销场景），从而得到“能力类别 + 场景组合”的双重定位。
• 第 3 步「筛工具」用 3.4 速览表收窄：在已锁定的类别里，用 3.4 的“国际与国内速览表”和你的限制条件（中文、合规、预算）把候选缩小到 2~3 款。
• 第 5 步「组合使用」体现跨类别：3.2 强调“场景往往是跨类别组合”，例如做带货短视频 = 文本类写脚本 + 图像类出图 + 视频类成片，正好对应流程最后一步把多个环节的工具串成工作流。

第 1 步：明确需求（先问清楚自己要什么）
别一上来就问“哪个 AI 最好”。先写下：我要解决的具体问题是什么？产出物是文字、图、还是视频？有没有限制（比如数据不能出公司、必须中文、要免费）？需求越具体，后面越准。

第 2 步：选类别（对到 3.1 / 3.2 的框架上）
根据产出物形态，落到能力类别（如“要一张图”→图像生成类）；再根据使用场景，确认场景组合（如“电商促销”→营销场景）。

第 3 步：筛工具（在类别里挑候选）
同一类别里有国际和国内、免费和付费、通用和专精之分。用“国际与国内速览表”（3.4）和你的限制条件（中文、合规、预算）缩小到 2~3 款。

第 4 步：试用对比（小成本真用一次）
别只看测评。注册/打开，用你真实的需求跑一遍，对比：出结果质量、上手难度、速度、价格、稳定性。试用是避免“踩坑”的最便宜方式。

第 5 步：组合使用（搭自己的工作流）
单一工具往往不够。把擅长不同环节的工具串起来，形成你的固定流程（例如：豆包写文案 → 即梦出海报 → 剪映成片）。组合后的效率远超单打独斗。

附：国际工具与国内工具的取舍维度

• 访问便捷性：国内工具免合规网络、稳定性高；国际工具可能需要特殊网络环境。
• 中文优化：国内模型（豆包、文心一言、通义千问）在中文语境、古文、本地化表达上更顺。
• 合规与数据驻留：公司敏感数据、涉密信息、不能出境的数据，必须优先选可私有化 / 国内合规方案（如 DeepSeek、通义千问私有化、M365 租户内）。

3.4 国际与国内工具速览（2026）

下面这张表来自大纲，完整纳入正文。它把每一类能力的“国际主流”和“国内主流”摆在一起，方便你一眼对照。

什么时候选国际工具？

• 你需要最强通用能力、多模态（看图听声）、超长上下文（如 Gemini 2M）。
• 你的内容不涉及敏感数据，且能稳定访问。
• 你做国际化业务、需要英文语料或更广的海外生态。

什么时候选国内工具？

• 你主要处理中文、要本地化表达、要免费/低门槛快速上手。
• 公司有数据出境限制、合规要求、或需私有化部署（DeepSeek、通义千问、文心一言都支持）。
• 你希望稳定访问、客服在国内、付款方便。

3.5 操作示例

下面用两个完整走查，演示如何把“五步决策框架”真正用起来。每个示例都给出输入（场景）和预期输出（推导过程 + 结论）。

3.5.1 示例 1：「按需求选工具」走查——淘宝店促销海报

【输入】

场景：我想给淘宝店做一张“双 11 促销海报”，要突出折扣信息，最好今天就能出图，我是新手、不会用 PS。

【推导过程】

1. 明确需求：产出物 = 一张图（海报）；场景 = 电商营销；限制 = 新手、零设计基础、要快、大概率中文环境、淘宝店铺数据不敏感但图要能商用。
2. 选类别：产出物是“图” → 落到图像生成类（3.1 节）；场景是“营销/电商” → 对应 3.2 节的营销场景。
3. 筛工具：图像生成类候选有 Midjourney（国际，审美强但需订阅、文本排版弱、中文提示词需中英混合）、FLUX（开源、需部署门槛）、即梦 / 通义万相 / 豆包图像（国内、中文友好、零门槛、电商模板、可商用友好）。
4. 试用对比（基于限制推断）：用户是新手、要快、要中文、不会 PS → 国际与国内工具中，Midjourney 的 Discord 操作和排版弱点不友好；国内即梦有“电商主图/海报”模板，中文直接描述即可，免费且出图快。
5. 组合使用（可选）：先用豆包 / 文心一言写一句吸引人的促销文案 → 再丢进 即梦 生成海报底图 → 用 剪映/美图秀秀 微调排版。

