请问大家在日常工作中有哪些切实的使用到AI给自己工作有所便利提升的真实使用过的案例可以分享吗？
个人感觉是写简单的代码，注意是简单的。
比如，您知道某个文字处理任务可以借助命令行工具 sed 来完成，但不知道具体要怎么写命令，这时候以明确的问题问 DeepSeek，效果就非常好。
还有是文档总结。这一点我觉得腾讯元宝的效果似乎要好于 DeepSeek。比如一篇科技论文，把它传给腾讯元宝，它首先会列一个提纲，简单介绍论文的背景、实验方法和主要结论。你也可以要求它用适量文字总结全文，效果也很不错的。有时候某一领域的文献太多，一篇一篇看肯定看不过来。让腾讯元宝先总结一下每篇文章的核心内容，再决定是否有必要仔细看看，还是挺方便的。
总之，个人感觉现在 AI 在如下两个方面做得很好：
- 编写简单的代码
- 总结内容
或者说，如下类型工作比较适合交给 AI 去干：
- 自己可以对结果真实性进行验证的
（比如编程，写出的代码对不对，自己运行一下就知道了） - 哪怕错一点也无所谓的
（比如总结全文，只要不是偏差得太多，其实都可以接受）
linux的维护变得简单了许多，以前用思维导图记命令，现在直接问就行了 
DeepSeek我觉得是被吹上天的产物，实际上很多目前的AI都能提供答问
AI作为资本的产物，现在应该没有很多可用的AI把，毕竟后面没有大资本的，也只是套壳子的游戏罢了。
性能算不上最强，但在第一梯队了。更重要的是开源，（有足够算力的情况下）人人都能部署。
技术上的创新和普通用户没啥关系，deepseek一直在钻研moe，这玩意参数量更大吃显存更多，所以搞出来很多高效计算和资源管理与分配的技术，上周也一并开源了一波。这些技术能降低LLM的训练成本。
有钱大家赚，这谁不喜欢。closedAI一边吹牛逼一边东西都捂在自家手里看了就头大。
当然你要是只知道问答这个功能，那就用哪家的都行。合适的、能解决自己问题的就是好工具，没必要考虑工具咋造出来的。
你算是人间清醒，要是普通人AI 智谱清言和豆包已经足够了
是的，普通问答对于我们这些普通小白哪个AI都足够
以前需要自己用搜索引擎打开好几个结果，然后从广告里面找内容，现在 ai 直接把总结好的内容呈现出来了。
但搜索有时候其实是降低效率的，比如上次我让 DeepSeek 和腾讯元宝分别给我介绍一些关于海洋浮游植物体内碳含量的文献，并附上 DOI（DOI 是已发表论文的标识码，相当于图书的 ISBN、居民的身份证号码），结果是：
- 腾讯元宝推荐了 5 篇，DOI 都是存在的，但都和它说的论文标题对不上，甚至研究领域都不一样。
- DeepSeek 推荐了 5 篇，有 3 篇的 DOI 是编的，根本不存在；另外 2 篇的 DOI 虽然存在，但也和它给出的论文题目对不上。
另外，它们给出的所有论文题目，在专业数据库里面都搜不到，大概率是它们自己编造的……
1 个赞
搜论文这种用Perplexity,Grok不错
不是deepseek的长处
RE：请问大家如何将AI与工作结合的？
这个问题可以用实际场景+结合方式来讨论，如果能具体到行业就更好了
（ps 这个话题貌似不是在问哪个 AI 产品更厉害，以及 AI 的优点与缺点。这个话题很有价值，因为人们都在吹 AI、批评 AI，那么大家实际上是怎么用 AI 的？什么职业的人在用 AI 做了实际什么工作后发自真心夸了 AI 好用？……）
此话题在求助如何用AI管理自己笔记？亦有讨论。
场景：遇到新的概念、名词
结合方式：直接问 AI，通俗了解一下这个概念大概是什么。根据这个概念的重要程度，考虑进一步深入了解，比如查 wiki、查社区上的讨论。
场景：码字没灵感
结合方式：把自己的写作烦恼问一下 AI，看着它吐出来的文字，能带动思考，获得灵感。
场景：学习大型专业软件遇到操作困难
结合方式：不用像 how-to-ask-question 那样上网求助了，直接问 AI
场景：想搞批量操作，不会编程
结合方式：让 AI 帮着写代码
场景：想了解一个话题。
结合方式：问有搜索功能的 AI，然后顺藤摸瓜看一看。
具体到工作举例：
场景：需要给视频配音
结合方式：用 AI 生成配音
（这个不是我的工作，但是是 AI 与工作结合的例子）
……
场景：想赚流量
结合方式：让 AI 生成文字，发到网上
例子：通过吹/骂 AI 赚一波流量，甚至能卖网课
（这个不是我的工作，但是是 AI 与“工作”结合的例子）
OK，感谢推荐！
或许对我这种需求而言，需要的不是 “生成式 AI”，而是 “AI 增强搜索”。
秘塔之前是做搜索的，应该是没有自己的基座模型，同样是用deepseek但他们的结果相对更好一点。
尤其是浅度研究挺好用的，比较好的利用了推理模型的特性。但正经文献调研还是得自己下功夫，幻觉还是有些严重。
还有一些长文本也可以交给大模型做总结。大模型确实可能会编造一些信息，但总体上还是正确的。不重要的材料有点纰漏通常也能接受，重要的先有个整体印象再批判性的精读效率也能高不少。
其实流程图和PPT也可以用大模型做，流程图可以直接生成mermaid代码，然后再导入draw.io之类工具微调颜色布局。PPT可以先用强一些的模型生成markdown格式的大纲，然后用kimi或者通义千问生成。
代码、指令的学习更方便了。本来你不会的操作，通过问AI一点点就能学会了。
一个超大型的图书馆数据库，能够通过问答的形式回答问题，但是更深层次的思考还是得靠人来
代码！平常写代码的时候用AI效率不知道提高了多少倍。
初级的AI（例如我开始时使用kimi、文心一言）
- 用来写一些原理简单但是代码繁琐的小功能
- 对代码进行统一优化和整理
- 简单的错误处理
进阶版本（例如deepseek、gpt4）
- 有能力直接从0构建一整个工程，它们写的代码可以占到百分之九十九。例如可以用deepseek写一个大纲，然后丢给AI IDE实现
- 可以对工程进行重构，例如可以把一些面向过程的代码做成面向对象的，再顺便修改每一处调用
- 甚至可以把某个其他语言编写的工程的一部分直接丢给它，它可以帮助我翻译成我使用的语言
- 更厉害的错误修正，它还能解释原理，便于学习
代码之外也有很多用途
- 立即制作精美的PPT，但是图片可能需要人工修改一下
- 对文章立即进行润色和排版，还可以输出为markdown格式
- 问问题，只要网络上有资料它就能正确地回答
- 高质量地翻译和总结文章
将其当作辅助工具。
- 例如，写正则表达式其实比较麻烦，因为正则的可读性比较差，你写错了也难纠错。那就交给AI吧。
- 翻译英文并润色。
- 写代码。至少懂一点代码是最好的。（AI不懂的时候就会胡编。）
- 也可以尝试有不懂的就问他
写简单代码,基本都是两三个提问就能出结果的
近期写了2个，1个是根据ecxel数据和txt模板，批量生成txt文件；另一个是按一下快捷键自动复制单元格内容并粘贴，然后单元格右移一位。
然后分析一些类似交换机日志之类的