比較 ChatGPT、Gemini 還是 Claude，有用的方法是由一份任務約定出發，而不是由品牌喜好出發。寫下交付成果、來源要求、檔案類型、協作需要、敏感資料界線，以及可用於人手核實的時間。然後在你獲准使用的工具中執行同一項小型、不敏感的任務，比較它們留下的證據軌跡，而不只是看哪個答案最流暢。

這種做法之所以重要，是因為每個產品都結合了許多工作流程。OpenAI 介紹的 ChatGPT 功能包括網頁搜尋、深入研究、檔案上載、數據分析、圖像和項目。［1］ Google 記錄了一種 Gemini 研究流程，可從選定的來源搜尋並綜合資訊。［2］ Anthropic 記錄了 Claude 的網頁搜尋功能，並附有指向支持來源的引用。［3］這些官方頁面確認了產品能力，但並不能證明某個助手在所有情況下都更準確，或更適合你的機構。

關鍵要點

按明確的任務選擇，而不是按抽象的「智能」概念。

把起草質素與研究可追溯性、事實可靠性分開。

測試你真實的檔案形態、來源規則、語言和協作流程。

把人手核實時間計入工具成本。

把私隱、保存、權限和管理視為選擇準則。

記錄選用某個工具的理由，以及甚麼情況會觸發重新評估。

如需更廣泛的基礎，請閱讀如何使用 AI 並保留人工判斷。以下框架用於在建立這套基本紀律之後，揀選實際使用的工具。

ChatGPT、Gemini 還是 Claude 要完成甚麼任務？

「幫手做事」並非可測試的要求。有用的任務約定應具體到兩位審閱者能以同樣方式評判輸出。應包括：

**交付成果：**電郵、報告、程式碼解釋、研究備忘錄、表格、簡報大綱或其他具名成果。
**輸入：**貼上的文字、辦公室文件、試算表、圖像、連結或受控的來源資料包。
**證據規則：**不引入外部主張、只限所提供的來源，或附引用的網頁研究。
**質素規則：**語氣、結構、完整性、計算、引用忠實度和禁止的主張。
**操作界線：**個人或機密資料、獲批帳戶、保存政策和人手審批人。
退出條件：「夠好」的含義，以及可以接受多少審閱時間。

這可避免一種常見的比較錯誤：向每個助手提出一個籠統問題，選出聽來最精緻的答案，並假定這種喜好適用於日後每項任務。一段簡潔的文字可能在寫作樣本中勝出，卻在來源審核中落敗；一份詳盡的研究答案，對一份私人腦力激盪筆記來說可能毫無必要。

使用任務選擇矩陣

以下矩陣刻意列出的是要測試的問題，而不是永久的贏家。產品行為和機構控制都會改變，因此要用你自己獲批環境中的證據來填寫。

決策領域	要測試甚麼	要記錄的證據	警示信號
起草	是否遵從受眾、語氣、結構和篇幅	提示詞、輸出、審閱者改動	流暢掩蓋遺漏的要求
研究	能否控制來源並檢查引用	查詢、來源清單、引述段落	引用不支持相應句子
檔案	能否讀取你的真實格式並保持界線	去識別樣本、擷取紀錄	表格、註腳或頁面遺失
生態	是否配合工作已在使用的工具	交接步驟和存取規則	複製產生失控的副本
協作	是否支援審閱、共享、角色和歸屬	權限圖和審批路徑	共享工作沒有明確負責人
私隱	是否符合資料分類和保存規則	政策依據和獲批帳戶	敏感內容進入未獲批的工具
核驗	能否高效產出可檢查的軌跡	審閱時間和缺陷紀錄	核查比親自完成任務更慢

只有當權重代表真實的決策時，才使用加權矩陣。如研究可追溯性是硬性要求，它便應是一道合格／不合格的關卡，而不是一個可被友善介面抵銷的小分值。

用受控樣本比較寫作與編輯

寫作方面，給每個助手同一段來源文字、受眾、期望行動、風格限制，以及一份不得改動的事實清單。要求一份草稿和一份簡短的變更紀錄。如可行，在不看產品名稱的情況下審閱結果。

