ChatGPT 是 OpenAI 推出的通用对话产品，也是这一轮 AI 浪潮里用户量最大的入口。它的定位不是某个垂直工具，而是把问答、写作、代码、联网检索、文件分析、图片生成和语音对话塞进同一个会话里。你不必先想清楚「这件事该用哪个 AI」，直接问就行。
真实的痛点是「任务切换成本」：查资料开一个站、写文案开另一个、算表格又得复制到 Excel、写代码再切到 IDE。ChatGPT 的思路是把这些零散动作收进一个对话流，中间结果可以直接作为下一步的输入。
更具体的三个场景：接到一个陌生领域的任务，需要先快速建立认知；手上有一份 CSV 或 PDF，想直接得到结论而不是自己算；写东西卡在结构上，需要一个能反复追问的对象。
联网搜索：需要时效性事实时手动开启，回答会带来源链接。问「最近有什么变化」这类问题必须开，否则模型只会用训练数据作答。
文件与表格分析：直接上传 Excel、CSV、PDF，它能做聚合、画图、找异常。这个功能被严重低估 —— 很多人还在手工做透视表。
图片理解与生成：拍一张白板照让它整理成会议纪要，或者对着报错截图问原因，都是高频用法。
Canvas 写作模式：长文写作时开这个，正文在右侧独立编辑区，可以选中某段让它「只改这一段」，比在对话里反复贴全文高效得多。
自定义指令（Custom Instructions）：写一次「我是谁、要什么风格、不要什么」，之后所有会话都生效。这是提升输出质量最省力的一步。
自定义 GPTs：把固定流程（比如「按我们公司的模板写周报」）封装成一个专用入口，团队里谁都能用。
强在通用性和连贯性：一个问题答不好，可以顺着追问「换个角度」「举三个例子」「列出反方观点」，它不会丢上下文。多模态也是同类里最完整的，图片、文件、语音、联网能在一次会话里混用。
弱项同样明显：中文长文的语感偏「翻译腔」，写公众号、小红书这类需要语气的文案，国产模型通常更自然；事实性内容仍会编，尤其是具体数字、人名、法规条款，凡是要对外发布的必须先核；免费版有频率和模型限制，重度使用会撞墙。
免费版可用主力模型，但有次数上限，高峰期会降级。付费分个人订阅与团队版，团队版多了统一管理、数据不进训练的选项。具体档位和价格调整较频繁，以官网当前定价为准，不建议按旧文章的数字做预算。
Claude：长文档处理和代码理解更稳，写作语感更接近人，适合「读一篇很长的东西再动笔」。
DeepSeek：中文自然、推理强、价格低，适合高频调用和成本敏感的批量任务。
豆包 / Kimi：国内直连不用折腾网络，中文场景和长文本阅读体验好。
ChatGPT：生态最全、多模态最完整、插件和 GPTs 最多。选它的理由通常是「不想装五个 App」，而不是「某一项最强」。
第一步先把 Custom Instructions 写满，比换模型更能提升质量。第二步养成「先让它列大纲、再逐段写」的习惯，一次性要三千字往往得到的是正确的废话。第三步，凡是需要事实支撑的答案，明确要求「给出处」，它会主动去搜而不是编。
另外，长任务拆成多轮比一句话交代到底更可靠。同一个会话里做完一件事就开新会话，能避免上下文互相污染。
适合：通用办公、学习答疑、写作初稿、代码辅助、数据快速分析、需要多模态处理的场景。
不适合：需要数据完全不出境的企业、需要固定格式高准确率输出的生产流程（这类应该走 API + 结构化约束）、只想做单一垂直任务且已有专用工具的人。
