这里列出本站收录的全部 AI 工具。首页是卡片墙，适合按分类快速浏览；这个页面是平铺列表，适合按更新时间翻。
每个工具都有独立页面，写清楚它是什么、官网在哪、归在哪个分类和分组，页面底部还会列出同分组的其它工具。
Moka 是一款 AI 原生的招聘管理与人力资源系统，和其他「把线下流程搬到线上」的 HR 软件不同，它用 AI 同事重新定义了人事工作。旗下招聘 Eva、人事 Eva、BP Eva 三位 AI 同事分别覆盖招聘、人事和人才管理，目标是让组织识人、用人的能力每天都在沉淀和生长，而不只是把表格搬进系统。
从能力看，Moka AI 的核心在招聘全链路。它先自动收集简历、用 AI 解析并评分，把高分简历推送给用人部门，部门确认后系统自动发面试邀约，候选人线上选时间，面试结束 AI 自动生成纪要，通过后再流转到 Offer 审批。HR 的人工介入环节从十二个减到三个。简历解析准确率达到百分之九十八、语义匹配百分之九十二，系统月均处理简历超过八万六千份，AI 完成初筛、HR 做最终决策，既保效率又保质量。
把 Moka 放进 HR 日常，最自然的搭档是办公与沟通工具。招聘流程里的大量协作发生在 飞书 和 钉钉 里，Moka 能直接对接这两个平台的审批与消息，候选人状态实时同步。入职表单和员工信息收集可以交给 金数据 或 腾讯问卷 做前置采集。岗位 JD 的撰写先用 ChatGPT 出结构草稿，再交给 Moka 做渠道分发；长 JD 的反复打磨交给 Kimi 也很顺手。沉淀下来的人才库可以落到 Notion 或 Obsidian 做知识管理。
和同类 HR 系统比，Moka 的差异化在 AI 原生架构。传统系统实施周期三到六个月，Moka 靠 AI 工坊和自然语言配置，通常一到两个月就能上线核心模块，员工用对话式操作即可，不用学复杂菜单。它还有 AI 工坊（Moka AI Studio），企业用自然语言就能定制非标能力，让「千企千面」从高价定制变成标准能力。短板是它定位中大型企业，年费从十万到五十万，对小企业偏贵；二百人以下、招聘量小的团队，人工筛选可能更经济。
从使用策略看，Moka 最怕「只看采购价、不算使用成本」。一套看似便宜的系统，如果实施半年、员工不愿用、数据无法沉淀，真实总成本可能是报价的三到五倍。选型时要求厂商给完整报价清单，明确哪些功能含在基础费里、哪些要额外付费。试用时用企业真实简历测试，观察 AI 推荐结果和 HR 判断的吻合度——如果前二十名推荐里有十五名以上符合预期，说明系统可用。关键不是让 AI 替代人，而是让 AI 把一千份简历筛到五十份，HR 再从五十份里精选。
...
ProcessOn 把「画图」搬到了浏览器里：打开网页就能画流程图、思维导图、UML、组织架构图、网络拓扑，不用装任何软件，文件存在云端、换设备接着画。对要做业务逻辑梳理、技术架构表达、项目汇报的人来说，它把「脑子里的关系」变成一张能分享、能协作的图，比在白板上拍照片清晰得多。免费版永久可用，含每月 500 AI 点数、9 个文件与 3 人协作，对轻量使用足够。
从能力边界看，ProcessOn 的强项是「全品类图形 + 实时协作」。它不像 Miro 那样偏自由白板，也不像 Xmind 只做思维导图，而是把流程图、脑图、UML 收进同一个画布，AI 还能根据文字一键生成流程图或思维导图。配合 Notion 收口文档、Feishu 在团队群同步，能把「先画图、再成文」的节奏跑通。
把 ProcessOn 放进工作流，最常见的用法是「先图后文」。梳理一套审批流，先用它画出节点和分支，再交给 Docsqq 或 WPS 落成制度文档；做产品方案，Figma 画界面、ProcessOn 画信息架构，Gamma 把结论做成汇报页。它和 Canva、AIPPT 这类出图出片的工具也能衔接，图定稿后直接嵌进 PPT。