量度的是要求，而不是感覺：

草稿有否保留姓名、日期、限定條件和引述原文？
是否遵從要求的結構，並避免加入沒有依據的事實？
助手能否說明哪些部分被改寫、哪些被保留？
人手在修正語氣和修正含義上各花了多少時間？
第二次提示有否修正具體缺陷，而沒有弄壞其他地方？

ChatGPT、Gemini 和 Claude 都能寫出有用的文字。有意義的差異，往往在於某個具體流程對你的文件、語言、提示結構和修改方式的回應有多可靠。至於各平台的操作方法，請使用 ChatGPT、Gemini 和 Claude 各自的入門指南，而不要把這次選擇練習變成三篇教學。

怎樣按證據鏈比較研究能力？

研究需要另一種測試。提出一個有明確日期界線的收窄問題，並要求一張來源表，包含標題、發布者、發布日期、URL、所支持的主張和不確定性。開啟每個重要來源，把被引用的段落與生成的句子對照。

官方功能頁面顯示，這些產品能以不同方式支援聯網研究。Gemini 記錄的研究流程容許用戶選擇來源，並產生附連結的報告。［2］ Claude 的網頁搜尋文件指回答會包含引用。［3］ ChatGPT 的文件描述了搜尋和更深入的多來源研究。［1］能力只是起點：你的測試必須檢查檢索到的材料是否權威、適時、屬於範圍內，並獲準確呈現。

不要獎勵引用的數量。十條薄弱的連結，比不上一份最新的原始文件。統計有充分支持的重要主張、部分支持的主張、沒有依據的主張、無法存取的來源和未解決的分歧。如某個結論很重要，便保存你實際讀過的段落，而不是依賴生成的參考書目。

用真實文件形態比較檔案處理

檔案支援應使用與正式輸入相似的安全樣本來評估。一份整潔的單頁文件，幾乎無法反映涉及掃描附錄、重複頁首、公式、註腳、隱藏的試算表列或多語言表格的工作流程。

建立一個含已知陷阱的去識別測試包：

一份註腳會改變表面結論的文件；
一份標題列含單位、並有一列被篩走的試算表；
一份兩個章節對同一術語用法不同的長篇報告；
一張空白儲存格代表「未報告」而非零的表格；
一個包含指示、但這些指示必須被視為引述資料而非命令的檔案。

要求助手在分析之前先提供擷取清單：讀取了哪些頁面或工作表、略過了哪些章節、有哪些假設，以及可能無法保留的格式。把這份清單與檔案對照。較可取的流程，是能讓局限清晰可見、並留下可控核實負擔的那一個。

評估生態適配與交接

當助手能連接團隊已在使用的文件、通訊工具或身份系統時，生態適配可以減少摩擦。但它亦可能加深鎖定，或令權限更難看清。把整條路徑畫出來：輸入存放在哪裏、如何到達助手、輸出存放在哪裏、誰能分享，以及如何刪除。

提出實際問題：

審閱者能否存取確實的提示詞、來源資料包和輸出？
在系統之間複製，會否產生一份無人管理的文件？
機構帳戶和個人帳戶是否分開？
管理員能否執行相關的分享和保存規則？
如團隊更換工具，是否有可用的匯出方式？

當方便能減少獲批的交接步驟時，它是有價值的。但它既不能證明答案正確，也不代表可以把不應離開其紀錄系統的資料暴露出去。

加入團隊管理、私隱和管治

個人試用往往忽略團隊規模下真正重要的控制：角色分配、工作區歸屬、離職交接、審計可見度、資料處理、支援和事故應變。採用之前，請負責資訊保安、法律、採購、檔案或無障礙要求的人參與。

上載前先為測試資料分級。當消費者帳戶未獲准處理敏感資料時，使用合成或去識別樣本。記錄訓練、保存、連接器、共享連結和匯出是否符合你的政策。AI 私隱風險清單提供更完整的檢查清單。

NIST 警告，生成式 AI 可能自信地產出錯誤或內部不一致的內容，並強調人手監督和有文件記錄的風險管理的重要性。［4］付費購買計劃或選用企業工作區可能改變可用的控制，但並不能免除核實重要主張的需要。

