15种真实AI用法：一位内容创作者的模型选择逻辑

这是一份来自一线内容创作者的AI使用清单：不是评测参数，而是解释“在什么场景下用什么模型”。从播客剪辑、写作、研究到策略思考，作者分享了他每天反复验证过的选择逻辑，以及他认为AI依然做不好的那些事。

为什么“用什么模型”比“用不用AI”更重要

这期视频一开始，作者就点破了一个很多人忽略的问题：讨论AI应用时，大家往往停留在“我用不用AI”，而他更关心的是“在这个具体场景下，我该用哪一个模型”。他形容自己的清单“既更具体，也更通用”，因为真正有价值的不是15个技巧本身，而是背后的选择方法。

在他看来，AI已经不是一个工具，而是一组能力各异的“数字合作者”。不同模型在语言长度、结构化能力、研究深度上的差异，会直接影响输出质量。这也是为什么他在同一条工作流里，可能会反复切换模型，而不是迷信单一“最强模型”。

这种思路贯穿了整期视频：不追逐参数榜单，而是围绕真实工作场景，反复验证“哪个模型在这个任务上更省心、更稳定”。这是一个非常内容创作者视角的AI方法论。

播客剪辑与描述：AI的日常生产力底盘

作者最频繁提到的第一个场景，是播客相关工作。这并不意外，因为播客剪辑、标题和描述，都是高频但消耗精力的任务。他提到，在编辑播客时，AI已经深度融入流程，甚至预期“在未来6个月左右，团队的工作流会进一步围绕AI重构”。

在生成播客描述这一具体任务上，他给出了一个有意思的判断：对于这个用例，不同模型之间“没有特别大的差异”。这并不是否定模型能力，而是强调任务复杂度的重要性——当任务本身是结构化、短文本、低歧义时，模型差距会被迅速抹平。

这个判断对很多内容团队都很有参考价值：并不是所有场景都值得你反复测试新模型。有些地方，稳定、便宜、速度快，反而是最优解。

长文本写作与研究：Claude与Perplexity的分工

当话题进入长文本写作，作者的态度明显变得更谨慎。他明确表示，在大量长篇写作任务中，Claude“有明显优势”。这里的优势并不是速度，而是连贯性和对上下文的把控能力——这正是长文最容易崩塌的地方。

研究则是他另一个“最频繁的使用场景之一”。无论是为自己的内容，还是为他妻子的播客做准备，研究都是日常刚需。在这里，他会明确转向Perplexity，用于信息检索和问题探索。这种选择背后的逻辑很清晰：当目标是快速理解一个陌生领域，而不是直接产出观点时，研究型工具更合适。

他还提到自己会用AI做多种“比较型研究”，而不是只问一个问题。这种用法，本质上是把AI当成一个随时可用的研究助理，而不是答案机器。

策略、命名与AI的边界：知道它擅长什么，也要知道它不行什么

在策略相关任务中，作者会刻意对比不同模型的表现，观察它们在推理和结构化建议上的差异。但他也很坦率地指出，并不是所有“看起来像智能”的任务，AI都做得好。

其中一个被他重点吐槽的领域是命名。他直言，大语言模型在命名这件事上“phenomenally bad”，甚至补了一句：“will continue to stay that bad forever”。这不是技术悲观主义，而是来自大量实际尝试后的经验判断——好名字往往依赖文化、语感和人类直觉，而不是概率最高的词。

相比之下，他非常推崇“vibe coding”这种用法：不是让AI解释，而是直接生成可感知的结果，“show rather than tell”。在这些场景里，他甚至评价某些工具“我强烈推荐（I could not recommend it more）”。

最后，他也承认自己在某些AI使用领域“还落后了”，并且这种落后“对我和观众来说都是一种损失”。这种自我暴露，反而让整期分享显得更真实。

总结

这15种AI用法真正的价值，不在于清单本身，而在于一种成熟的使用心态：不神化模型，也不低估差异；不追新，而是反复验证。知道什么时候该依赖AI，什么时候该相信人类直觉，可能才是下一阶段最重要的能力。对普通创作者来说，这种“场景优先、模型其次”的思路，远比记住几个工具名字更重要。

关键词： AI应用， 内容创作， Claude， Perplexity， 大语言模型

事实核查备注： 视频标题：15 Ways I Use AI （And the Models I Use for Each）；频道：The AI Daily Brief；提及产品：Claude、Perplexity；原话引用包括“show rather than tell”“will continue to stay that bad forever”“I could not recommend it more”；未涉及具体人物、公司或数值参数。