第二章：认识你的AI伙伴——主流大模型对比与选型指南

说实话，刚接触提示词工程的人，最容易犯的一个错误就是——拿同一个提示词去问所有模型。

我见过太多人抱怨“AI不好用”，结果一问，用的是GPT-4的提示词去调文心一言。这不就像让一个广东师傅做麻辣火锅吗？

每个模型都有自己的脾气秉性。今天我就带你挨个认识一下这些“AI伙伴”。

2.1 主流大模型一览

目前市面上能打的模型，其实就这几家。我按自己的使用频率排个序：

模型	开发商	核心优势	适合场景
GPT-4 / GPT-4 Turbo	OpenAI	推理能力强、知识面广	复杂逻辑、代码生成、创意写作
Claude 3 (Opus/Sonnet)	Anthropic	长上下文、安全性高、中文好	长文档分析、对话、中文任务
文心一言 4.0	百度	中文理解深、合规性好	国内业务、中文创作、知识问答
通义千问 2.5	阿里	性价比高、生态整合	电商场景、日常办公
Gemini 1.5 Pro	Google	多模态、超长上下文	视频理解、多模态任务

2.2 模型能力边界——别指望AI是万能的

很多新手以为大模型是“全知全能的上帝”。嗯，我刚开始也这么想。直到有一次，我让GPT-4帮我算一个复杂的税务优化方案……

它算得头头是道，结果我拿给财务专家一看，全是错的。为什么？因为大模型本质上是“下一个词预测器”，不是计算器，也不是数据库。

这里我总结了几条能力边界，你心里要有数：

• 数学计算不可靠：三位数以上的加减乘除都可能出错。我建议你让它写Python代码来算，而不是直接算。
• 实时信息需要工具：GPT-4的知识截止于2023年，Claude是2024年初。问今天天气？它不知道。需要联网搜索插件。
• 长上下文有“中间迷失”：Claude 3能处理20万token，但如果你把关键信息放在中间位置，它可能会忽略。我习惯把最重要的指令放在开头和结尾。
• 多模态不等于真理解：它能描述图片内容，但看不懂图表里的数据趋势。别让它做数据分析报告。

2.3 如何选择合适的模型？

选模型其实就三个维度：任务类型、成本、合规要求。

我一般会问自己三个问题：

1. 这个任务需要多强的推理能力？——写诗还是写代码？
2. 数据能不能出境？——国内业务就别用GPT-4了。
3. 预算多少？——GPT-4调用一次几毛钱，文心一言便宜很多。

给你一个快速决策表：

场景	推荐模型	理由
写Python代码	GPT-4 Turbo	代码生成质量最高，debug能力强
分析100页PDF	Claude 3 Opus	200K上下文，不会漏细节
写小红书文案	文心一言 4.0	更懂中文网络用语，合规
做PPT大纲	通义千问	便宜，够用，还集成在钉钉里
翻译技术文档	Claude 3 Sonnet	中英翻译自然，术语准确

2.4 实战：同一个提示词，不同模型的表现

光说不练假把式。我们拿一个实际提示词来测试：

提示词：请用通俗易懂的方式解释“区块链”是什么，要求不超过100字。

看看各模型的回答风格：

• GPT-4：“区块链是一个分布式账本，数据存储在多个节点上，不可篡改。就像一本大家共同记账的账本，每个人手里都有一份副本。”
• Claude 3：“想象一个村子，每家每户都有一本相同的账本。谁家买了牛、卖了粮，全村人一起记账。想改账本？得改所有人的，几乎不可能。这就是区块链。”
• 文心一言：“区块链是一种去中心化的数据存储技术，具有不可篡改、可追溯的特点。它广泛应用于金融、供应链等领域，保障数据安全。”

看出来了吗？GPT-4偏技术解释，Claude喜欢用比喻，文心一言更正式。所以——

你的提示词风格，也要跟着模型走。

给GPT-4写提示词，可以多用逻辑链、分步骤。给Claude写，多用场景描述、角色扮演。给文心一言写，注意用词规范、避免敏感词。

下一章，我会带你拆解提示词的核心结构。你会发现，原来写好提示词，就像搭积木一样简单。