我曾做过一个实验:让 GPT-4o、Gemini、Grok 分析同一个商业决策,再用 Perplexity 协助查找资料。

那次,GPT-4o 给出稳健的主流答案,Gemini 提醒了三个前一份回答没提到的风险,Grok 则提出另一种方案。三轮讨论后,我得到的不只是单一答案,而是一张可以比较选项的决策地图。

这不代表它们永远具有这些性格,也不保证多问几个模型就会得到正确结论。但它让我发现:除了亲自完成每一步,我也可以把心力放在设计问题、安排比较方式,以及决定采用什么。

工具焦虑之外,先看自己的工作

模型与工具不断更新,跟上变化确实有用。但如果每次更新都要重新安排自己的方向,很容易把时间花在追逐功能,却没弄清楚工作真正需要什么。

我比较愿意先问:哪些步骤需要反复执行?哪些结果需要专业检查?哪个判断一旦出错,代价会很高?

这样看,工具熟练度并不是没有价值,而是要放回具体任务里衡量。能更快产出初稿,和能交付可靠成果,之间还有查证、修改与验收。我的角色定位,也是在这些步骤中慢慢调整的。

从执行到编排,仍要理解内容

我自己的策略,放在三件事上。它们不是不会被技术影响的护城河,而是目前值得持续练习的工作能力。

问题定义。 AI 可以帮忙提出问题、补充脉络与比较选项;我仍要确认,这是不是眼前值得处理的问题。我在〈AI 时代的全天候经济〉里关心的,也是工作持续运转时,人如何保留理解、介入与停止的能力,而不是断言人一定会变成旁观者。

结构设计。 我曾把八个社群平台的内容流程,串成从 Apple Notes、Google Sheet 到 OneUp API 的管线。这段经验让我把注意力放到交接方式:哪里产生草稿,哪里检查,哪些内容才可以进入发布流程。串起工具本身,不等于已经证明输出品质、工作量或节省时间。

价值判断。 不同模型会提出互相矛盾的建议,也可能一起忽略同一件事。我需要检查依据、取舍代价,并对自己采用的决定负责。AI 能协助比较;它的回答不能代替我完成这个选择。

角色军团是一种工作编排

我用「角色军团」描述分配任务的方式:请一个工具整理主张,另一个找反例,再请另一个提出不同方案,最后查回相关来源。

前面那次 GPT-4o、Gemini、Grok 与 Perplexity 的分工,是当时的配置与观察,不是固定的模型能力排行榜。版本、题目、提示与可取得的资料不同,结果也可能改变。角色可以重分配,不能因为替工具取了「批判者」的名字,就假定它一定找得到漏洞。

查找来源也只是查核的一步。我还得确认来源是否真的支持结论、日期与适用范围是否相符;多个模型说法一致,并不等于它们提供了彼此独立的证据。

在〈一个人用AI做小工具:从产出数字回到验收与维护〉里,我更关心一个人能承接哪些工作,以及查证、修改、维护的负担如何安排。这比把自己换算成几个人的团队,更能帮助我决定下一步。

画出一张可以修改的策略图

面对变化,我会问三个问题:哪些工作适合交给工具协助?哪些判断需要自己更深入理解?我有哪些经验,可以拿来处理眼前的具体问题?

对我而言,十年产业经验、神学训练、创业实务与技术理解,是目前整合问题的材料。它们不是永远不会被压缩的保证,也不代表别人无法建立不同的优势。价值仍要回到实际成果与回馈中检查。

策略图因此不能只画一次。可以先选一项常做的任务,试着拆开产出、查证与验收,记下工具能协助到哪里,以及哪些地方仍需要补能力,再据此调整分工。

我想追求的,不只是做得更快,而是更清楚自己在解决什么、凭什么采用一个答案,以及愿意为哪个结果负责。这不能保证在变化中胜出,却让下一步比较有依据。

四格漫画:我得到的不只是单一答案,而是一张可以比较选项的决策地图。角色可以重分配,不能因为替工具取了「批判者」的名字,就假定它一定找得到漏洞。多个模型说法一致,并不等于它们提供了彼此独立的证据。能更快产出初稿,和能交付可靠成果,之间还有查证、修改与验收。策略图因此不能只画一次。这不能保证在变化中胜出,却让下一步比较有依据。

**2026 年 11 月修订:**模型分工与工具流程保留为当时的个人经验,不作现行能力排名或效率比较。