她的判断是：Claude 给出的回答”更有想法、更有条理，也更不像 AI 写的”，而且往往不需要反复追问，”它就是能领会你的意思”。

卡斯韦尔本人是认证提示词工程师，长期测试各类 AI 工具。她在文章中列出了五类如今只交给 Claude 处理的任务，并附上了可以直接套用的提示词模板。

一、头脑风暴：要的是想不到，不是凑数量

提示词：“我需要围绕【某个主题、产品或项目】做头脑风暴。能否给出 10 个独特的想法或思路，并简要说明每一个？”

卡斯韦尔指出，任何聊天机器人都能列出一张清单，区别在于这张清单能不能真的启发你。她的体感是，Claude 明显没那么机械和套路化，一次次给出她此前没考虑过的角度，且每条都附有简短理由；重复和废话也比 ChatGPT 少。

“ChatGPT 倾向于给你同一个安全答案的十种变体，”她写道，”Claude 则会往不那么显眼的方向推进。”如果曾经对着一份头脑风暴清单心想”这些不都是一回事吗”，差别会立刻显现。

二、学复杂知识：肯说”这事确实难”

提示词：“请把【某个主题】讲给我听，假设我是【初学者／大学生／专家】。请提供例子或类比帮助我理解。”

这是她认为 Claude 拉开差距最明显的场景。Claude 很擅长根据指定水平调整语气和深度——面向初学者时不居高临下，面向专家时也不含糊其辞。

更关键的是态度：Claude 更愿意直说某件事确实复杂，或者某个说法根本就是错的，而不是把一切都抹平成一段听起来很笃定的话。”在学习的时候，这种诚实很重要。”

三、梳理工作流：把约束当回事

提示词：“帮我优化【某项任务或项目】的工作流程。请建议能节省时间或提升质量的工具、策略或分步骤流程。”

卡斯韦尔举了个生活化的例子：她用这条提示词问 Claude，如何让三个年幼的孩子每天早上 8 点前出门。Claude 没有泛泛地讲”任务打包””设定意图”，而是给了一套分阶段的实操方案，拆成时间块，还准备了计划泡汤时的备用方案。

“Claude 把工作流问题当成有真实约束的真实问题，而不是借机罗列市面上所有效率类应用。”她补充了一个反差细节：Claude 的记忆能力其实不如 ChatGPT，ChatGPT 显然更”了解”她，但 Claude 给出的建议反而更像人话。她还提到，这类场景很适合搭配 Claude 的技能（Skills）与连接器（Connectors）功能。

四、写作与编辑：只让它搭骨架

提示词：“我需要写【内容类型，例如博客文章、劝说性邮件或个人简介】。主题／目标是：【具体描述】。能帮我列一个提纲吗？”

卡斯韦尔明确表示，让 AI 代笔在她这里是禁区。但”和 AI 一起写”可以有很多种形态——比如面对空白页面、脑子里一堆碎片想法却无从下手时，把杂乱的笔记丢给 Claude，让它整理成提纲或要点，就能有效缓解卡壳。

她认为 Claude 在长篇写作中不容易跑偏，博客、邮件、个人陈述这类内容都能写得不注水。”如果你曾经花 20 分钟从草稿里删掉 AI 生成的空话，Claude 能帮你省下这段时间。”

五、个性化推荐：听懂了才推荐

提示词：“基于我的【处境、偏好或需求】，能否推荐【书籍、影视、策略、工具等】，并说明为什么适合我？”

这一条连她自己都觉得意外——毕竟在记忆层面 ChatGPT 更懂她。但她发现 Claude 的推荐结果是真正经过筛选的，会说明每一项为什么契合需求，并且会混入一些她此前没听说过的选项，而不是把当下最热门的内容堆过来。

“Claude 的推荐不像搜索结果，”她总结道，”更像来自一个真的听进去了你在说什么的人。它抓的是你话里的细微差别，而不是关键词匹配。”

结论：不是取代，而是分工

卡斯韦尔在文末强调，她并非认为 ChatGPT 没用，”远非如此，我现在也经常用它”。她的结论是：当任务需要更接近人类的思考质感时，Claude 更胜一筹。

而她给所有 AI 用户的通用建议只有一条——把需求说清楚。”用任何 AI 的关键都是具体。只不过在 Claude 这里，具体这件事得到的回报更稳定。”

来源：Tom’s Guide《I stopped using ChatGPT for everything — here are 5 prompts I only run in Claude》，作者 Amanda Caswell