Claude vs GPT 横向评测摘要 Claude和GPT各有优势，选择取决于具体任务需求： 核心差异 Claude：擅长中文写作、长文本处理、代码解释，输出更自然流畅 GPT：强在结构化分析、多模态任务、工具集成，适合推理拆解 典型场景推荐 内容创作：GPT列提纲 → Claude写正文 → GPT做SEO检查 编程开发：GPT定方案 → Claude写代码 → GPT做审查 文档处理：Cl

Claude Code 越用越贵，通常不是某一个按钮造成的，而是长会话、工具调用、缓存写入、模型选择和输出习惯叠加后的结果。它真正消耗的也不是“你问了几句话”，而是每一次请求背后到底带了多少上下文：代码文件、历史对话、日志、diff、工具结果、缓存写入，以及模型输出。一个 session 只做一个任务；配好，排除无关文件；长任务阶段性使用/compact，无关任务用/clear；日志、diff、搜

输入：文档内容 120,000 tokens输出：摘要 3000 tokens调用次数：1 次这个任务里，输入成本远远大于输出成本。是否必须把全文都塞进上下文；能不能用 RAG 只召回相关片段；同一份文档会不会被反复分析；是否支持 prompt caching；上下文窗口是否足够大。如果每次都把 100 页 PDF 全量发送给模型，就算输入单价不算高，月成本也会明显上涨。对于重复文档分析来说，缓存

Claude Code 支持把部分 Skill 映射成命令。------是第一个参数；是第二个参数；有些版本或场景里，也可能看到$0$1这样的参数形式，具体还是要以当前 Claude Code 的官方文档和实际版本为准。自定义命令很适合部署、检查、生成报告这类固定流程。不过也没必要把所有 Skill 都做成命令。能用自然语言顺利触发的，就保持自然调用，反而更轻。如果你刚开始用 Claude Cod

Claude Code 支持把部分 Skill 映射成命令。------是第一个参数；是第二个参数；有些版本或场景里，也可能看到$0$1这样的参数形式，具体还是要以当前 Claude Code 的官方文档和实际版本为准。自定义命令很适合部署、检查、生成报告这类固定流程。不过也没必要把所有 Skill 都做成命令。能用自然语言顺利触发的，就保持自然调用，反而更轻。如果你刚开始用 Claude Cod

Claude Code 支持把部分 Skill 映射成命令。------是第一个参数；是第二个参数；有些版本或场景里，也可能看到$0$1这样的参数形式，具体还是要以当前 Claude Code 的官方文档和实际版本为准。自定义命令很适合部署、检查、生成报告这类固定流程。不过也没必要把所有 Skill 都做成命令。能用自然语言顺利触发的，就保持自然调用，反而更轻。如果你刚开始用 Claude Cod

Claude Code 支持把部分 Skill 映射成命令。------是第一个参数；是第二个参数；有些版本或场景里，也可能看到$0$1这样的参数形式，具体还是要以当前 Claude Code 的官方文档和实际版本为准。自定义命令很适合部署、检查、生成报告这类固定流程。不过也没必要把所有 Skill 都做成命令。能用自然语言顺利触发的，就保持自然调用，反而更轻。如果你刚开始用 Claude Cod

Claude Code 支持把部分 Skill 映射成命令。------是第一个参数；是第二个参数；有些版本或场景里，也可能看到$0$1这样的参数形式，具体还是要以当前 Claude Code 的官方文档和实际版本为准。自定义命令很适合部署、检查、生成报告这类固定流程。不过也没必要把所有 Skill 都做成命令。能用自然语言顺利触发的，就保持自然调用，反而更轻。如果你刚开始用 Claude Cod

MCP 是连接外部世界的协议，Skill 是沉淀任务方法的能力包。需要查数据库、调 API、访问 GitHub、操作企业系统：优先 MCP；需要写报告、审代码、按品牌语气输出、遵守团队 SOP：优先 Skill；既要拿外部数据，又要按固定方法处理：MCP + Skill；只是一次性简单任务：Prompt 就够了。MCP 解决“能不能做”，Skill 解决“会不会按正确方式做”。

MCP 是连接外部世界的协议，Skill 是沉淀任务方法的能力包。需要查数据库、调 API、访问 GitHub、操作企业系统：优先 MCP；需要写报告、审代码、按品牌语气输出、遵守团队 SOP：优先 Skill；既要拿外部数据，又要按固定方法处理：MCP + Skill；只是一次性简单任务：Prompt 就够了。MCP 解决“能不能做”，Skill 解决“会不会按正确方式做”。