其他AI工具评测与对比指南

2023年，一位律师因一份由ChatGPT撰写的书状引用的判例中有多个是AI捏造而受到制裁——这起事件在全球散播了对法律与AI的警惕。然而短短几年内采用率便迅猛增长，Clio《2025 Legal Trends Report》显示约八成（79%）法律从业者已在使用某种AI工具。作为继贸易公司、市场营销、咨询业之后“按行业看AI影响”系列的最新一篇，本文概览专业领域：用数字看清现状（79%的法律从业者使用AI，多数报告节省了时间；税务/会计/审计事务所的生成式AI使用从2024年的8%升至2025年的21%；一项Stanford研究显示包括会计师在内的AI高暴露职业中初入职场者的就业相对减少16%）、AI按职业改变的工作（律师=判例检索、合同审查、义务提取；会计师=记账、凭证核对、抽样、风险识别；税务顾问=数据录入、起草报税表、法规检索——AI做基础工作，人类做最终决定）、幻觉这一最大陷阱（编造不存在的判例/法规——导致制裁和信任丧失；CoCounsel为每条引用附上判例数据库等出处链接以便核实）、不变的本质价值（最终判断、职业怀疑精神、伦理、灰色税务判断，以及决定性的、无法交给AI的签字与法律责任）、新人危机（学徒式日常工作的自动化）与新角色（AI合规官、税务提示工程师），以及面向执业者、立志者和客户的按立场建议（对照一手资料核实引用和数字；确认机密信息的处理）。监管与责任因国家而异，请遵循所在国家的法律和职业规范。AI抛出的问题：你出售的是工作，还是判断与责任？

AI 可起草转写和带显示时间的字幕，但自动生成完成不等于可发布。本文区分 SRT/VTT 与完整文本，对比 Whisper、Notta、YouTube 已核实的功能与限制，介绍准备、转写、校对、导出四步流程，并列出内容、时间轴和显示错误示例。六个建议和多语言流程强调原文校对、翻译后段落数量与时间码核查，以及目标语言含义和显示时长。还需分别检查版权许可、数据去向和分享范围。本地转写后使用云服务翻译或摘要仍会外传，本文未实测准确率或节省时间比例。

“通宵做幻灯片、手工做海量调研”——咨询新人的必经之路正被 AI 动摇。本文在发布方原文中核实咨询行业特有的数据（2026 年 9 月 30 日确认），并据此思考行业结构如何变化。BCG 2025 年收入增长 7% 至 144 亿美元，以 AI 和技术为重点的服务超过收入的 40%，AI 服务同比增长 25%，员工增至 33,500 人。McKinsey 于 2023 年 7 月在全公司推行内部平台 Lilli，72% 的员工在使用，员工报告最多节省 30% 的时间（公司自己的说法）。在以 758 名 BCG 顾问为对象的实验（Organization Science，2026 年 3 月号）中，在 AI 擅长的任务上多完成 12.2%、快 25.1%、质量更高，但在不擅长的任务上正确率低 19%。美国劳工统计局预测包含咨询顾问的管理分析师到 2035 年增长 10%。文中还整理了金字塔式培养、从按工时计费到按成果付费、不变的本质价值、大型公司与精品公司、给求职者和委托企业的建议，并列出对旧版错误数字的更正。

“AGI”在不同公司意思不同。OpenAI 章程说的是“在大多数具有经济价值的工作上超越人类的高度自主系统”，Google DeepMind 的研究人员用与熟练者相比的等级来衡量（“Levels of AGI”），Anthropic 首席执行官达里奥·阿莫代伊则认为这个词不精确而避开它，改称“powerful AI”。本文面向初学者，从 AGI 的含义出发——像人一样在任何领域自主学习、解决问题的全能型 AI（截至 2026 年，尚无被广泛公认已达到的系统）——讲解它与如今窄域 AI 的区别、各公司定义的原文、DeepMind 为何把 ChatGPT 算作第一阶段“Emerging AGI”、窄域 AI、AGI 与 ASI 的关系，并附日期和出处列出关于时间的发言（阿莫代伊“最早 2026 年”、哈萨比斯“未来五到十年”、研究人员调查 50% 在 2047 年、怀疑派加里·马库斯的赌约），说明预测之间的差距很大程度上是定义的差距。最后整理期待、风险与常见误解。

