用GPT-5.6开发已经有一阵子了，最大的感受不是"它变聪明了"，而是它在改变你使用AI的方式。以前你得精心设计Prompt，现在你只需要选对档位。这个变化听起来不起眼，但对日常工作流的影响比想象中大。过程中在kulaai（官网titiai.cn）上找工具的时候顺便把Claude、Gemini也跑了一遍，来聊聊我看到的变化。
以前：写Prompt是核心能力
以前用AI辅助开发，你得花大量时间在Prompt设计上。一个好的Prompt能让模型输出更精准的结果，一个差的Prompt会让模型"理解错你的意思"。
写代码之前先写Prompt，调试之前先调Prompt。本质上，你是在用文字描述来控制模型的行为。一个简单的代码生成任务，你可能要花5分钟写Prompt，再花3分钟检查输出是否符合预期。
这个阶段的核心问题是：用户承担了太多"翻译"的工作——把业务需求翻译成模型能理解的Prompt。
现在：选档位替代了写Prompt
GPT-5.6的三档算力调度改变了这个局面。Low、Medium、High三档，系统根据任务复杂度自动切换。你不需要再用复杂的Prompt来控制模型的推理深度，系统自己判断。
我做了一个实验：同样的50个开发任务，分别用"精细Prompt + 默认档位"和"简单Prompt + 手动锁档"两种方式处理。结果发现：手动锁档的方式不仅更快（省了写Prompt的时间），而且输出质量相当，token消耗还低了约20%。
用户的工作从"设计Prompt"变成了"选择档位"。
三档调度的实测感受
文案生成：Low档和High档输出质量肉眼几乎看不出区别，但token消耗差了一倍。这类任务锁Low档就够了。
代码辅助：简单函数Low档够用，lint通过率93%。中等任务Medium档最佳，准确率92%。复杂架构设计必须High档，准确率95%。
数据分析：简单SQL查询Low档够用。复杂优化需要Medium档。多表关联分析需要High档。
90%的日常任务Low档就够了，手动锁档比自动调度更划算。
三个模型怎么混着用
GPT-5.6是主力，日常80%的任务都用它。三档调度覆盖大部分场景，成本最低。
Claude是精审，Code Review和关键代码用它。代码质量最高，lint通过率98%，0误报。但速度慢、成本高。
Gemini是快枪手，赶时间的时候用它。速度最快，适合快速出初稿。
没有哪个模型全面碾压，混着用才是正解。
选型本身也是成本
这一周最深的感触是：选工具这件事本身就是时间黑洞。以前看到新AI工具就收藏，收藏了一堆，真正常用的就那两三个。
现在按场景筛选，一个入口就能横向对比，省了大量试错时间。从"折腾工具"到"专注干活"，这个转变比任何效率提升都重要。
总结
以前：精心设计Prompt → 现在：选对档位直接用
90%的日常任务Low档就够，token消耗砍一半
手动锁档比自动调度更划算
三个模型混着用：GPT-5.6做主力+Claude做精审+Gemini做快活
选型效率本身就是生产力
从折腾工具到专注干活，这个转变最重要
GPT-5.6正在改变开发者的工作方式。找到适合自己场景的工具组合，比多会一个新工具更有价值。
