引言

1. 文本生成与对话AI

这类AI擅长理解和生成自然语言，可用于聊天、写作、翻译、总结等。

1.1 OpenAI GPT系列

• ChatGPT: 最出圈的对话AI，基于GPT-3.5/4等模型。界面友好，适合日常问答、头脑风暴、草拟文案。
• GPT-4: OpenAI最先进的模型，在推理、创意写作和复杂指令遵循方面表现突出，通常通过ChatGPT Plus或API使用。

1.2 Claude (Anthropic)

• 由Anthropic开发，以“ Constitutional AI ”理念构建，注重安全性和无害性。Claude在长文本处理、文档分析和逻辑推理方面口碑很好，上下文窗口极大（可达20万token）。

1.3 国内大模型

• 文心一言 (ERNIE Bot): 百度推出的对话式AI，中文理解能力强，集成百度搜索知识。
• 通义千问: 阿里云的大模型，在阿里生态内集成度高。
• 智谱清言 (GLM): 基于清华智谱的GLM系列模型，在代码和数学推理上有不错表现。
• Kimi Chat: 月之暗面出品，以超长上下文（可达百万字）和优秀的文件处理能力著称，适合阅读长文档、整理资料。

2. 代码生成与辅助AI

专为开发者设计，能理解代码上下文，生成、解释、调试代码片段。

2.1 GitHub Copilot

• 虽然底层是Codex，但作为产品，它是目前最成熟的AI编程助手，深度集成在VS Code等IDE中，支持多种语言。

2.2 其他代码AI

• Amazon CodeWhisperer: AWS推出的免费代码助手，对AWS服务支持好。
• Tabnine: 老牌代码补全工具，也集成了AI能力，支持本地模型部署，注重隐私。
• Cursor: 一款集成了强大AI（基于GPT）的编辑器，主打“与AI结对编程”体验，能通过对话直接修改代码。
• 通义灵码 (Alibaba Cloud): 阿里云推出的智能编码助手，对中文开发者友好。

3. 图像生成AI

输入文字描述（Prompt），AI生成图片。

3.1 Midjourney

• 在艺术性、构图和美学方面公认的顶级选手，尤其擅长概念艺术、插画风格。通过Discord使用。

3.2 DALL·E 3 (OpenAI)

• 集成在ChatGPT中，使用非常方便。对文字的理解和还原能力极强，能精确生成包含特定文本的图片。

3.3 Stable Diffusion

• 开源模型，生态极其丰富。可以在本地运行（需要显卡），有大量社区模型（Checkpoint）、插件（如ControlNet）可供选择，可控性最强，适合喜欢钻研的玩家。

3.4 国内图像生成

• 文心一格 (百度): 中文Prompt友好，风格多样。
• 通义万相 (阿里): 提供多种风格的图像生成。

4. 多模态与视频AI

能同时处理和理解文本、图像、音频、视频等多种信息。

4.1 GPT-4V (Vision)

• GPT-4的视觉版本，可以“看懂”图片并回答相关问题，用于图像分析、描述、基于图片的推理。

4.2 Gemini (Google)

• Google的旗舰多模态模型，从设计之初就原生支持文本、图像、音频、视频等多种输入，在多项基准测试中表现优异。

4.3 Sora (OpenAI) & 其他视频生成

• Sora: 能根据文本生成长达一分钟的高质量、高一致性视频，代表了当前视频生成的最高水平（尚未公开）。
• Runway ML / Pika Labs: 目前可用的热门AI视频生成工具，能实现文生视频、图生视频、视频风格化等。

5. 如何选择？给AI小白的建议

1. 明确需求: 你是想聊天、写文章、学编程、画图，还是处理视频？先确定主要用途。
2. 从易用性入手: 优先选择有友好网页版或成熟客户端的工具，如 ChatGPT、文心一言、Midjourney（Discord）。
3. 关注成本: 许多AI有免费额度或基础免费版（如 ChatGPT 3.5， Claude Sonnet），高级功能或更高限额需要付费。
4. 尝试与比较: 对同一任务（如“写一封邮件”），用不同AI试试，感受它们风格和能力的差异。
5. 学习Prompt技巧: AI的输出质量很大程度上取决于你的输入指令。学习一些基本的Prompt工程技巧能大幅提升效果。

