《再分享一下我平常是怎么使用 AI 的，软硬件分工》 三个订阅：GPT Plus、Kimi K3 Allegro、WorkBuddy 旗舰。 加起来一个月1… · @sera00111 · TwKit

@sera00111

《再分享一下我平常是怎么使用 AI 的，软硬件分工》 三个订阅：GPT Plus、Kimi K3 Allegro、WorkBuddy 旗舰。 加起来一个月1200r左右，差不多一个 Claude Max 的钱。 之所以不把钱全押在一个模型上，是因为一个模型的错误是结构性的，不是随机的。 你多问它几次，错法还是一样。换个问法，还是同一种错。它不会因为你不满意就换一套偏差。 而我手上的活横跨四块：市场研究、产品设计、代码工程、交付物。 没有哪个模型四块都强。 所以我不是找最强的，是找三个错法不一样的。 GPT-6：负责想 调研、写方案、搭框架。 给它一个模糊的问题，它能铺出一张完整的地图，而且愿意下判断——这点很重要，很多模型不敢说“我认为”，只敢罗列。 它的短板是细节。数字、出处、具体条款，它容易编得很像真的。 所以它只负责方向和骨架，不负责事实。事实我另外核。 K3：负责定形 中文表达最自然的一个。 同样的意思，它写出来像人说的话，不像翻译腔。文案语气、标题、句子的节奏，它最稳。 上下文也长，整份文档丢进去它接得住。 设计、排版、视觉审美的判断也更好。 短板是太顺着你。你说什么它都觉得有道理，所以不能让它做判断，只让它做表达。 WorkBuddy：负责落地 三个里唯一能真动我电脑的。 读文件、跑命令、改代码、装环境、部署、批量处理。 它还有个别的工具没有的能力：能把一次性的事固化成可重复运行的流程。这次做完，下次一句话就能重跑。 短板是需要明确指令。你给它模糊需求，它就给你平庸结果。 所以分工原则只有一条 谁负责想，谁负责定形，谁负责落地。 三个边界不清，就会互相干扰——让写稿的模型去做事实核查，让做执行的模型去定方向，结果都不对。 关键不是三个模型，是它们能互相看见 我在 WorkBuddy 里能直接调 GPT-6 和 K3。 所以不是开三个窗口复制粘贴，是三个在同一个对话里互相看得见。 每改一版，我要三份意见：方向建议，加分歧。 分歧比共识有用 三个模型都说好的方案，通常是最平庸的那个。 真正的信息在它们吵起来的地方。 一个说先做小样，一个说直接铺开，一个说两个都错、先验证需求。 三种摆在一起，我才知道自己站哪。 我要的不是投票结果，是分歧清单。 硬件：两台机器，按生命周期分 MacBook Pro｜M5｜32G｜1T｜macOS 27 Windows｜〔台式机 /64+2TB / 5080〕 平常外出时会带着 Mac，Mac 通过 SSH 通道连接 Windows 跑本地重度算力项目。 MacBook Pro 是前台。写、聊、改、审，随时开随时合。32G 够用，因为重活不在本地——本地只要扛得住几十个标签、几个终端、加一个 WorkBuddy 就行。 serawin 是后台。常开，跑长任务：定时任务、批量处理、渲染、整夜跑的脚本。它不需要我看着，它需要一直醒着。

曝光 346 · 评论 4 · 点赞 4 · 书签 0