和竞品相比，ProcessOn 的差异在「免费且够专业」。Motiff 专注 UI 设计、MasterGo 偏设计协作、Pixso 是国产设计替代，它们和 ProcessOn 重叠在「协作」但各管一段；流程图与 UML 这块 ProcessOn 积累更深。选型建议：要画技术图、流程图、思维导图且不想付费，免费版先试；频繁大图、高清导出、无限文件再升个人版。
从使用策略看，ProcessOn 最怕「一上来就画超大图」。免费版单文件画布只有 1 个、导出标清，更适合把一张图讲清楚；复杂体系拆成多张子图，反而更好维护也更好分享。新项目先用 AI 生成初稿，再手工调节点，比从空白画布起手快很多。需要把图嵌进知识库时，Obsidian 和 Notion 都能收纳导出的图片或链接。
值得单独说一下它的 AI 能力。新版本里输入一段文字描述，ProcessOn 能直接生成对应的流程图或思维导图初稿，省去从空白画布起手的尴尬；还能把长文本反向生成图示，做读书笔记或会议纪要时很顺手。配合 Notion 收口、Feishu 同步，一条「文字 → 图 → 文档」的链路就跑通了。
从协作角度看，ProcessOn 的权限控制够细腻：谁能看、谁能改、谁能评，分得很清，适合把图发给客户或跨部门评审而不担心被改乱。导出时免费版是标清图，正式汇报建议升个人版拿高清；大图拆成子图分别导出，比一张巨图更易嵌入 WPS 或 Docsqq 的文档。
它还有个容易被忽略的点：模板社区。新手不必从空白画布起手，搜一个「流程图」或「泳道图」模板改改就能用，出图速度快很多。做技术方案汇报时，先把架构图画在这、再把关键节点复制到 Gamma 做成幻灯片，整套材料很快就齐了。
如果团队已有设计规范，把组件和配色在模板里定好，新人照着画就不会跑偏，图风格自然统一，后续改版也省力。
最后提醒，流程图的价值在「共识」而非「好看」，先和团队对齐节点含义再细化样式，能省下大量返工。把定稿图交给 Feishu、DingTalk 在群里评审，或导出进 WPS 的汇报材料，能让一张图真正驱动决策。
Superhuman 是一款面向 Gmail 和 Outlook 的高级邮件客户端，和常见的邮件应用不同，它把「极速」和「AI 辅助」当成核心卖点。它的设计目标是让高邮件量的专业人士以最快速度处理收件箱——键盘驱动、亚百毫秒响应，把原本淹没在邮件里的时间抢回来，适合创始人、高管、销售和招聘者这类一天要处理上百封邮件的人。
从能力看，Superhuman 的底座是一套一百多个快捷键的键盘操作系统，归档、稍后处理、撰写、回复、跳转分轨都能不碰鼠标完成。在此之上叠了 AI 能力：AI 起草能根据你的历史语气预写回复，Business 档还支持跨收件箱的 Ask AI 自然语言问答；自动标签把每封 incoming 邮件分成「需回复、等待中、会议」等类别，把收件箱从手动分拣变成自动归类；读状态和跟进提醒让你看到对方已读却没回时自动提示追发。日历集成内置一键约时间，减少来回约会的邮件。
把 Superhuman 接进工作流，它补的是「邮件之后的行动」。收到重要邮件后，把待办和灵感顺手记进 Notion 或 Obsidian，让笔记和邮件双向打通。撰写英文邮件时，ChatGPT 可以帮忙梳理论点和语气；长邮件的精读交给 Kimi 提炼要点也很顺手。需要把邮件结论落成正式文档时，WPS 和 Docsqq 都能承接。会议跟进则可以结合 飞书妙记 把讨论转成纪要，再回到邮箱发出行动项。
和同类邮件客户端比，Superhuman 的强项是「快得无可替代」。它在速度评测里长期居首，AI 起草和摘要的完成度也高，且同时支持 Gmail 和 Outlook 两大生态；分轨收件箱、团队共享草稿和评论，让邮件协作真正快起来。短板也很明显：没有免费档，个人每月二十五到四十美元，是同类里最贵的之一；键盘体系需要数周刻意练习才能见效，学习曲线陡，轻量用户很难回本；AI 起草和 Ask AI 锁在更贵的 Business 档。对邮件量不大的人，更便宜的替代品可能更合适。