【预期输出：最终工具建议表】

结论：本场景下首选「图像生成类 → 即梦（国内）」，新手今天就能出图；Midjourney 作为审美升级的备选，非必需。

3.5.2 示例 2：「国际与国内取舍」走查——公司数据不能出境外

【输入】

场景：我们是一家金融企业，需要用 AI 分析内部客户数据和合同，但监管要求数据不能出境，也不能用会把数据传到境外的公有云服务。怎么选？

【推导过程】

1. 明确需求：任务 = 数据分析 + 文档/合同审阅；硬限制 =数据不出境外、合规、可审计。
2. 选类别：数据分析类（3.1 节）+ 文本/办公类；场景 = 企业（3.2 节）。
3. 筛工具（套用 3.4 速览表 + 取舍维度）：

• 国际通用对话（ChatGPT / Claude / Gemini）和 SaaS 版 Copilot 默认数据可能出境，触碰合规红线，排除。
• 国内可私有化部署的模型是重点候选：DeepSeek（开源、支持私有化、代码数学强）、通义千问（企业市占第一、多模态、可开源本地部署）、文心一言（政企金融私有化成熟、合规强）。
• 编程/内部工具可用通义灵码（国内、中文好）；办公可用 WPS AI（国内套件）。

4. 试用对比：在隔离的内网环境部署 DeepSeek 私有化版做合同初审 + 通义千问私有化做数据分析，验证精度与响应；确认数据全程不出域、有权限审计。
5. 组合使用：通义千问（私有化）做数据报表 + DeepSeek（私有化）做合同风险抽取 + WPS AI 出内部文档；全程跑在内网。

【预期输出：国际与国内对比表】

结论：在数据不能出境的金融场景下，必须选国内可私有化工具（如 DeepSeek / 通义千问私有化部署），国际公有云方案直接排除。

3.6 小结回顾

本章要点

• AI 工具可从三个维度看：能力形态（能做什么）、应用场景（要干什么）、决策框架（怎么选）。
• 十大能力形态：文本/对话、图像生成、图像识别（CV）、视频、语音、编程辅助、数据分析、办公效率、研究学习、智能体与自动化。
• 八大应用场景：创作、办公、学习、开发、营销、企业、服务、自动化——且多数任务是跨类别组合。
• 五步决策框架务必记牢：明确需求 → 选类别 → 筛工具 → 试用对比 → 组合使用。
• 国际与国内：看访问便捷性、中文优化、合规与数据驻留；敏感数据/合规场景优先国内可私有化方案。

自测题（合上书写答案，再回看核对）

1. 我想“把一段会议录音变成文字纪要”，应该先映射到哪个能力类别？最终可能用到哪类工具？
2. 说出五步决策框架的五步，并解释为什么“试用对比”不能省。
3. 公司合同含商业机密、禁止出境，图像生成类该选 Midjourney 还是即梦/通义万相？为什么？
4. 在 3.4 节速览表里，“视频生成”的国际与国内主流分别是什么？
5. 举例说明一个“跨类别组合”的真实任务，并写出你的工具组合。

自测答案速查

1. 语音类（ASR 语音转文字）+ 文本/办公类；如讯飞听见转写 + 豆包 / ChatGPT 出纪要。
2. 明确需求 → 选类别 → 筛工具 → 试用对比 → 组合使用；因为测评 ≠ 真实体验，试用能用最小成本避开质量 / 门槛 / 价格坑。
3. 选国内即梦 / 通义万相（或私有化部署），因数据出境合规限制，国际 SaaS 有风险。
4. 国际与国内：Sora / Veo 3；国内：可灵 / 即梦视频。
5. 例：做带货短视频 = 豆包写脚本 + 即梦出图 + 剪映成片（文本 + 图像 + 视频三类组合）。

第 1 题解析：会议录音是“声音”形态，所以第一步先映射到语音类（ASR 语音转文字），把音频变成可编辑的文字稿；但转写出的只是原始文本，还需要文本/办公类工具来整理、提炼成结构化纪要。具体操作：先用讯飞听见上传录音并转写，得到带时间戳的逐字稿；再把逐字稿粘贴到豆包，输入“请把这段会议内容整理成纪要，包含议题、结论和待办事项”，豆包即可自动归纳成条理清晰的纪要。

第 5 题解析：以“做带货短视频”为例，三个环节环环相扣。豆包写脚本：输入“为某款保温杯写 30 秒带货脚本”，输出含开场钩子、卖点、行动号召的文案；即梦出图：把脚本中的关键画面描述（如“手持保温杯的年轻人在办公室”）作为提示词，生成分镜底图；剪映成片：将脚本配音、底图、字幕和背景音乐导入剪映，按时间轴拼接导出成片。前一步的输出正是后一步的输入，形成“文本 → 图像 → 视频”的完整工作流。

