AI 杂谈
前段时间我参加了某个 PPT 大赛，记录一下使用 AI 完成多媒体工作的经验和想法。
我也算 AI 的重度用户了，从日常生活中聊天、查资料、提建议，到竞赛的题目解答和调试，还有开发组的项目维护和多媒体任务，基本上都离不开 AI。
模型
目前大部分 AI 都只能算聊天机器人，能作为生产力的只有 3 家：
- OpenAI 公司的 ChatGPT 系列
- Google 公司的 Gemini 系列
- Anthropic 公司的 Claude 系列
以前 ChatGPT 是遥遥领先的，现在这 3 家各有千秋吧。
注意现在很多 AI 新品是 macOS 独享，Windows 和 Linux 可能没有。
ChatGPT
OpenAI 就是引爆整个 AI 时代的公司，2022 年底 GPT-3.5 发布全球爆火，
我觉得 ChatGPT 像个竞赛生，在纯粹的逻辑推理上很强，我平时遇到一些数学和算法难题，都会优先扔给 GPT。
Gemini
然后 Gemini 就感觉比较全能吧，毕竟 Google 本身是一家大公司，还有很多其他的产品，生态兼容比较好。
Claude
Claude 有点像文科生，适合用来开发大型项目，还有就是人文关怀很好，现在推理其实也不比 GPT 差了。
Grok
另外还有马斯克 xAI 公司的 Grok 模型，这个模型挺有意思的，2025 年初 Grok 3 发布甚至冲到第一梯队，但现在只能算聊天机器人。
因为 X (Twitter) 也是马斯克的，Grok 有独占的 X (Twitter) 生态，能找到很多新闻帖子，经常刷 X (Twitter) 的应该见过，很多人会在帖子下面评论「@grok is it true?」来判断真假。
还有就是 Grok 比较开放，很多限制级内容都可以聊。上次冬日绘板活动有 IP 限速，我想搞一个 IP 池轮换，还有次我的私人网盘 lailai's Cloud 管理员密码丢失，需要在数据库改 Hash。这些只有 Grok 能用，让 ChatGPT 和 Gemini 搞都被拒绝了，而且还容易被封号，我在 2025 年 1 月的 ChatGPT 账号就是这样没的，一年多的聊天记录都没了。
工具
VPN
这作为一个人最基本的技能，如果不会我也没办法。
社交媒体
在 X (Twitter)、Reddit、YouTube、bilibili 等社交媒体上，有很多人分享 AI 经验，可以去看看。
GitHub
Hugging Face
Arena
GPTZero
任务
文本
文本（Text）毫无疑问一直都是 AI 最擅长的领域，随便找个 AI 都能搞，大家都知道我就不多说了。
我推荐用 Claude，文本的语言风格比另外两个好，ChatGPT 写的文本就是有 AI 感，最后记得要降 AI 率，文科生失业！
代码
代码（Code）也属于文本，AI 非常擅长写代码，简单小代码随便找个AI都能写，大型工作建议用 Agent，程序员失业！
网页也是一段代码，有很多优点：一是稳定，不像让 AI 生成图片一样，每次生成都像抽奖，而且修改一个地方，其他地方就变了，网页能很精细的控制；二是便宜，网页就是一段代码，Token 比图片少很多；三是方便，网页生成后打开浏览器就能预览；四是强大，网页支持的功能很多，不仅是网页浏览，还能用来做图表、PPT什么的，后面我会说的。
智能体
智能体（Agent）简单来说就是让 AI 不只是聊天机器人，能自行规划步骤、调用工具、完成任务的 AI 助手，独立完成一些大型项目，目前这 3 家都有桌面端，分别是 Codex、Gemini CLI、Claude Code。
图片
图片（Image）只有 OpenAI 的 GPT Image 和 Google 的 Nano Banana 生图模型，Claude 一直没有生图模型。
以前 nano banana 2 比 gpt-image-1.5 略强一点，现在新出的 gpt-image-2 遥遥领先了，设计师失业！
图表
图表（Chart）有三个生成思路：一是让生图AI直接生成，但细节和一致性不好；二是让 AI 写 Python 脚本，调用图表库生成，但设计一般，看上去很古老；三是让 AI 写 html 网页，这个是我用下来最好的，AI 给的细节和一致性都很好，大小像素级可调。
模型
模型（Model）是个比较冷门的领域，我也尝试了很多方法，首先是直接 AI 生成，但效果一般；然后是专门的AI建模；还有让 AI 写 Python 脚本建模一个胚，然后截图让 AI 贴图，这样保证的比例正确；但现在 Claude 原生兼容 Blender 杀死了比赛，和真人手工做的一模一样，还能自动贴图、渲染等。
PPT
你可能无法想象，这个 PPT 是我手工排版设计的……我最开始是让 Codex 直接生成的，它装了几个插件，并写了一个很长的 Python 脚本生成 PPT，但是效果不好，排版混乱。当时我急着出结果，就用 Figma 手搓了一个 PPT，设计还凑合，勉强能看吧；前段时间 Codex、Claude、Gemini 都拥有了原生的 PPT 能力，效果好多了；而且还新推出了 Claude Design 专业 AI 设计功能，可以做出顶尖设计，并支持 PPT 导出。还有一个想法，就是用网页排 PPT，因为 AI 擅长网页。
视频
视频（Video）生成我玩的不多，以前是 OpenAI 的 Sora，但前段时间 Sora 下架了，推荐用字节跳动旗下的Seedance 和 Google 的 Veo。
音乐
音乐（Music）我也玩的不多，只记得 Google 的 Lyria。