从使用策略看，Superhuman 最怕「买了不用」。它的价值建立在学习快捷键体系上，前两周最难受，但一旦熟练，平均每人每天能省下一到两小时。建议从高频刚需场景切入：先用分轨把重要邮件和噪音分开，再逐步用自动标签和跟进提醒接管重复操作。写给客户的邮件先用 AI 起草框架，自己再补上下文，比从空白页写快得多。需要提醒，它是海外产品，国内访问可能受限，需要稳定的海外网络环境，团队部署前要先确认可用性。
最对路的是高邮件量专业人士。一是创始人和高管，用它管理大邮件量、保持响应速度；二是销售，靠跟进提醒和 CRM 集成让每个机会都不漏；三是招聘者和投资人，每天和大量外部关系往来，邮件就是生产力本身。如果你每天邮件不多、或对快捷键无感，它昂贵的价格很难回本；这类用户先用 飞书 或 钉钉 的 IM 沟通、把邮件量降下来，反而更划算。一句话，邮件量越大、越依赖键盘的人，越能从它身上赚回票价。
彩云小译把「读外文」变成一件轻松事：网页里贴上英文、日文或韩文，它一边保留原文、一边给出通顺的中文译文，最适合边读边对照。对看论文、读合同、刷外网资料的人，它把「整段翻译、逐句理解、保留排版」压成一次粘贴，几秒拿到带原格式的对照稿。网页版免登录就能用，国内直接打开，不需要任何额外网络环境，出门查菜单、看路牌也能随手翻。
从能力边界看，彩云小译的强项是「双语对照」。它不像 DeepL 那样只吐一句译文，而是原文译文并排，方便你回看原句、确认术语没翻偏。配合 Kimi 这类长文档助手，你能先把整篇文献丢进去吃大意，再用彩云小译对着关键段落做精读对照，分工很清晰。需要把抽出来的段落精准翻译时，Notion 或 Obsidian 可以收口成自己的术语库，翻译成果直接沉淀成笔记。
把彩云小译放进工作流，最常见的搭档是搜索与笔记工具。Quark 能接着读你网盘里的文件做追问，Perplexity 负责把翻译后的概念做跨源检索，Metaso 适合做带溯源的学术研究。文档场景里，ChatPDF 先抽要点、彩云小译再翻，Humata 和 Adobe Acrobat 也都能在 PDF 内做问答，组合使用覆盖从「读」到「译」的全链路。
和竞品相比，彩云小译的差异化在「多模型可选 + 对照阅读」。Smallpdf 专注 PDF 格式转换、CamScanner 负责把纸质件扫成可译文本、Tencent OCR 做高精度卡证识别，它们处在文档链的不同环节，常常和翻译串成一条流水线。选型建议：偶尔读一两篇外文、要双语对照，免费档足够；每天都要啃长文献或做系统性翻译，再考虑 VIP 或 SVIP 提升额度。
从使用策略看，彩云小译最怕「整篇无脑丢」。给它「翻译这段方法论、保留图表标题」这种具体指令，比「全文翻译」更能保住排版和术语。免费档的文档翻译每月 5 万字，适合关键资料精用；日常广度阅读交给无限免费的通用引擎。处理合同或论文时，先让它出结构与关键句对照，再顺引用去读原文，比通读全文省时间，也更容易发现翻译偏差。
从典型场景看，彩云小译最对路的是三类人。一是读论文的学生，把英文文献丢进去对照着读，专业术语不丢；二是做跨境沟通的销售，拍照翻菜单路牌、对着合同逐句核对，沟通成本明显下降；三是日常写作者，先用它出双语草稿，再交给 DeepL 精校语气。它不追求一次翻译到位，而是把「人读原文、机给译文」的节奏跑顺，越对照越省事。若你常读日文或韩文资料，它的多模型切换也能缓解单一引擎的误译，比死磕一个翻译器更稳。
翻译质量上，它的中英互译在同类免费工具里属于第一梯队，日常邮件、PPT、合同条文都能翻得通顺；遇到特别专业的医学或法律长句，建议对照原文过一遍术语，避免误译。