3.7 参考资料与延伸阅读

为方便你进一步深入，这里按「官方文档、对比评测、合规参考」三组整理本章涉及的核心资料。每条都附一句说明，帮你判断什么时候值得点开。

一、官方文档（按能力类别分组）

通用对话 / 文本类

• OpenAI 官方文档：ChatGPT 与 GPT 系列 API 的权威说明，适合想调用接口或了解模型能力边界的读者。
• Anthropic 官方文档：Claude 系列的使用指南与提示词最佳实践，做长文本、代码任务时可对照查阅。
• Google Gemini 官方文档：Gemini 多模态能力与 API 参考，想体验超长上下文（2M）可从这里入手。
• DeepSeek 官方文档：DeepSeek 的模型说明与 API 文档，开源可私有化部署，适合关注数据合规的开发者。
• 豆包（火山方舟）官方文档：豆包模型与火山引擎平台的接入文档，国内开发者上手中文对话类应用的首选参考。
• Kimi（月之暗面）官方文档：Kimi 长文本能力与 API 文档，处理超长文档、深度阅读时可参考。
• 腾讯元宝官方文档：元宝的深度阅读与联网搜索能力说明，做研究学习类任务时可对照。

图像生成类

• Midjourney 官方文档：提示词写法、参数与版本说明，想提升出图审美和排版控制力必读。
• 即梦（Jimeng）官方文档：即梦的图生图、视频生成与电商模板说明，国内零门槛出图首选。
• 通义万相官方文档：通义万相图像生成 API 与模型说明，适合需要批量生成或接入业务系统的场景。

视频生成类

• Sora 官方文档：OpenAI 文生视频模型的官方介绍与能力说明，关注视频生成前沿可收藏。
• 可灵（Kling）官方文档：快手可灵的视频生成与图生视频说明，国内做短视频素材可参考。

语音类

• 讯飞听见官方文档：会议录音转写、字幕生成等语音服务的官方入口，做会议纪要、字幕时直接使用。

办公效率类

• WPS AI 官方文档：WPS AI 在文档、表格、演示中的功能说明，日常办公提效可对照使用。
• Microsoft 365 Copilot 官方文档：M365 Copilot 在 Word/Excel/PPT 中的集成说明，企业办公场景可参考。

智能体与自动化类

• Coze（扣子）官方文档：扣子搭建 Bot 与工作流的可视化教程，零代码做智能体可从这里起步。
• Dify 官方文档：Dify 开源 LLM 应用开发平台的文档，适合想自建知识库或 Agent 的开发者。
• n8n 官方文档：n8n 自动化工作流平台的节点与触发说明，做跨工具流程编排时可查阅。

二、对比评测（国际与国内）

• 机器之心：2026 年国内外大模型能力对比评测：机器之心定期发布主流大模型在中文理解、代码、多模态等维度的横向评测，帮你用数据判断「国际与国内」的真实差距，避免只看宣传。
• 量子位：国产大模型与 GPT 系列实测报告：量子位常做中文语境下的实测对比，覆盖豆包、DeepSeek、通义千问等，对本章 3.4 节「什么时候选国内工具」是很好的补充证据。
• InfoQ：AI 工具选型与落地实践专题：InfoQ 偏工程与落地视角，常有企业级 AI 工具选型、私有化部署的案例复盘，适合做 3.5 节「金融数据不出境」这类场景的延伸阅读。

三、合规参考（数据出境与生成式 AI 监管）

• 《生成式人工智能服务管理暂行办法》（国家网信办）：中国生成式 AI 服务的基础监管文件，明确服务提供者的备案、内容安全等义务，做国际与国内合规选型前务必通读。
• 《数据出境安全评估办法》（国家网信办）：规定数据出境的安全评估流程与触发条件，对应本章 3.5.2「公司数据不能出境外」场景，是判断「哪些数据不能出境」的直接依据。
• 《个人信息保护法》与《数据安全法》官方文本（全国人大网）：数据合规的上位法，理解「数据驻留、可审计」等要求的法律源头，适合企业读者建立合规底线认知。

使用建议：官方文档用于「动手前查准」；对比评测用于「选型时看趋势」；合规参考用于「上线前把关」。三者配合，正好呼应本章「明确需求 → 选类别 → 筛工具 → 试用对比 → 组合使用」的五步决策框架——先看官方文档明确能力边界，再用评测收窄候选，最后用合规条款做硬性过滤。