2024 年底，Coca-Cola 用生成式 AI 制作的圣诞广告被批“没有灵魂”，这象征了 AI 给营销带来的拉锯战：“效率与效果”对“信任与情感”。本文先用数字看清现状（约 87% 的营销人使用生成式 AI，相比 2024 年的 51% 跃升；超过 71% 的广告支出由算法驱动；仅 2025 年第四季度 Google 就用 Gemini 制作了约 7000 万个创意素材；营销 AI 工具支出在 18 个月内约翻三倍）。文章涵盖 AI 改变的五大领域（① 内容创作 ② 广告创意 ③ 定向与投放/程序化 ④ 个性化/DCO ⑤ 分析与衡量）与报告中的效果（据 BCG，打通第一方数据的企业增量收入达 2 倍——全部为公开发布值、依条件而定）；不会改变的核心（战略、品牌、信任、突破性创意留在人类手中——AI 是放大器，底数为零答案也为零）；SEO/AEO/LLMO 的地壳变动（附内部链接）；风险（AI 广告上 82% 高管对 45% 消费者的认知落差、看似可信的捏造、品牌安全、权利/监管、无人看管的失控运行）；营销人的工作如何转变（任务被拿走，判断变得更重；从生产者到总编辑兼战略家）；以及从今天起的五步实践计划。AI 最大的影响是把人类的时间从做事中解放出来，用于决策。

用 AI 做幻灯片，先根据演示场所和最终交付格式选择工具。本文把结构、讲稿、设计作为三个阶段，介绍 Gamma、PowerPoint 内置 Copilot、Google Slides 用 Gemini、Beautiful.ai、Canva、ChatGPT（@Presentations、PowerPoint 插件）和 Claude Slides 的适用方式。说明如何把 Claude 对话变成演示，以及它与面向文档的 Claude Docs 有何区别。涵盖从搭建结构到核实数字和出处、检查导出效果的五步流程，提供三组实用提示词，以及按用途调整信息量的技巧。无论在一个应用里完成，还是使用多个工具，都应分别检查内容和外观。

一张手写便条、一张纸质收据、截图里的英文、照片中的招牌——那些你一直靠手敲的重新录入工作，到了 2026 年，借助 AI 几乎已全无必要。本指南从 AI OCR 与传统 OCR 的区别（逐字识别 vs. 按含义理解整页）讲起，再按场景梳理三种选择（通用聊天 AI/Google Lens 等专用工具/Mistral OCR、PaddleOCR-VL 等 API 与开源）。文章对比 ChatGPT、Gemini Pro 和 Claude Opus 的强项（手写 → GPT 系列、表格结构化 → Claude 系列、多页 → Gemini 长上下文、纯 OCR → 专用模型；没有绝对冠军），给出三条可直接套用的提示词（无损转写、表格转 Markdown、收据转 JSON，均带“不得捏造”规则）、各场景的最佳选择（手写、收据、PDF、复杂表格、竖排/古字、公式和代码）、六个准确率技巧（图像质量占八成），以及 AI OCR 唯一最大的弱点——看似合理地捏造读不出的内容（金额、日期、姓名务必与原件核对）——还有关于机密外发、版权和训练使用的隐私注意事项。你可以交给 AI 的，只有“读”；确认这件事，留给亲眼看过原件的人。

你已经懂了“什么是 RAG”，可一旦动手搭建，答案却偏了——因为它依然是 naive RAG：随意切碎再做普通向量检索。作为 RAG 入门文章的实现篇续篇，本文逐阶段讲解 2026 年的实用 RAG 流水线（聪明的 chunking、embedding、向量 DB、混合检索、reranking）：chunking 策略（recursive 512 默认，semantic/structural/parent-child，Contextual Retrieval 加 reranking，据 Anthropic 报告可把前 20 条的检索失败最多减少 67%）、选择 embedding 模型（text-embedding-3-large 等）、六款向量 DB 对比（原型用 Chroma、有 Postgres 用 pgvector、低延迟的 Qdrant、全托管的 Pinecone、混合冠军 Weaviate、超大规模的 Milvus）、用 RRF 融合 BM25 + 稠密向量的混合检索、先 bi-encoder 后 cross-encoder 的 retrieve-then-rerank（Cohere/Voyage/BGE/Jina）、LlamaIndex（检索）vs LangChain/LangGraph（控制）的分工、为何 1M-token 窗口不会取代 RAG（lost in the middle、干扰），以及先建立 eval 集等生产化注意事项。

