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。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。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。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类别一句话解释典型用途代表工具文本/对话类你打字、它说话像聊天一样帮你写和想写文案、答疑、翻译、头脑风暴ChatGPT / 豆包 / DeepSeek / Kimi图像生成类你描述一句话它画出一张图海报、插画、头像、概念图Midjourney / 即梦 / 通义万相图像识别类CV“看懂”图片里的内容文字识别OCR、人脸检测、瑕疵筛查百度智能云视觉 / Google Vision视频类文生视频、图生视频、AI 剪辑短视频、广告片、教学片Sora / 可灵 / 剪映语音类听语音转文字和说文字转语音会议转写、配音、有声书讯飞听见 / Whisper / ElevenLabs编程辅助类帮你写代码、改 Bug、理解项目开发、调试、单元测试GitHub Copilot / Cursor / 通义灵码数据分析类把表格/数据变成结论和图表报表、销售预测、运营分析ChatGPT 数据分析 / Power BI Copilot办公效率类嵌入 Word/Excel/PPT 里帮你干活写文档、做幻灯片、整理邮件WPS AI / M365 Copilot / 飞书 AI研究学习类带引用地查资料、把文献变知识库论文综述、备考、深度阅读Perplexity / NotebookLM / 元宝深度阅读智能体与自动化类能自己规划、调工具、跑流程的“机器人”客服 Bot、自动工作流Coze扣子 / Dify / n8n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文字图视频否是否是输入具体问题 产出物形态 限制条件第1步 明确需求产出物是文字、图、还是视频第2步 选类别文本/对话类第2步 选类别图像生成类第2步 选类别视频类第3步 筛工具结合 3.4 速览表 限制条件是否满足中文/合规/预算限制第4步 试用对比真实需求跑一遍结果质量/上手难度/速度/价格是否达标第5步 组合使用串成固定工作流输出最终工具组合方案如何结合 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。类别国际主流国内主流通用对话ChatGPT / Claude / Gemini豆包 / DeepSeek / Kimi / 文心一言 / 通义千问 / 元宝图像生成Midjourney / FLUX / Imagen即梦 / 通义万相 / 豆包图像视频生成Sora / Veo 3可灵 / 即梦视频编程辅助GitHub Copilot / Cursor / Claude Code通义灵码 / 豆包编程研究学习Perplexity / NotebookLM / Elicit知网 AI / 元宝深度阅读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】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。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。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。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。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】步骤环节推荐工具理由1写海报文案豆包 / 文心一言中文创意强、免费、出 slogan 快2生成海报图即梦首选/ 通义万相中文提示词友好、电商模板、零门槛、可商用3备选追求极致审美Midjourney仅当你愿意学 Discord、接受订阅、且不需精准中文排版时4排版微调剪映 / 美图秀秀加文字、抠图、导出方便结论本场景下首选「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】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。选类别数据分析类3.1 节 文本/办公类场景 企业3.2 节。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。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。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】维度国际工具ChatGPT / Claude / Gemini 公有云国内合规工具DeepSeek / 通义千问 私有化数据是否出境可能出境违反监管要求全程不出域满足合规部署方式公有云 SaaS支持私有化/本地部署中文与合规中文较弱、合规认证不一中文优化、政企合规成熟成本订阅/API 外币结算开源可自建、可控适用结论禁用本场景选用本场景首选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说出五步决策框架的五步并解释为什么“试用对比”不能省。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。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。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。国际与国内Sora / Veo 3国内可灵 / 即梦视频。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。InfoQAI 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。