最后提醒，对照译文能帮你快速理解，但不等于百分百准确，关键条款仍要回原文确认。把译好的要点交给 Notion、Obsidian 收口，或交给 DeepL 做二次精校，能让一份外文资料的价值延伸到自己的知识库里。
法大大是国内较早做电子签名与电子合同的平台，提供从实名认证、在线签署、区块链存证到出证的全流程服务。它的定位是电子合同全生命周期管理，让异地签约不再依赖快递和纸质盖章，企业把销售、采购、人事、内部审批等场景的合同都搬到线上，签署周期从过去的一周缩短到两小时。
从能力看，法大大覆盖签署的前后端。签约前可以做合同起草与审批，签约中支持微信小程序、企业微信等多端签署，实名认证后生成数字证书并完成签署，全程防篡改；签约后提供存证、归档和出证，必要时可对接互联网法院与仲裁委。合规资质上，它持有 CA 牌照、等保三级、商用密码认证等硬门槛，单份合同签署成本最低可到五毛钱，对签约频次不稳定的中小企业很友好。
把法大大接进企业系统，最顺的搭档是办公与协作工具。合同模板和定稿通常先在 WPS 或 Docsqq 里准备好，再导入法大大发起签署。签约对象的信息收集可以交给 金数据 或 腾讯问卷 做前置表单，减少反复确认。它已经预集成 飞书 和 钉钉，在这两个平台里就能直接发起和审批签署任务，不用切换系统。PDF 类合同可先经 Adobe Acrobat 做批注，或用 ChatPDF 抽要点确认内容无误再签。
和同类电子签平台相比，法大大的差异化在合规资质全、集成能力强。它在 CA 牌照、等保三级、商用密码、司法采信四项硬门槛上全部达标，并预集成钉钉、企微、飞书、SAP 等主流系统，提供两百多个 API 接口满足深度定制，支持 SaaS 与私有化双部署，覆盖从中小企业到金融政务的全部 IT 环境。短板是基础版功能有限、超过用量后超额费偏高，专业版和旗舰版需要联系商务、价格较高，深度定制也要商务报价。
从使用策略看，法大大选型最怕只看入门价。基础版价格极低，但一旦超过签署量限额，超额费用可能是入门费的数倍，务必在采购前确认计费阶梯。另外要确认数据导出格式是否标准化，避免导出的是 PDF 截图而非结构化数据、迁移后无法检索。签完的合同建议开启区块链存证，事后出证和维权会更顺。对签署前的合同文本质量，不妨先用 幂律智能 或 通义法睿 做一轮 AI 审查，把风险挡在签字之前。
最对路的是有常态化签约需求的组织。一是中小企业，用按量付费把销售和采购合同线上化，省下邮寄和用印成本；二是大型集团，用旗舰版做多主体、多子公司的统一印章管控；三是 HR 场景，把劳动合同和保密协议通过 钉钉 或 飞书 发起电子签，员工体验更好、合规更有保障。需要提醒，电子签名虽具法律效力，但涉及重大资产或特殊行业的合同，仍要结合线下尽调与法律意见。对多数团队而言，先把高频、标准化的合同搬到线上，是数字化里性价比最高的一步，选一个合规稳、集成顺的平台就能少走很多弯路。
金数据把「收集信息」这件事做成了一块块可拖拽的表单：报名、问卷、订单、考试、测评，选个场景就能搭起来，填表人手机点开就填，数据自动进后台表格。对个人和小团队，它把「以前要写代码做的收集系统」变成几次鼠标操作；对企业，它又能接微信支付、做团队协作和 API 对接。免费版就能创建基础表单并收集数据，是轻量信息收集的高性价比入口。
从能力边界看，金数据的强项是「43 种字段 + 场景化」。它不像 Notion 那样偏知识库搭建、也不像 Tencent Wenjuan 专注调研考试，而是把「表单」当成万能入口：商品字段能直接收钱、考试字段能防作弊、预约字段能排期。配合 Obsidian 收口沉淀、Kimi 写表单说明文案，能让一次收集从设计到归档更顺。
把金数据放进工作流，最常见的用法是「轻量业务线上化」。社团用它在 Feishu 群发活动报名，小商用 WPS 导出的名单做跟进，教培机构用 Docsqq 或 Quark 管理学员信息。需要对外查询或结果分享时，它的对外查询链接能让填表人自助查自己的提交记录，省去大量人工回复。