你已经知道“什么是 AI 智能体”——那么如何自己构建一个？在 2026 年，无代码工具靠拖拽就能在一个下午做出可运行的智能体，现代 SDK 也能用不到 100 行搭出实用的东西。作为“什么是 AI 智能体”的实践篇，本文涵盖内部构成（大脑 LLM + 指令 + 工具 + 记忆 + 自主循环）、两条路径（无代码 vs 代码）、通用的 5 步构建框架（界定问题、选择基座、编写指令、连接工具、小范围测试）、无代码工具对比（Dify 为完整平台、n8n 用于业务集成、Flowise 用于原型，以及最简单的 Custom GPT/Gemini Gems/Claude Projects）、代码框架对比（稳妥的 Claude Agent SDK/OpenAI Agents SDK、复杂控制的 LangGraph、角色协同的 CrewAI）、一个具体的实战示例（总结客服邮件再通知 Slack）、成本（平台约 $20-$60/月外加模型使用费）与周期参考，以及陷阱（不要把范围铺得太大、权限与失控控制、警惕只停留在 PoC）。对大多数人来说，先用无代码做一个才是正确之举。

“ChatGPT、Claude 还是 Gemini——我该订阅哪个？”在 2026 年，三者都在每月 $20 左右、都是一流水准，所以没有“就是它最强”的单一答案。正确的问题是“对你的用途来说哪个最合适”。基于跨来源的共识，本文涵盖基础信息（提供方、主力模型系列、免费/标准/高级价格）、性格差异（Claude=写作/分析/代码的匠人，ChatGPT=带生态与图像/语音的全能选手，Gemini=多模态、长上下文、Google 整合）、按用途的详细表格（写作、代码、通用、图像生成、语音、图像/PDF/视频理解、超长文本、Google 整合、调研、中文），如何按使用量挑选套餐，以及选不出一个时聪明的两工具组合（一个主轴+一个补短板）。领先者每隔几个月就轮换，所以与其追逐固定的“最强”，不如各用所长，并用免费档在自己的任务上实测。

AI 可起草转写、摘要、决策和待办，但分享前仍需人工核查。本文对比会议专用工具与自行组合流程，说明 Otter、Notta 已核实的免费限制、Granola 无机器人录制及本地 Whisper，介绍 Zoom、Teams、Meet 内置 AI 的资格条件。提供纪要提示词和同一获准录音的试用清单，分别检查识别错误、说话人混淆、摘要遗漏及虚构决策。录音、完整转写、摘要及备份均需核查数据去向；本地转写后再做云端摘要仍会外传。本文未进行准确率或节省时间的对比实测。

Cursor、Claude Code、GitHub Copilot、Codex 这四款，过去可以按类型区分为“编辑器/插件/CLI/云端”。但我们在2026年9月22日重读四家的官方文档后发现，它们都能在终端、IDE、桌面应用、云端和手机上运行，还能在彼此内部运行。本文附出处梳理如今真正拉开差距的三点——可用的模型（Cursor 和 Copilot 可选多家，Claude Code 只用 Claude，Codex 只用 OpenAI）、价格与用量的计算方式（免费额度、从 Go $8 到 $200 的月费、按月额度与5小时、每周额度，以及超额后怎么付费）、大本营（自家编辑器、GitHub、Claude 与 ChatGPT 的订阅）。同时整理了 GitHub PR 与审查方面的差别、8种场景下的选法、搭配使用的方式，以及在自己的仓库里用30分钟比较的步骤。旧版中“Copilot 最便宜”“token 效率约高4倍”等错误已在文末更正。