一套逐渐成型的多AI学习工作流

type

Post

status

Published

date

Mar 9, 2026

slug

summary

我是怎么用多个 AI 一起学习的：一套逐渐成型的 AI 工作流

最近一段时间我在用不同的大模型学习、查资料和思考问题。连续高强度使用了几个月之后，慢慢形成了一套还比较粗糙，但实际很好用的 AI 工作流。简单说就是：让不同模型各司其职，而不是指望一个模型解决所有问题。

ChatGPT：最适合长时间思考和学习

如果只是从学习体验来说，我目前还是最推荐 ChatGPT。

有一次我和它连续聊了一个下午，上下文一直没爆。相比之下，豆包聊几轮之后就经常不知道上一句在说什么；Gemini虽然能力强，但有时候表达方式比较“学术”，读起来并不轻松。

如果是为了 理解问题、梳理概念、把复杂问题聊清楚，ChatGPT的体验明显更好。尤其是对于偏文科、偏理解型的学习来说，它的表达方式更自然，也更容易形成连续的思考。

另外一个非常明显的优势是 上下文能力。

有时候聊了几百回合之后，让它把整个讨论总结成文档，大概还能保留 70%～80% 的核心信息。我猜测它应该会把比较久远的内容进行压缩，而不是简单丢弃。

这种设计其实非常适合一种学习方式：

发散式、随机游走式思考。

有时候一个问题会不断分叉，聊着聊着就跑到另一个领域，但最后又能回到主线继续推进。这种模式下，ChatGPT的稳定性明显更高。

不同模型，各干不同的活

慢慢地，我形成了一套分工还算清晰的 AI 使用方式。

大致是这样：

ChatGPT：主线对话，用来思考问题、梳理逻辑、加深理解

Gemini：用于搜索、查证资料、给出论文或参考来源

Claude：偏技术任务，比如写代码或复杂技术问题

豆包：解决特别简单的小问题

整个过程中，ChatGPT始终作为主线会话存在，尽量维护好上下文，让讨论保持连续。

例如当我要研究一个问题时，通常会先和 ChatGPT 聊一段时间，把问题本身“聊清楚”。很多时候真正困难的不是答案，而是 问题本身还没被定义好。

等到问题逐渐清晰后，如果涉及比较复杂的概念或者需要严谨出处，我就会把相关问题交给 Gemini，让它去搜索和验证，并给出参考文献。

ChatGPT 一个很被低估的能力：对话结构

在我看来，ChatGPT 有一个特别强但经常被忽视的优势：

它允许你修改历史问题，还可以开 Branch。

也就是说，对话其实是可以被“重写”的。

比如在聊天过程中，模型突然提到一个你不懂的概念，这时通常有几种处理方式。

情况一：概念很简单

如果只是一个简单概念，其实没必要打断主线。

直接复制这个概念，去问其他模型就行。

理解了之后继续原来的对话。

情况二：概念比较复杂

如果这个概念比较重要，而且希望保留在当前上下文中，可以直接在当前对话里问 ChatGPT。

等理解清楚以后，这一段其实就没有存在的必要了。

可以直接回退到提出这个概念之前的那一条消息。

这样主线会话就不会被大量“解释型内容”污染。

情况三：暂时没搞懂，但又想继续

这种时候我通常会 新建一个 Branch。

把那一段分支放到旁边，等有时间再慢慢研究；而主线对话继续推进当前问题。

这其实很像代码里的 分支开发。

某种意义上说，这已经不是模型能力的问题，而是 产品工程设计的问题。

目前像 Gemini 和豆包都没有这种结构，它们基本只能修改最后一条提问。

ChatGPT 的 Auto 模式为什么最好用

我自己实际测试下来，Auto 模式的体验最好。

Instant、Thinking、Pro 这些模式在学习场景里反而没那么顺手，可能是因为它们更依赖上下文计算。

Auto 的感觉是：

需要深度推理的时候自动思考

平时保持比较快的响应速度

整个节奏非常自然。

而且有一种明显的感觉是：

官网版本的 GPT，比 API 版本更“聪明”。

哪怕 API 用的是更高级的模型，整体体验也没有官网 Auto 模式稳定。我猜测这里面可能涉及 OpenAI 自己的上下文管理系统 + 自动模型路由。

目前还没解决的问题：会话整理

不过现在还有一个让我比较头疼的问题：

长时间聊天之后，如何整理知识。

有时候和 ChatGPT 连续聊几个小时，后面基本不可能再回去看整个对话。那这些讨论如果没有沉淀成文档，其实就很容易流失。

目前我尝试过几种方式：

一边聊天一边在旁边写文档

最后让 GPT 做总结

纯靠脑子记

但都不算特别高效。

理想状态其实是：

在聊天过程中就逐渐形成结构化文档。

或者在结束的时候，可以一键整理成一篇完整的笔记。

这大概也是下一步需要继续优化的地方。

结语

如果一定要总结一句话：

与其寻找“最强的大模型”，不如学会让不同模型协作。

ChatGPT 适合思考，Gemini 适合求证，Claude 适合技术，豆包适合简单问题。

当这些工具被合理组合的时候，AI 不再只是一个聊天机器人，而更像是一套 可以扩展的思考系统。