我日常的 AI 工作流：用最少的钱，把效率拉满！

原文作者：布吉岛（程序员布吉岛）

本文整理自微信公众号文章，已获授权转载。

AI 可以说已经完全融入我的日常了，离开 AI 我什么也不会。

使用的场景包括在公众号写一些技术文章，也会做项目、改 bug、读开源、部署工具。AI 工具我基本都用过一圈：ChatGPT、豆包、Cursor、Claude Code、Codex、Copilot、OpenClaw……

接下来这篇文章就讲一下我真实的日常流程：怎么分工、怎么搭配、每个工具在什么场景最好用，以及我怎么用”最低成本”把产出做起来。

01 不是选最强的，是”分工最合理的”

我现在的核心逻辑是：

• Cursor：负责”快”（小步快跑、方法级修改）
• ChatGPT 网页：负责”想”（架构/方案/路线/新技术思路/头脑风暴/获取最新资讯）
• Codex：负责”难”（复杂 bug、多模块、多服务、推理深）
• 豆包：负责”脏活累活”（免费、快，吃垃圾信息和大日志）
• Copilot：负责”读开源”（GitHub 上看 PR/Issue/仓库结构）
• OpenClaw：负责”自动化发布”（把流程从”手动”变成”流水线”）

一句话：我把 AI 当作”工具链”，而不是一个万能聊天机器人。

02 工具账单：真实成本控制

先把钱算清楚，才知道怎么搭配最划算。

工具	成本	优点	缺点
ChatGPT 共享账号	24 元/月（含 Codex）	性价比极高	有限额，不适合长时间大量做项目
Cursor	40 元/月（auto）	极快	快到容易”没想清楚就写完”，质量一般
Claude 模型	约 9 元/天（中转站）	质量与速度兼顾	性价比不高，重度使用会很贵
豆包	免费	快、免费、功能全	质量一般，几乎没有高质量思考能力
Copilot	学生认证免费	GitHub 场景非常顺手	学生认证约一百多次对话，很快用完
OpenClaw	约 7.9 元/月（coding plan）	自动化发布	需要花时间设计流程
服务器	阿里云学生 99 元/年	便宜	-

把钱花在”能提升产出上限”的地方，把免费工具用在”吃信息垃圾”的地方。

03 我的一次任务流程：从需求到交付的”AI 流水线”

Step 1：先用 ChatGPT 把方向想清楚（别一上来就写代码）

当任务是：要做一个项目、要改一个结构、要决定技术选型、要想清楚模块边界——

我会先用 ChatGPT 网页端对话，把这几件事梳理出来：

• 目标是什么？输出是什么？
• 是否可以做？
• 怎么创新？
• 用到哪些技术？
• 最合适的技术是什么？
• 深度的研究调研
• 可能踩哪些坑？
• 最小可行版本（MVP）怎么做？

原因很简单：Cursor 太快了，不适合执行这些思考。还有就是网页版更容易帮助你进行头脑风暴，再加上 ChatGPT 的分支功能。

一般来说，ChatGPT 我只用 5.2 thinking 模式，慢但是效果最好，甚至有时候一个问题会思考一个将近一个小时。

Step 2：用 Cursor 写基础代码（快到离谱，但要小步）

Cursor 是我写”基础代码”的主力。

适用场景：

• 新建一个类 / 新增一个方法
• 小范围重构（方法级、文件级）
• 补全样板代码
• 写接口/DTO/简单业务逻辑
• 快速迭代：改一点、跑一下、再改一点
• 读代码，比如拉取一个开源项目

优点：

• 巨快：经常是”你还没反应过来它已经写完”
• 写代码效率拉满，尤其适合小步骤

缺点：

• 太快导致质量一般：很容易出现”看起来对，但逻辑不严谨”
• 不适合大型架构、多服务关联：涉及多个模块联动时，它的”整体一致性”很难一次做对

所以我用 Cursor 的原则是：小步快跑 + 频繁校验，不让它一口气写太大。

Step 3：遇到复杂问题，上 Codex（质量最高，专治疑难 bug）

如果项目变复杂，比如：

• 多模块、多服务
• 依赖链很长
• bug 很隐蔽
• 需要真正理解上下文并做推理

我会把核心问题交给 Codex 5.3。

我对 Codex 的评价是：

• 质量最高（尤其是修 bug 的能力，真的强）
• 相比以前已经快很多了
• 性价比非常高：24 元/月共享账号还能同时用网页对话 + Codex

但 有限额，所以我不会让它去”吃垃圾信息”。

Codex 的正确打开方式是：让它做”高价值推理”，不要浪费额度去翻译单词或者分析日志。

Step 4：豆包负责吃”垃圾信息”（免费 + 快=最适合干脏活）

我用得最多的，其实是 豆包网页版，原因非常朴素：免费、快。

豆包最适合干这些事：

• 翻译一个单词/一句话/一段话
• 生成简单的 logo（或一些轻量图形需求）
• 扔给它几千行报错日志，让它先做初步归因
• 一些”简单但麻烦”的问题：你懒得浪费额度、也不想动脑

我常用的套路是：

1. 把大段日志、垃圾信息喂给豆包
2. 让豆包提炼成”错误原因 + 关键线索 + 可能解决方向”
3. 再把提炼后的关键信息丢给 Codex 做最终修复方案

一句话：豆包是我工作流里的”预处理器”。

Step 5：Copilot 在 GitHub 场景非常顺手

Copilot 我主要用在 GitHub 上：

• 快速理解一个开源项目结构
• 看 Issue：别人遇到什么问题，讨论到哪里
• 看 PR：改了什么，是否引入风险
• 读代码：定位入口、核心模块

对我来说它更像：开源世界的”快速阅读器”。

Step 6：OpenClaw 让”发布”变成自动化

OpenClaw 是我最近部署起来的项目，目前主要用在：

• 自动化发布公众号文章
• 和飞书结合做流程联动

我对 OpenClaw 的真实感受是：

• 部署门槛低：装起来其实不难
• 自由度很高：能做的事情非常多
• 但真正难的是：找到合适场景 + 设计合适流程

想”玩出花样、真正有产出”，需要不断摸索。所以它不是”装上就起飞”的工具，而是：你愿意花时间，它就能把你的产出变成流水线。

当然，花钱找别人部署并完成整个流程其实也是非常有价值的，前提是你有明确的应用场景，对方同时能够将 OpenClaw 应用在这个场景上面，否则单纯玩玩的话就不太建议了。

04 工具选择指南

需求	推荐工具
要快、要小改动、要读代码	Cursor
要想清楚结构/选型/创新/头脑风暴	ChatGPT 网页
要解决复杂 bug / 多模块推理	Codex
要处理大日志/低价值问题	豆包
要读开源、看 PR/Issue	Copilot
要把重复流程自动化	OpenClaw

05 总结

工具仍然是一个工具，有需要再用，不必追鲜。

关键不是用哪个工具，而是：

1. 想清楚你的工作流：每个环节需要什么能力
2. 合理分工：让每个工具做它最擅长的事
3. 控制成本：把钱花在高价值场景，免费工具吃垃圾信息
4. 持续优化：根据实际产出调整工具组合

希望这篇文章能给你一些启发！🐉