六层结构、七种产品形态、模型类型、成本来源、工作流方法，是这份白皮书最重要的骨架。即使产品名变化，这些结构仍然能帮助你判断新工具。
ChatGPT、DeepSeek、Kimi、豆包、WorkBuddy、小龙虾、小浣熊、Codex 等产品名称和能力边界变化很快。本文中的代表产品均按截至 2026 年 7 月 10 日的公开信息理解。
AI 是基础设施，模型是大脑，应用是入口，Agent 是执行者，API 是连接方式，工作流才是生产力。
每隔 1-2 个月，重新检查常用产品的模型、价格、权限、文件能力和真实工作流表现。
算力、模型、API、应用、Agent、工作流，是理解 AI 的底层分层；聊天型、项目型、办公型、开发型、创作型、系统型、行业型，是理解 AI 产品的七种形态。
同一款产品可能同时具备聊天、项目、办公和开发能力。代表产品不是永久排名，而是帮助你理解某类形态的例子。
常用产品新增了什么能力？是否支持文件、网页、表格、代码、图片、视频或自动执行？
价格、额度、模型、速度、稳定性、数据安全、权限范围是否变化？
用同一个真实任务测试不同工具，不只看宣传和榜单。
保留能进入工作流的工具，淘汰只能带来新鲜感的工具。
它正在变成像电力、互联网一样的能力基础设施。
GPT、Claude、Gemini、DeepSeek、Qwen 是不同的大脑。
ChatGPT、Kimi、豆包、WorkBuddy 是普通人能操作的入口。
Work、Codex、小龙虾这类工具开始围绕目标连续做任务。
让你的软件、网站、业务系统调用 AI。
文字、图片、视频、Agent、长上下文背后都在消耗算力。
未来差距不是谁有 AI，而是谁能把 AI 接进真实流程。
先知道 AI 世界分为算力、模型、API、应用、Agent 和工作流，不再把所有产品混在一起。
用七种产品形态判断一个 AI 工具到底是聊天、办公、开发、创作、系统执行还是行业流程。
用 AI 就绪度测评卡判断自己目前处在旁观、入门、过渡还是就绪阶段。
不要先做大系统，先把一个真实工作流跑通，再逐步沉淀模板、数据和 SOP。
你应该能说清楚：我现在使用的 AI 工具属于哪一类，它适合解决什么问题，我手里有没有足够材料，下一条最值得接入 AI 的工作流是什么。
先读 P03-P06，再看七种产品形态和就绪度测评。
先读七种产品形态、成本、案例和资产盘点表。
直接看决策树、案例闭环、七级路线和检查清单。
算力、模型、API、应用、Agent、工作流。看到任何 AI 产品，先判断它站在哪一层。
聊天型、项目型、办公型、开发型、创作型、系统型、行业型。产品名会变，形态判断更稳定。
文本、语音、总结、改写已经很成熟；生视频、系统型 Agent、复杂自动执行仍需人工验收。
用 8 个问题判断自己处在旁观、入门、过渡还是就绪阶段。
从会问、会给材料、会拆任务、会验收，最后升级到会设计工作流。
让机器处理语言、图片、声音、视频、代码和动作的能力。
被训练出来的通用智能大脑，负责理解、生成、推理和工具调用。
把模型包装成普通人能用的软件。
能围绕一个目标连续执行多步任务的 AI 助理。
让你的软件或业务系统调用 AI 的接口。
把 AI 固定放进真实流程，形成可复用的生产方式。
让它帮你解释、改写、总结、翻译。这是入门。
让它分析问题、拆任务、做方案、找风险。这是进阶。
把 AI 接进内容、销售、经营、开发、知识库流程。这才是长期价值。
机器按“如果...那么...”执行，像一套死规则。
机器从数据里找规律，推荐、风控、广告排序开始普及。
图像识别、语音识别、机器翻译明显突破。
AI 开始能处理语言、代码、知识和复杂表达。
AI 不只读文字，也能理解图片、语音、表格、视频和屏幕。
AI 从回答问题，走向使用工具、读文件、改代码、做任务。
AI 在影响你看到什么。
AI 在帮你处理信息和表达。
AI 开始理解图片、声音、视频和屏幕。
AI 开始替你完成一部分连续任务。
内容生产、销售转化、客户分析、软件开发、知识库。