实战示例：好Prompt与普通Prompt对比

理解了Prompt技巧的重要性后，我们通过两个具体场景来看看优质Prompt和普通Prompt的区别：

场景一：文本创作（使用ChatGPT/文心一言等对话AI）

• 任务：写一篇关于春天的短文。
• 普通Prompt：

  写一篇关于春天的文章。
  

• 优质Prompt：

  请以一位城市上班族的视角，写一篇300字左右的散文，描述某个周末清晨在公园感受到的春天。要求：1. 包含视觉（如新芽、花朵）、听觉（如鸟鸣）、嗅觉（如泥土和花香）的细节描写；2. 融入一丝对时光流逝的淡淡感慨；3. 语言优美、略带诗意，但避免过于矫情。
  

• 好在哪里：优质Prompt明确了角色（城市上班族）、场景（周末清晨公园）、具体感官细节、情感基调（淡淡感慨）和风格要求（优美略带诗意）。这能引导AI生成更具画面感、情感层次和文学性的内容，而非泛泛而谈的“春天很美”。场景二：代码生成（使用GitHub Copilot/Cursor等代码AI）
• 任务：生成一个登录页面的前端代码。
• 普通Prompt：在HTML文件中输入 <!-- 登录页面 -->
• 优质Prompt：

  <!--
  请生成一个现代风格的登录页面，包含以下元素：
  1. 一个居中的卡片容器，有轻微阴影和圆角。
  2. 标题“欢迎回来”，副标题“请登录您的账户”。
  3. 用户名和密码输入框，带占位符和图标。
  4. “记住我”复选框和“忘记密码？”链接。
  5. 一个居中的提交按钮，背景为渐变色。
  6. 底部有“还没有账号？立即注册”的链接。
  要求：使用Flexbox布局，配色以蓝色为主色调，代码需包含必要的CSS样式。
  -->
  

• 好在哪里：优质Prompt通过注释清晰地定义了功能需求（所有表单元素）、样式要求（现代风格、卡片、阴影、圆角、布局、配色）和结构说明。这能让代码AI理解上下文和设计意图，生成更完整、可直接使用或微调的前端代码，而不是零散的片段。

场景三：图像生成（使用Midjourney/Stable Diffusion等图像AI）

• 任务：生成一张“猫”的图片。
• 普通Prompt：

  一只猫。
  

• 优质Prompt：

  一只毛茸茸的橘色英国短毛猫，正蜷缩在铺着柔软针织毯的窗台上晒太阳。午后温暖的阳光透过百叶窗，在它身上投下斑驳的光影。画面采用柔和的光线，温馨的室内场景，风格为细腻的写实摄影，焦点在猫的眼睛，背景略微虚化，整体色调温暖、宁静。 --ar 16:9 --style raw --v 6.0
  

• 好在哪里：优质Prompt详细指定了主体特征（品种、颜色、动作）、环境与构图（窗台、毯子、阳光、光影）、视觉风格（写实摄影、光线、色调、焦点）以及技术参数（宽高比、风格版本）。这能引导图像AI生成一张具有故事感、艺术性和技术细节的高质量图片，而不是一个简单、模糊的猫的剪影。场景四：多模态分析（使用GPT-4V/Gemini等多模态AI）
• 任务：分析一张图表并总结趋势。
• 普通Prompt：

  分析这张图表。
  

• 优质Prompt：

  请分析我上传的这张“2023-2024年季度销售额与用户增长趋势图”。请完成以下任务：1. 识别图表类型（如折线图、柱状图）和坐标轴含义。2. 分别描述销售额和用户数量在每个季度的变化趋势。3. 指出两个指标之间是否存在明显的相关性（例如，用户增长是否带动了销售额提升）。4. 基于数据，提出一个可能的原因假设。请用分点列表的形式回答，语言简洁专业。
  

• 好在哪里：优质Prompt明确了分析对象（图表标题）、具体分析步骤（识别、描述、关联、假设）、输出格式要求（分点列表）和语言风格（简洁专业）。这能引导多模态AI进行结构化、深入的视觉内容分析，并提供有洞察力的结论，而不是仅仅复述图表中的可见信息。## 主流AI工具速览表