和竞品相比，金数据的差异在「表单即业务」。Tencent Wenjuan 强在调研与样本库，Metaso 做学术检索，都不以「收钱、接流程」为核心；金数据在收款、预约、考试这类带交易属性的场景更完整。选型建议：要报名、收款、内部审批这类表单，免费版先试；要高并发、企业成员协作与 API 对接，再升专业版或企业版。
从使用策略看，金数据最怕「一开始就用免费版承接大流量」。免费版月数据量 5 万条、短信仅 5 条，超量需升级；高频活动建议提前算量、按需升专业增强版。搭表单时先用模板改、再调字段逻辑，比从零画快很多；把回收数据导出进 WPS、Docsqq 做分析，或沉淀到 Obsidian、Notion 知识库，能让收集成果真正被复用。
从典型场景看，金数据最对路的是「把线下流程搬上线」。社团用它发活动报名，填完自动进表格，负责人不用再一个个登记；小商用商品字段直接收钱，Feishu 群里发链接、微信里填完即付；教培机构用考试字段做入学测评，Docsqq 导出名单跟进。它的对外查询链接还能让填表人自助查自己的提交记录，省去大量「我填了吗」的人工回复。
收款与流程是它的差异点。表单不仅能收信息，商品字段能直接微信收款、预约字段能排期、考试字段能防作弊，相当于把「表单 + 交易 + 审批」合在一个入口。企业版进一步给行级数据权限、组织架构与 API 对接，能把收集来的数据直接推回自有系统。对个人和小团队，免费版已能跑通大部分轻量业务；只有高并发或精细权限才需要升企业版。
一个实用的小提醒：表单字段别一次堆太多，填表人看到长表单容易半途而废；把必填项压到最少、选填的放后面，回收率会高不少。
最后提醒，涉及收款与个人隐私的表单要留意权限与脱敏，企业版才支持更细的行级数据权限。把定稿名单交给 Feishu、DingTalk 跟进，或导出进 WPS 做报表，能让一份表单从收集走到落地。
幂律智能把「审合同」从逐字抠条款变成秒级风险扫描。它基于自研的法律垂直大模型，针对中文合同（民法典体系）做智能审查，能在分钟内标出风险点、给出法条依据和可复用的修改建议，适合企业法务、律所和需要处理大量中文合同的团队。这套能力把过去靠人眼逐页找坑的流程，压缩成一次上传就能拿到的风险清单，让审查从体力活变成决策活。
从能力看，它的产品线覆盖了审查到管理的全链路。MeCheck 做合同智能审查，能在一分钟内完成全文档风险定位，按红黄绿分级标注，并附上对应的法条原文；MeFlow 管合同全生命周期，从起草、审批、签署到履约提醒一体打通；吾律则是面向律师的智能体，能回答案情、生成起诉状和仲裁申请等文书。对企业法务来说，把一份几十页的采购合同丢进去，几秒就能拿到风险清单，效率比人工通读高出数倍。
把幂律智能放进日常流程，最常搭档的是文档与阅读工具。Kimi 适合精读超长合同、吃清双方权利义务；ChatPDF 可以先抽要点，再由幂律做风险标注，分工很清晰。纸质或扫描件先交给 Tencent OCR 识别成可编辑文本，再进入审查环节。遇到跨境合同，配合 彩云小译 做中英对照，确保法律术语不跑偏。审查完的定稿可以落到 WPS 或 Docsqq 继续协作，关键条款沉淀进 Notion 形成企业专属的条款库。确认无误后，直接转 法大大 在线签署，一条龙走完。
和同类工具比，幂律智能最突出的差异化是「最懂中文法律语言」。相比偏向全链路 CLM 的海外产品，它更贴国内的民法典语境与中国裁判文书网的真实案例；相比纯模板生成类工具，它的风险分级和法条链接更扎实，还能自定义企业的审查标准。短板在于它偏中大型客户，小微企业如果只是偶尔自查一份合同，用免费或低价档就够，高频复杂的场景再上专业版或私有化部署。