ChatGPT Work、Codex、OpenClaw、小龙虾、Manus 类工具。
ChatGPT、Kimi、豆包、WorkBuddy、小浣熊、Cursor。
OpenAI API、DeepSeek API、Qwen API、Gemini API。
GPT、Claude、Gemini、DeepSeek、Qwen、GLM、Kimi。
GPU、服务器、数据中心、电力、网络和存储。
上传客户聊天截图、产品规格、历史报价边界。
让 AI 判断客户类型、真实需求、购买阶段、缺失信息和风险点。
输出追问话术、报价说明、下一步跟进计划。
业务员检查是否符合真实价格、交期、起订量和公司风险边界。
模型、应用、Agent、API，还是工作流工具？
调用 GPT、Claude、DeepSeek、Qwen，还是自研模型？
聊天、办公、代码、图像、视频、销售、客服，还是行业工具？
能不能读取文件、网页、邮箱、电脑、数据库？
如果能规划、调用工具、检查结果，它更接近 Agent。
能不能形成数据、模板、项目记忆和固定流程？
订阅、API、Credits、本地部署，成本逻辑不同。
越能执行，越需要权限、审计和人工验收。
写作、总结、翻译、改写、分析、问答、提纲、方案、复盘。
ChatGPT、Claude、Gemini、DeepSeek、Qwen、Kimi、豆包、GLM、MiniMax。
已经非常成熟，足以进入日常工作。
容易出现事实错误、过度自信、脱离现实和责任边界不清。
ChatGPT、DeepSeek、Qwen、Kimi、豆包、小龙虾、WorkBuddy、小浣熊、Codex、Cursor、OpenClaw，看起来像一堆不同东西。
但如果拆开看，它们大多在做同一件事：把大模型的语言、代码、图像、视频、语音、工具调用能力，包装成普通人能操作的入口。
有的入口是聊天窗口，有的入口是长期项目空间，有的入口是办公助理，有的入口是开发工具，有的入口是图片视频创作工具，有的入口是能操作电脑和软件的 Agent。
把模型包装成问答窗口。代表：ChatGPT、Kimi、豆包、DeepSeek App。普通人理解：你问，它答。
给 AI 一个长期上下文空间。代表：Projects、知识库、企业资料库。普通人理解：让 AI 不再每次从零开始。
让 AI 生成工作成果。代表：ChatGPT Work、WorkBuddy、小浣熊、AI PPT、AI 文档。普通人理解：帮你做报告、表格、PPT。
让 AI 参与软件生产。代表：Codex、Cursor、Claude Code、Copilot。普通人理解：帮你写代码、改项目、跑测试。
生成图片、视频、声音。代表：Midjourney、FLUX、Runway、可灵、Sora、语音模型。普通人理解：帮你做素材。
让 AI 操作工具、网页、文件和电脑。代表：OpenClaw / 小龙虾、Manus 类工具、浏览器 Agent。
把 AI 放进具体行业流程。代表：AI 销售、AI 客服、AI 法务、AI 外贸、AI 医疗辅助。
它不是“哪个模型更强”的问题，而是“这个产品把 AI 封装进了哪个流程”。
只有聊天壳、没有明确场景、不能沉淀资料、输出难复用、收费方式不清晰。
场景明确、流程固定、能读取授权资料、能连续执行、能形成数据沉淀和复盘。
聊天型 AI 是最轻的入口。它适合问问题、讨论想法、写初稿、改文字、总结资料和学习知识。
项目型 AI 的价值不是模型更强，而是给 AI 一个长期工作空间，让它能持续使用文件、指令和历史上下文。
办公型 Agent 的核心不是“会聊天”，而是把 AI 组织成文档、表格、PPT、报告、网页和工作材料的生产入口。
开发型 Agent 进入软件生产，不只是回答代码问题，而是能读项目、改文件、跑测试、生成变更。
创作型 AI 负责把语言变成图片、视频和声音。它已经能生产大量素材，但还没有完全替代设计、导演、剪辑和品牌审美。
系统型 Agent 试图操作真实工具、浏览器、文件、电脑和应用。它是未来方向，但绝不能忽视权限和安全。
