周五下午，产品弹窗又跳出来：「全新 AI 写作助手已上线」。你点开试用，输入一段需求，出来一篇看着挺顺的稿子，改两处就能用。第二周再打开，发现每次都要大改，于是这个入口沉到了菜单最底下。这样的经历攒多了，人会走向另一个极端：看到「AI 新功能」四个字就先打折扣。两种反应都不划算。这篇给一套五分钟能跑完的鉴别流程，也把每一步判断不了的东西说清楚。
发布会演示的东西，和工位上的东西不是一回事
发布会上的功能要在一分钟内让人记住，所以挑的是冲击力最强的场景：一句话生成一支短片，一张照片换十种风格，一段录音变成会议纪要。这些场景有个共同点——观众不会追问第二遍。工位上的功能要经得住重复：同样的输入，第十次用还准不准；出了问题，能不能一眼看出错在哪。两套评价体系几乎不重叠，用发布会的标准挑工具，很容易挑到好看但用不上的那一类。这也解释了为什么很多功能在体验期惊艳，第三周就闲置。要不要为它付费，先看 免费版与付费版差在哪：不少新功能只在付费档开放，你连完整试用的机会都没有。
五步走完，每一步都有照不到的角落
把鉴别拆成五个动作，比笼统地问「这功能有用吗」更容易得到答案：
| 环节 | 能做 | 不能做 |
|---|---|---|
| 需求频率核对 | 估出一周内真实会触发的次数，把发布会场景和日常场景分开 | 算不出你未来会不会养成新习惯；新需求本来就没有历史频次 |
| 去掉宣传词复述 | 把「智能」「一键」「颠覆」删掉，看剩下的句子还说不说得清 | 说不清不等于没用，有些能力确实要上手才懂 |
| 流程替代点定位 | 找出它替你省掉的具体环节：几次点击、一次导出、一段等待 | 算不出省下的时间值不值这个价；协作环节的隐性成本看不见 |
| 边界任务试探 | 故意给一个它不擅长的任务，看它是拒答还是硬编 | 一次试探只能说明这一次，换个问法结论可能相反 |
| 结果复核 | 看输出能不能被验证：数字有出处、引用能点开、错误能被发现 | 复核本身要花时间，复杂任务的复核成本可能超过收益 |
第三行和第五行最容易被跳过。省掉几个点击听起来很小，但这个动作一天重复五十次，一年就是上万次；反过来，省了点击却让结果更难核对，等于把成本从操作挪到了检查，账面上好看，实际更累。结果可不可信，有一套成型的口径，可以看 模型评估指标怎么定义。
演示需求和高频需求，差别出现在第二次打开
有个很朴素的观察办法：装完别急着评价，等一周再看打开次数。第一次是好奇，第二次是需求，第三次以后还在用，才算进了流程。演示型功能的曲线通常是第一天五次、第三天一次、第七天零次；高频型功能相反，它往往不惊艳，甚至有点笨，但你每次遇到那类活都会想起它。原因在于演示追求一次成功，产品追求每次都成功，后者要处理大量边界情况，这些活在演示里看不见，在日常里天天遇到。
它答得太顺的时候，反而要多看一眼
这类功能有个共同软肋：它不会主动告诉你自己不会。你问一个超出范围的问题，它可能给出一段结构完整、语气笃定的回答，里面混着编造的条款、错位的数字、不存在的引用。这类输出和普通故障不同，它是生成方式的副产品——模型的目标是接上最像的下一句，并不确认这句话是否成立。所以第四步试探要看两件事：它有没有承认不知道，承认的时候是不是真不知道。有的模型会先答一段再补一句「仅供参考」，这种半承认比直接编更难识别，相关机制可以看 AI 幻觉是怎么产生的。另一层边界在权限：它能读到你贴进去的内容，读不到你脑子里的上下文、公司没写下来的规矩、上周开会口头定下的口径，而这些恰恰决定结果能不能用。
判断标准可以压缩成一句话
把整套流程压一压：它有没有让你的某一步变短，变短之后你还敢直接用。两个条件缺一不可。只变短不敢用，等于给自己加了一道检查工序；敢用却没变短，只是换了个说法的旧功能。其余都是次要的：界面好不好看、入口深不深、宣传语响不响，用两周就都不重要。真要排优先级，先看它替代的是你每天做的活，还是一年做两次的活。免费额度怎么分配也有讲究，可以看 免费额度怎么用才不浪费。
速查：五分钟鉴别清单
- 一周会用几次？答不上来就先放一放
- 删掉「智能」「一键」，这句话还说得清吗
- 它替掉的是哪一步，省了几次操作
- 给一个边界任务，看它拒答还是硬编
- 结果能不能被第三方复核