从使用策略看，幂律智能最怕「整本丢进去等结论」。给它「站在甲方立场、重点看付款与违约条款」这种明确指令，比泛泛审查更能命中要害。对高风险或高金额合同，系统默认会触发人工复核或律师兜底，这正是它的人机分层机制——AI 做初筛，人在关键节点把关。把每次审查的修改建议归档，时间久了就积累出企业自己的审查标准和知识图谱。
最对路的是三类场景。一是企业法务的日常合同台账与批量审查，把机械审单交给模型，释放人力去做商务判断；二是律所的尽职调查，自动生成合同要素提取和类案检索；三是投融资机构的协议初审，快速识别隐含冲突。需要提醒的是，它给出的是辅助性风险判断，最终仍以律师和司法机关的意见为准，复杂投融资与跨境合规仍要人工深度复核。另外，起草合同时也可以先用 ChatGPT 出草稿，再交给幂律做专业审查，前后衔接很顺。
腾讯交互翻译 TranSmart 的与众不同，在于它把「翻译」设计成人和 AI 协作的过程，而不是一键出结果。你在输入框打字，它实时给出候选译文片段，按一下 Tab 就能采纳，边写边译、越用越顺。对个人译者、技术文档工程师和需要反复打磨术语的长文本来说，这种「交互式机器翻译」比纯自动翻译更可控，也更容易保持一致。个人用户网页版和客户端核心功能完全免费，没有广告也没有次数限制。
从能力边界看，TranSmart 的核心是「翻译记忆 + 术语库」。它记得你过去改过的译法，下次遇到同类句子自动套用，长文档里同一术语不会前后翻成两个词。配合 Kimi 做长文先读、Notion 收口术语表，能把一份技术手册的翻译质量拉到接近人工的水平。需要把整篇文献先读后译时，ChatPDF 和 Humata 可以先抽结构，再交给 TranSmart 逐段精翻。
把 TranSmart 放进工作流，最适合的场景是专业翻译与本地化。和 DeepL 那种「整句一键翻」不同，它更像是坐在你旁边的译后编辑助手：你定调子、它补初稿。做合同与专利这类容错率低的文本，Adobe Acrobat 先在 PDF 里标重点，TranSmart 再逐句处理，Obsidian 收口成可复用的术语库，整条链路都很「专业向」。
和竞品相比，TranSmart 的最大卖点是「免费且偏专业」。通用翻译工具追求全自动，它则把重心放在辅助人工，特别适合中英、中日、中韩互译质量敏感的场景。企业侧还能申请私有化部署，把术语库和翻译记忆留在自己环境里；Quark 之类的网盘工具可配合做素材管理。选型建议：纯个人随手翻选通用工具即可；要翻译量大、术语统一、又不想付费，TranSmart 是少数能打的免费专业选项。
从使用策略看，TranSmart 最怕「当纯机翻用」。它的价值在交互——你先写一句、采纳候选、再微调，模型就会学到你的风格。处理技术文档时，先把专有名词灌进术语库，再开翻，后续一致性会明显提升。免费档的网页与客户端已够日常，只有调用 API 做批量或企业要私有化才涉及付费，价格以腾讯官方公示为准。
从典型场景看，TranSmart 最对路的是专业译者与技术写作者。翻译产品手册时，把术语先灌进术语库，后续章节自动沿用，整本文档不会前后不一致；做游戏或软件本地化，它能接进现有计算机辅助翻译流程，译后编辑效率明显高于纯手写。企业侧若对数据合规敏感，可申请私有化部署，把翻译记忆留在内网，Quark 这类网盘则适合做素材的中间归档。它不取代译者，而是把重复劳动压到最低。
对译者来说，它的价值在「越用越准」：你每改一处，术语库和记忆就多一分，下次同类句子自动套用，长项目里省下的重复劳动很可观。
最后提醒，交互式翻译虽强，复杂文学与长难句的润色仍建议人工终审，重要合同尤要回原文核对。把定稿交给 Notion、Obsidian 沉淀，或交给 DeepL 做交叉校验，能让术语资产在多个项目间复用。
腾讯问卷把「发一份调研」变得像发微信一样简单：打开网页，输入主题，AI 就能自动生成一套带评分、跳转逻辑的结构化问卷，拖拽组件就能改。对做满意度调查、学术调研、活动报名、考试投票的团队，它把「出题、分发、回收、分析」四步压进一个后台，不用自己搭系统，也不用担心收集量上限太低。免费版永久免费，单日最多创建 30 份问卷，覆盖绝大多数日常调研。
