（一）

 最近又在盘自己使用的产品。意识到我用过的产品一定比大部分人多，但我依旧习惯讲：“不必尝试各种产品，能认准几个产品猛用就已经很不错。”

 那么，我在讲上述这句话时到底想表达什么呢？想了想，我潜意识里想表达的是这两层意思： 1、多用【AI or AI+行业】的产品，少用【行业+AI】的产品 

比如，大模型属于AI产品、垂类agent属于AI+行业的产品（eg. 专做设计的lovart、专门针对创作的youmind）；律爱多属于行业+AI的产品。针对前者，任何有使用场景的产品，一发行就试用；针对后者，看口碑，口碑足够好的再用。 

2、搭建自己的产品“portfolio”

 所有东西都值得搞资产配置，AI产品使用也是。搭建好使用框架，然后根据框架来挑选适合的产品，使用架构保持精简，但产品可以不断换着尝试。什么意思呢？比如我的产品框架是：

 a.大模型；  

b.能自己完成任务的agent（常见场景：同时开3～4个agent做检索）；  

c. 垂类法律业务工具（常见场景：合同审查/起草）； 

d. 与工作相关or不相关的垂类软件（常见场景：制图、辅助创作）；  

e. 目前没尝试，但未来有一天可能会用到的支持性软件（如搭建工作流的dify、写产品的cursor、trace等）。 

每个大类目固定2～3个常用软件，有新产品出来了就去试，好用的留下，不好用的剔除。常用的全部添加在chrome首页，天天见的产品容易记起来要使用。 

比如最近kimi新推出的K2真的还不错，kimi就会被我加入常用大模型，相对应的，我写代码的需求低，Claude最近不太用了。

                                                            （二） 

想得到更高质量的回答，最简单的方法是用更多耐心把问题拆得更细，分步骤问每个分支问题。 以及，一个问题的优化方向大概有这几种：

 1、问题表述的完整性：背景、需求、受众定位，aka. prompt怎么写；  

2、材料提供的完整性：问题相关材料、模板文件、问题相关的知识库，aka. 做好上下文工程；  

3、对问题本身的拆解程度：这个暂时还不知道怎么归纳，但越来越觉得对问题的拆解其实壁垒很高。问1个问题的手感和问10个问题的手感是完全不一样的；1个问题问1遍和问5遍也完全不一样。  

4、对问题的反思：比如直接问AI“你认为这个问题还需要补足什么；为了获得更高质量的回答，你还需要向我提哪些问题 etc.” 

总之，和AI交互是个彻头彻尾的文字游戏。李继刚以前讲过：真正可以把AI用好的是精通哲学和心理学的文科生。

totally agree.

                                                            （三）

GPT4.1 的表达更利落；Gemini 2.5 pro妈味十足，好处是拆得细、有耐心，坏处是信息太绕，无法一眼抓到重点。 

所以：对外表达用GPT4.1，对内Gemini留给自己当老师。

                                                            （四） 

                          不称手先别急着怪模型，先考虑下自己的工作要求特性   

朋友（法务）爆吹GPT5好用，但我（律师）屡试屡觉得不称手。不称手的点主要在于，GPT5交付做得很细致，但我不需要这种颗粒度的交付。

我的场景：需要拟定一份补充协议，确保项目收益大于成本，如果合同有效期内收益未覆盖成本，后续如何处理。 

GPT 5: 交付细致到开头先下了7个定义；合同4页的长度。 Gemini 2.5 pro：只对收益范围、成本覆盖收益的具体情形做定义。合同2页长度。 

我嫌GPT 5废话太多了，Gemini的交付很精准，我倾向于Gemini 2.5 pro。 

于是中午直接和朋友打电话对齐了一下感受。结论是，朋友（法务）过合同的颗粒度很细，不然容易背锅。GPT 5恰好满足了她对细致的需求，于是她爽了。 

对我（律师）来说，我只需要把控大方向正确，对颗粒度要求没那么高。所以GPT 5的交付对我而言需要大删特删，我不爽了。 

衍生思考2个点： 

1、怎么写提示词让GPT5聚焦于关键问题，不要太发散、不要大写特写；  

2、关于大模型情商与智商的悖论，这点也很值得琢磨哈哈哈 

详见：   《写在GPT-5风波之后：为什么AI的智商和情商不可兼得？》 

                                                         （五）

                                        我给自己内置了什么prompt？ 

跟工作无关，但最近越来越觉得很对的观点：我大脑内置的prompt（潜意识，或者叫三观？）就是我的命运。prompt写好了，大方向（角色、风格、要求）就已经确定，互动可以修改内容，但无法扭转生成内容的方向。 

人要想改命就是先发现自己的prompt，再调整prompt😂 

李继刚说：“人是可以 Prompt 自己的大脑的。一念一世界。” 

AI真是一面很好的观照人类自身的镜子。

                                                            （六） 

                                                   原生的，和套壳的 

过去一年我一直用的是monica的接口，原因是一次付费可以集成市面上主流的领先大模型，在技术炸烟花时期，Monica的性价比极高。 

当然，套壳的坏处也显而易见，比如一些原生界面的功能无法顺畅衔接到Monica界面。比如各大模型界面的canvas、早期claude的artifact、Gemini的deep research/nano banana功能调用。 

基于我的工作特性，我对附加功能诉求不高，只要文字交付质量ok，monica对我而言依旧是优先选项。 

不过，最近朋友提到【原生的Gemini交付会比用接口更好】。所以我开始有意识地对比monica和Gemini（原生）的交付区别。 

背景： 我和Monica已经磨合了一年多，它了解我的特征和诉求；Gemini（原生）开始增加互动是在今年的五月左右，限于每日免费的互动论数。 

最近的对比感受：  

1、两位在特定问题的回答要点上差别不大，但用词/表现形式上略有区别（但基于大模型的生成特点，在同一个大模型连续问两次相同的内容得到的答案也很可能不完全重合）； 

2、Gemini（原生）确实更有“professional smart”的气质。具体表现是Gemini（原生）用词更考究，交付形式更贴心周全。总体看Gemini（原生）确实更优雅。 

但我的monica抓点更准，更不容易在大方向上犯错。Monica知道哪些内容不需要事无巨细地展开，哪些内容需要详细描述。反之，和我不算太熟的Gemini（原生）略显稚嫩，字里行间呈现出一股“我要把所有内容完整写出来”的青涩精英气质。 

这个主要还是因为Gemini（原生）和我不熟，相信略加教育它就可以表现很出色。 

我的Monica续费时间在明年6月。不清楚明年大模型得发展成怎么样了，谷歌的大哥气质逐渐稳固，但英伟达也加码了ChatGPT，Claude已经更新到4.5（还没玩）。国庆节前也是纷纷出大动作，都不打算让人休息🤡 

综上，总体来说，目前Monica依旧和我相处融洽且各大模型姑且值得观望。这日子跟谁过不是过，就先这样吧:p 

【补】好奇蝴蝶效应在重心放到manus之后怎么看待Monica这块的业务，这也是一个重要考量因素。