工具名称	核心模型/技术	主要功能	特点与优势	适用人群	成本/获取方式
文本生成与对话AI
ChatGPT	GPT-3.5/4	对话、问答、写作、翻译、总结、头脑风暴。	界面友好，生态成熟，插件丰富，适合日常使用。	普通用户、学生、内容创作者、需要快速获取信息的任何人。	免费版（GPT-3.5），ChatGPT Plus订阅（约20美元/月）或API付费。
Claude	Claude (Anthropic)	长文本处理、文档分析、逻辑推理、安全对话。	上下文窗口极大（可达20万token），注重安全性和无害性，逻辑性强。	需要处理长文档的研究者、分析师、法律或合规相关工作者。	有免费版（Claude Sonnet），高级版需订阅或API付费。
文心一言	ERNIE Bot	中文对话、写作、搜索增强、知识问答。	中文理解能力强，集成百度搜索知识，对国内用户友好。	中文用户、需要结合搜索信息的用户、百度生态用户。	目前免费。
Kimi Chat	月之暗面大模型	超长上下文对话、文件上传与处理、资料整理。	支持百万字上下文，优秀的文件处理能力，适合阅读和分析长文档。	学生、研究者、需要处理大量文档的分析师。	目前免费。
代码生成与辅助AI
GitHub Copilot	Codex (GPT系列)	代码补全、函数生成、注释生成、代码解释。	最成熟的AI编程助手，深度集成主流IDE，支持多种语言。	希望提升编码效率的开发者、编程学习者。	免费版有限额，专业版需订阅（约10美元/月）。
Cursor	GPT系列	智能代码编辑、对话式编程、代码重构、错误修复。	主打“与AI结对编程”体验，能通过对话直接理解和修改代码。	希望与AI深度协作的开发者、探索新编程范式的用户。	免费版有限额，专业版需订阅。
Amazon CodeWhisperer	Amazon自有模型	代码补全、安全扫描、AWS服务最佳实践推荐。	对AWS服务支持好，免费，注重代码安全。	AWS开发者、云原生应用开发者。	目前免费。
通义灵码	通义千问代码模型	代码补全、注释生成、智能问答、代码优化。	对中文开发者友好，深度集成阿里云开发工具。	国内开发者、阿里云生态用户。	目前免费。
图像生成AI
Midjourney	专有模型	艺术图像、概念设计、插画创作。	艺术性与构图顶级，风格化效果出众，社区活跃。	艺术家、设计师、创意工作者、对美感要求高的用户。	通过Discord使用，需订阅（基础版约10美元/月）。
DALL·E 3	DALL·E 3	文生图、创意插图、包含文字的图像。	集成在ChatGPT中易用，对文字理解与还原精准。	普通用户、内容创作者、需要快速生成配图者。	需ChatGPT Plus订阅或API付费。
Stable Diffusion	开源模型	图像生成与编辑、风格迁移、可控创作。	开源免费，生态丰富，可本地部署，可控性极强，插件多。	技术爱好者、开发者、喜欢自定义的创作者、隐私敏感用户。	可免费本地运行（需显卡），在线服务（如DreamStudio）按次收费。
多模态与视频AI
GPT-4V	GPT-4 with Vision	图像理解、描述、分析、基于图像的推理。	强大的视觉理解能力，与ChatGPT无缝集成。	需要图像分析的内容审核、教育、研究等场景。	需ChatGPT Plus或API付费。
Gemini	Gemini Pro/Ultra	多模态对话、文档理解、跨模态推理。	原生多模态设计，支持文本、图像、音频、视频输入，基准测试领先。	开发者、研究者、需要多模态交互的应用构建者。	有免费额度，高级模型API付费。
Sora	Sora (扩散模型)	文生视频、生成高质量动态场景。	视频生成质量与一致性代表当前最高水平（未公开）。	视频创作者、研究者、关注前沿技术的爱好者。	尚未公开。
Runway ML	多种视频模型	文生视频、图生视频、视频编辑、风格化。	功能全面，创意工具丰富，社区资源多。	视频创作者、设计师、艺术工作者。	免费版有限，高级功能需订阅。

6. 延伸学习资源

• Learn Prompting：一个免费的、系统的Prompt工程教程网站，从基础到进阶，适合所有水平的学习者。
• AI Explained：YouTube上高质量AI工具评测与趋势解读频道，深入浅出，适合跟踪AI前沿动态。
• r/ArtificialIntelligence：Reddit上最活跃的AI技术讨论社区，汇集了全球开发者和爱好者，是提问和获取一手资讯的好地方。

7. 结语

AI工具正在飞速迭代，今天的"小白"可能很快成为明天的"高手"。除了本文提到的，还有无数垂直领域的AI（如音乐生成、PPT制作、法律咨询等）。最好的学习方式就是保持好奇，亲自上手体验。从解决一个实际的小问题开始，你会发现AI能成为你学习和工作中强大的助力。