如何按工作挑选AI助手，每项工作都有对应测试
没有哪个助手在所有方面都最好，通用排名也很难说明你的任务。按工作来选：给每个候选一个这项工作的小型真实样本，用你能核实的东西检验结果，并按3次尝试打分。写作需要保留你自己的语气。代码需要能运行的修复。研究需要真实存在的来源。
问哪个助手最好，就像不说明是什么工作，却问哪种工具最好。更快的办法是对2到3个候选运行同一个小测试，自己阅读结果。
写作：它保留你的语气吗？
粘贴200字你自己写的文字，请它改得更精炼，语气保持不变。把结果与原文对比。好的结果会删减字数，同时保留你的意思和风格。差的结果会把一切改写成同一种圆滑、千篇一律的腔调。同样的要求提3次，因为每次结果都不同。
代码：修复能运行吗？
给出一个小的真实错误及其报错信息，请它给出修复。运行这个修复。再请它写一个本可以发现这个错误的测试，并运行这个测试。留意在你的版本中并不存在的函数或选项，因为编造名称是最常见的失误。
研究：来源真实存在吗？
问一个你很熟悉的领域里的问题，这样你能判断答案的好坏。请它给出来源，然后打开每一个来源。检查每个来源是否存在，内容是否与答案所称一致，日期是否吻合。记下这个工具是能查询当前网页，还是只能依据训练文本工作。
长文档：它能找到第40页的内容吗？
粘贴一段长文本，提3个你知道答案的问题，1个来自开头，1个来自中间，1个来自结尾。上下文窗口小的工具会丢掉中间部分。还要问一问文本没有涵盖什么，看它是否承认存在空白。
翻译与语言
把你很熟悉的一段文字双向翻译。请母语者看一看，或自己阅读，关注语气，而不只是意思。检查名称、数字和技术术语是否保留，以及工具是否保持了你要求的语体。
打分并决定
给每次尝试打1到5分，并对3次尝试取平均。记下有什么碍事：限额、登录、速度或拒答。选择在你最常做的那项工作上平均分最高的工具，另留一个工具，用于它做得更好的那项工作。
转投之前，人们通常会问
尝试几次才够？
每项任务3次尝试，足以看出结果的波动范围。单独一次尝试，可能碰巧让一个工具显得出色或表现糟糕。
该用私人材料来测试吗？
使用不含个人或机密信息的样本。你可以从真实例子中去掉姓名和数字，保留结构。
基准测试分数有帮助吗？
它们衡量的是既定任务，而不是你的任务。用它们来缩小候选范围，用你自己的测试来做决定。
如果2个助手得分一样呢？
选择限制更少、在你日常使用中阻碍更小的那个助手。答案上的细微差别，不如一个碍事的聊天工具重要。
先在这个聊天工具里做写作测试，用你自己的200字。
打开聊天