模型選型的真實成本：為什麼 85 個場景最後只用 3 個

Claude 有 85 個官方場景，但大多數人只需要 3 個——關鍵是學會按任務特性選型，而非盲目選最強模型。

25 3月 2026 • 3 min read

不是越強越好，是夠用就好

Claude 官方整理了 85 個使用場景。看起來很全面。但如果你仔細看，他們自己挑出最有普遍性的只有 3 個。

這不是巧合。

Sonnet 4.5 覆蓋 60% 的場景，Haiku 用於快速自動化，Opus 只在 8-12 個高複雜度場景才必要。這挑戰了一個很多人抱著的假設：AI 工具應該用最強的模型。

實務上，這是一個立即可應用的優化策略。對成本敏感的團隊或個人開發者，按任務特性選型，而不是按價格等級選型，能省下不少錢。但問題不只是錢——更重要的是，如果你一開始就選了最貴的模型，你很難察覺到「其實 Sonnet 就夠了」這個事實。

傳統 AI 聊天機器人的用法是這樣的：輸入→輸出→結束。

但官方案例都在講另一個故事。旅遊行程規劃需要持續對話調整。品牌規範文件需要後續輸出自動套用。日程準備需要連接多個系統讀取資訊。

Claude 的威力不在單次回答品質，而在於能否整合外部資料源並迭代優化。這意味著你需要改變提示詞策略——從「問一個問題」轉向「建立可複用的工作流」。

這要求不同的思維方式。你不是在用 Claude 回答一個問題，你是在用 Claude 維護一個持續運作的流程。

85 個場景聽起來很全面。但這也是問題所在。

工具選項越多，使用者越容易陷入「先看完所有可能」的陷阱，反而延遲開始使用。我看過很多團隊在評估新工具時卡在這裡——列出所有潛在應用，然後陷入優先序的討論，最後什麼都沒試。

對技術決策者，這提示一個更務實的方法：先從自己的高頻任務反推需要的功能，而非從工具清單正向選擇。

問自己：這週我重複做了什麼工作三次以上？那就是你的起點。不是 85 個場景，而是 1 個。

這份官方整理的價值，其實不在告訴你有 85 種用法。價值在於它迫使你思考：在你的現實中，哪 3 個場景最高頻？

模型選型、工作流設計、優先序評估——這三個決策環節是連在一起的。選錯了模型，是因為沒想清楚工作流。工作流沒設計好，是因為沒做優先序。

我後來決定換一個問題：不管有多少種用法，我能不能從實際工作中識別出真正的瓶頸？

我是江中喬，一位具有 TPM 與產品管理背景的 AI 系統建構者，目前專注於 AI 認知增強系統與多 Agent 協作架構的設計與實踐。