AI 工具选型五步法：五步判断一个工具值不值得用

读之前建议先懂： 微调、RAG、提示词：改造一个 AI 的三条路怎么选、Token 与计费逻辑：你付的 API 费到底花在哪

当前判断

1. 写不出”任务卡”，说明是没需求，不是没好工具。
2. 关键一问：它敢不敢说”我不知道”。
3. 迭代极快的赛道里，可迁移性是最值钱的属性。

一句话结论

选 AI 工具不要看榜单和营销，用五步检验：真实需求 → 底层模型 → 可信度机制 → 总拥有成本 → 退出成本——每一步都能在本 Wiki 里找到原理支撑，这就是”逻辑”。

逻辑链

营销话术 → 噪音 → 回到机制：它用什么模型（第2步）→ 决定能力上限 → 怎么管幻觉（第3步）→ 决定敢不敢托付 → 成本结构（第4步）→ 决定用得起多久 → 数据能不能带走（第5步）→ 决定敢不敢开始

展开

第 1 步：真实需求——先写”任务卡”再找工具

用一句话写下：输入是什么 → 输出是什么 → 频次多高。找不到这句话，说明是”被种草”而不是”有需求”。需求清晰后，工具好不好试五分钟就有答案。

第 2 步：底层模型——问”它里面是谁”

同样的壳，里面接的模型天差地别（能力上限由模型决定，见 07-微调-RAG-提示词）。查看官方说明或问客服：“底层用哪家模型、哪个版本、能不能选”。不透明的，降级处理。

第 3 步：可信度机制——它怎么防幻觉

有没有 RAG/引用溯源（见 05-RAG）？文档里没有的会不会承认？（测试法见该页”现在就能做的事”）关键判断：它敢不敢说”我不知道”。

第 4 步：总拥有成本——算月账，不算单次

订阅费 + 超额费 + 你的学习时间 + 数据迁移成本。参考 09-token与计费逻辑 的手感：高频长上下文场景要格外小心计费模式。免费工具想清楚它拿什么赚钱。

第 5 步：退出成本——先想散伙，再谈恋爱

数据能不能完整导出？有没有标准接口（如 MCP，见 08-MCP）？锁定越深，将来换模型的迁移代价越大——AI 工具的迭代速度极快，可迁移性是长期最值钱的属性。

决策规则（打分表）

每步打 0 / 1 / 2 分，满分 10。低于 6 分不用，低于 4 分别开始。

常见误区

• ❌ “榜单第一名就是好选择” —— 榜单反映流行度与商业化能力，不反映与你的任务匹配度
• ❌ “功能越多越好” —— 功能堆料会稀释你主任务的体验，能稳定完成你”任务卡”的才是对的
• ❌ “大厂的一定稳” —— 大厂砍产品线同样果断（历史案例众多），第 5 步的退出成本反而更该问

现在就能做的事

• 用这五步给你最近在纠结的两个工具各打一张卡（每步 0/1/2 分，满分 10），让决策显式化
• 把你打过的卡存进本 Wiki（llm-wiki/cards/），积累你个人的选型数据库——未来”逻辑选型助手”的雏形

相关页面

• 全部前序页面都是本页的原理支撑，这是逻辑Wiki 的终点也是入口
• 04-幻觉 / 05-RAG / 08-MCP / 09-token与计费逻辑 — 第 2-5 步的核心依据

出处与置信度

本页是逻辑Wiki 的终点页：前十页的机制在这里汇成一张可执行的卡。使用中若发现反例，请直接修订本页——这正是 LLM Wiki 的活法。