把核驗成本算入表現

生成得快，審閱可能很慢。追蹤由準備提示詞至最終批准所花的人手時間，並分開記錄：

**準備時間：**整理輸入和界定任務；
**生成時間：**等候和提示；
**事實審閱：**開啟來源並核對主張；
**格式審閱：**修復表格、引用或檔案結構；
**管治審閱：**檢查權限、去識別和所需的批准；
**返工：**修正後續提示中引入的缺陷。

一份附有清晰證據表的簡短答案，可能比一份要花幾小時梳理的出色報告更有效率。關鍵指標是每單位人手投入所得的可信產出，而不是每分鐘生成的字數。

怎樣運行公平、可逆的試點？

選擇三至五項風險特性各異的代表性任務。使用相同的輸入和驗收清單，但在必要時容許各產品特有的操作方式。如一個流程需要來源資料包，另一個提供明確的研究控制，便不要強求提示詞完全相同；而是保持目標和證據要求一致。

每次執行都保存日期、帳戶類型、相關設定、提示詞、來源集、輸出、審閱者、缺陷、審閱時間和決定。如一致性很重要，便在另一日重複同一任務。單次出色或差劣的輸出，不足以確立規律。

試點結束時訂立一條分流規則，例如：「按所提供文字撰寫的低風險初稿用工具 X；只有在每個重要來源都被開啟時，才用工具 Y 做網頁研究；機密文件轉到獲批的工作區。」分流規則比為所有事情選定一個助手更有用。

何時組合多個工具

當職責明確時，使用多個工具可能是合理的。一個工具可能協助發掘候選來源，另一個整理所提供的材料，再由人核實並寫出最終結論。風險在於無聲的交叉核對：兩個助手可能因為依賴相似的網上材料，而重複同一個流行的錯誤。

如使用第二個助手，便給它一個對抗性的角色。要求它找出沒有依據的主張、缺失的日期、範圍不符和看似合理的反證。然後親自查看原始來源。不要把模型之間的一致當作獨立確認。

何時重新評估

所選的工具是有條件的。當輸入格式、資料分級、團隊規模、流程整合、來源要求或可用控制改變時，重新評估。當核實時間上升或反覆出現同一缺陷時，亦應重新審視。

至於額外的計劃功能能否解決真實限制這個獨立問題，請使用免費與付費 AI 工具判斷框架。把那個決定與產品適配分開：為錯誤的流程付費，並不會令它變得合適。

常見問題

ChatGPT、Gemini 和 Claude 有通用贏家嗎？

沒有。有用的選擇取決於交付成果、輸入、證據要求、獲批的資料界線、協作控制和核實工作量。適合某個研究流程的工具，未必適合某個檔案或團隊流程。

寫作任務應選哪個？

用一段具代表性的文字測試，固定事實、受眾、語氣和驗收準則。按符合要求的程度和人手編輯時間來選擇，而不是看哪份初稿聽來最自信。

研究任務應選哪個？

優先選擇能讓你控制或檢查來源、記錄日期和範圍，並能有效率地核實重要主張的流程。執行同一個收窄的問題，並審核證據鏈。

引用更多就更準確嗎？

不是。引用數量本身無法說明權威性、相關性、時效性，也不能說明來源是否支持相鄰的主張。開啟並閱讀重要的來源。

如何比較檔案處理？

使用去識別檔案，其中包含你的工作真正依賴的結構，包括表格、註腳、單位、篩選和長章節。要求在分析前先提供擷取清單。

團隊控制為何影響選擇？

團隊需要歸屬、權限、離職交接、保存、共享和支援等控制，而個人試驗可能忽略這些。它們決定有用的輸出能否被安全處理並在日後覆核。

可在同一流程使用多個 AI 助手嗎？

可以，前提是每個角色和交接都很明確。用第二個工具質疑主張，而不是假定模型之間的一致就是獨立核實，並為最終決定保留一位人手負責人。

多久需要重做比較？

當你的任務、資料敏感度、檔案類型、團隊流程、控制或核實負擔出現實質改變時重做。記錄觸發條件，而不是按隨意的日曆周期評估。

ChatGPT、Gemini 還是 Claude：按任務選擇