行业型 AI 不是把一个聊天框放进公司，而是把模型能力嵌入销售、客服、法务、财务、外贸、医疗、教育、工厂质检等具体流程。
它最重要的能力不是“会写话术”，而是理解流程、识别阶段、提示风险、沉淀数据，并把结果交给人验收。
1 分：完全分不清；3 分：能分清聊天/办公/开发；5 分：能判断模型、应用、Agent、工作流。
1 分：不知道；3 分：有零散场景；5 分：有明确优先级和试点路径。
1 分：资料很乱；3 分：有零散材料；5 分：有文档、案例、数据和流程。
1 分：靠感觉；3 分：能简单判断；5 分：能从场景、模型、成本、权限、风险判断。
1 分：只会问答；3 分：会改写总结；5 分：已进入内容、销售、办公或开发流程。
1 分：照单全收；3 分：知道要复核；5 分：能检查事实、逻辑、风险和可执行性。
1 分：没有；3 分：有零散习惯；5 分：有固定流程、模板和复盘。
1 分：很模糊；3 分：有方向；5 分：有清晰行动清单。
完成 8 道题后，会自动判断你处于旁观、入门、过渡还是就绪阶段，并给出下一步建议。
你还停留在“知道 AI”层面。下一步：先理解 AI 七种产品形态，每天用聊天型 AI 做解释、总结和改写。
你已经开始使用 AI，但大多是零散尝试。下一步：整理自己的真实材料，练习上传文件、给背景和验收结果。
你开始从聊天转向工作任务。下一步：选择一个真实场景，例如销售、内容或办公，搭建第一条 AI 工作流。
你已经具备较强 AI 应用和判断能力。下一步：做 AI 资产盘点，设计可复用模板、权限边界和数据沉淀机制。
这个工作流到底解决哪个真实问题？
每次喂给 AI 的材料是什么？
AI 先分析、再生成、再检查，顺序是否明确？
结果是表格、报告、话术、代码还是清单？
谁判断结果能不能用？按什么标准？
是否涉及隐私、客户、账号、价格、合同或代码权限？
是否会产生 API、Credits、本地算力或人工维护成本？
这次经验能不能沉淀成模板和 SOP？
GPU、数据、工程、实验。
每次回答都要算力。
读越多资料越贵。
浏览、代码、电脑操作。
文件、记忆、向量库。
审核、权限、合规。
战略判断、复杂写作、代码架构、关键问题。少量使用，保证质量。
摘要、分类、初筛、格式化、批量改写。大量使用，控制成本。
隐私、离线、低频辅助、长期资料处理。补充使用，降低依赖。
一个老板每天都在回答同样的问题：这个客户能不能接？这个产品怎么介绍？这个报价能不能报？员工表面在工作，关键判断却一直回到老板身上。AI 的价值不是替老板当老板，而是把老板脑子里的经验变成团队能使用的销售手册、客户问答库和报价规则。
老板不断口头解释，员工不断重复问，资料散落在微信、Excel、文件夹和个人经验里。
Project + Work + Codex
经验整理 -> 产品资料表 -> 客户问题库 -> 话术模板 -> 培训手册 -> 报价工具 -> 成交复盘。
客户是否值得接、价格底线、交期承诺、风险承担和团队执行。
客户问“多少钱”“多久交货”“能不能定制”，表面是在问产品，背后可能是在筛供应商、压价格、试探交期、判断你是否专业。AI 不能替你成交，但能帮你把聊天记录变成客户意图、缺失信息和下一步话术。
凭经验回复，容易过早报价、漏问关键条件、没有记录复盘。
Chat + Work + 销售资料 Project
客户记录 -> 意图判断 -> 缺失信息 -> 推荐话术 -> 报价风险 -> 跟进计划 -> 成交复盘。
是否让价、是否接单、是否承诺交期、客户关系维护。
很多创作者不是不会写，而是每次都从零开始：今天想题，明天改标题，后天发完也不知道为什么数据好坏。AI 的价值不是替你写爆款，而是帮你把选题、结构、反馈、定稿、封面、复盘变成流程。
靠灵感写，爆款靠运气，资料和方法没有沉淀。
Project + Chat + Work + 生图模型
选题卡 -> 初稿 -> 反馈 -> 定稿 -> 封面 -> 发布 -> 数据复盘 -> 选题库更新。
核心观点、现实判断、发布责任、品牌风格和长期方向。
一个人想做工具，最常见的问题不是“不会写第一行代码”，而是需求不清、功能乱、没有测试、无法维护。Codex 很适合开发，但前提是你先把需求、页面、数据、功能边界讲清楚。
直接让 AI 写代码，结果功能散、bug 多、无法维护。
Chat + Codex + API + Work
需求 -> 原型 -> 技术方案 -> Codex 开发 -> 测试 -> 部署 -> 文档 -> 版本迭代。
产品价值、商业模式、安全策略、最终上线验收。
能解释、改写、总结、翻译。
能上传文件、给背景、让 AI 贴近现实。
能把复杂任务拆成多步。
能判断 AI 输出是否可用。
能做文档、报告、代码、小工具。
能把 AI 接进自己的系统。
能把 AI 变成长期生产力。
目标、背景、资料、限制。
总结、分析、生成、拆解。
事实、逻辑、风险、执行。
模板、流程、项目、知识库。
AI 可能编造事实、价格、政策、论文、来源。
不要随便上传客户隐私、合同、财务、密钥。
Agent 能操作文件和应用，必须控制权限。
API、Agent、生视频和长上下文可能快速消耗额度。
AI 可以建议，但不能替你承担法律、商业和人际后果。
如果没有验收和备份，过度依赖 AI 会放大系统风险。
普通聊天 AI 出错，通常只是生成了一个错误答案。Agent 出错，可能是错误发邮件、错误改文件、错误调用 API、错误运行命令、错误删除资料。能力越接近真实操作，风险越接近真实损失。
所以个人电脑 Agent、浏览器 Agent、代码 Agent、办公 Agent 都需要：最小权限、沙盒、确认步骤、日志、回滚机制和敏感操作人工批准。
文字、图片、语音、视频、屏幕会成为统一输入。
AI 从回答问题走向执行任务。
先从素材、预演、短镜头开始，不会一步替代完整制作。
批量任务会更多交给便宜模型。
隐私、离线、企业内网和长期低成本场景会增长。
Agent 能力越强，越需要权限、审计和沙盒。
会用 AI 的人会把经验变成模板、流程和系统。
工具会更新，名字会变化。
模型、应用、Agent、API、工作流。
会问、会给材料、会拆任务、会验收。
把一次经验沉淀成长期流程。
优先看 OpenAI、Google DeepMind、Anthropic、DeepSeek、Qwen、Kimi、豆包等官方博客、帮助中心和开发者文档。用来确认产品能力、价格和权限。
Artificial Analysis、LMSYS/Chatbot Arena、LLM Stats 等适合观察模型性能、速度、价格和上下文，但不要把榜单当成唯一选型依据。
Stanford AI Index、Epoch AI 适合看长期趋势：投资、算力、采用率、成本、治理和科研进展。
关注开发者社区、产品经理社区、AI 自动化社群、行业案例复盘。它们能告诉你哪些能力真正跑进了工作流。
看一次重要产品更新。
用真实任务测试 2-3 个工具。
更新自己的产品观察清单。
重新盘点自己的 AI 工作流。
1. OpenAI Help / Academy / Developers：Projects、Codex、API、工作区和产品能力说明。
2. Stanford HAI：AI Index 2026，用于理解 AI 采用、投资、治理和能力评测的长期趋势。
3. Artificial Analysis：模型性能、速度、价格、上下文窗口等对比参考。
4. Epoch AI：AI 算力、训练成本、算法效率和长期趋势研究。
5. Reuters / The Verge 等公开报道：用于理解 ChatGPT Work、Agent 产品和市场动态。
6. 各模型与产品官方页面：DeepSeek、Qwen、Kimi、豆包、Runway、可灵、Midjourney、FLUX、WorkBuddy、小浣熊、OpenClaw 等代表样本。
版权与转载说明：本白皮书由长期系统论｜李先生整理发布，仅供学习与交流使用。
未经许可，不得用于商业转载、付费分发、二次包装、课程转售或移除署名后传播。
内容框架、测评工具和公开表达由长期系统论｜李先生整理发布，解释权归长期系统论｜李先生所有。