从能力边界看，腾讯问卷的强项是「AI 出题 + 多渠道 + 自动分析」。它不像 Notion 那样偏知识库、也不像 Obsidian 只管个人笔记，而是专为「向外收集信息」设计：链接、二维码、公众号、邮件、短信都能发，填完自动出饼图柱状图。配合 Kimi 先草拟调研大纲、Quark 读网盘里的历史数据，能让问卷设计更有针对性。
把腾讯问卷放进工作流，最常见的用法是「调研闭环」。HR 用它在 Feishu 或 DingTalk 群里发员工满意度，市场部用 Docsqq 或 WPS 把结论写成报告，老师用 Perplexity 做文献支撑。企业版还带 300 万+ 实名样本库与反作弊，回收 1000 份最快一天，比自己找人填快得多。
和竞品相比，腾讯问卷的差异在「腾讯生态打通 + 免费够用」。Jinshuju 更偏表单与轻量收款、Metaso 做带溯源的学术检索，定位都不完全重叠；腾讯问卷胜在微信与公众号原生体验，填表人无需注册、手机点开就填。选型建议：要做正式调研、考试、投票，免费版先试；要去掉广告、提升收集上限与团队协作，再升高级版或商业版。
从使用策略看，腾讯问卷最怕「题目堆太多」。免费版收集量有限、结果页带腾讯广告，更适合聚焦核心问题、短问卷提回收率。出题时先用 AI 生成初稿，再删掉冗余项；投放后看自动交叉分析，把「用户对哪点最不满意」直接喂给 Notion 或 Obsidian 做行动清单，调研才真正落到改进。
从典型场景看，腾讯问卷最对路的是三类需求。一是 HR 的满意度与绩效考核，直接发到 Feishu 或 DingTalk 群，回收自动统计；二是学术调研，Kimi 先拟大纲、问卷 AI 出初稿，省下大半设计时间；三是活动报名与投票，链接或二维码一发就能收集。企业版还带 300 万+ 实名样本库，做市场研究时能把问卷精准推给目标人群，回收 1000 份最快一天，比自己找人填快得多。它把「出题到分析」压进一个后台，是轻量调研的高性价比入口。
分析环节是它的隐藏强项。填完不是只给一张总表，而是自动做交叉分析与可视化，你能直接看出「哪个环节满意度最低」「不同群体差异在哪」。把这些结论贴进 WPS 周报或 Obsidian 行动清单，调研才真正闭环。对不常做数据分析的人，这套自动报告比自己拿 Excel 透视省事得多。
小团队常用的一个技巧是「先短后长」：先用 AI 出 5 题的短问卷测回收，看哪类问题回答率高，再展开成正式问卷，回收质量明显更好。
最后提醒，问卷数据涉及隐私，敏感字段（手机号、身份证）平台会自动脱敏，但导出后仍要妥善保管。把分析结论交给 WPS、Docsqq 落成报告，或贴进 Feishu 周会，能让一份调研快速转化为决策。
通义法睿是阿里推出的一款 AI 法律助手，底层基于 通义千问 大模型，结合法律行业数据和司法实践专门训练。它能通过自然语言交互，提供法律咨询、文书生成、类案检索和合同审查等服务，面向律师、企业法务和普通用户，把过去要找律师才能问清楚的事，变成一次对话就能拿到初步答案。
从核心能力看，通义法睿覆盖法律工作的几个高频环节。智能法律对话可以回答婚姻家事、民间借贷等常见案由的问题，并引用法规与案例；文书生成能根据案情描述自动产出起诉状、答辩状等规范文书，内置两百多种模板；类案与法规检索基于语义理解，从海量裁判文书里精准匹配相关案例和条文；合同审查能识别潜在风险，给出高、中、低三级评估报告和修改建议，还支持选择甲方或乙方立场。上传 PDF 或 Word（单文件最大一百兆或一千页）即可自动提炼案情摘要和争议焦点。
把通义法睿接进日常工作，最常见的搭档是通用大模型与文档工具。遇到需要深度推理的复杂问题，可以结合 DeepSeek 做多步推演；长文书的反复打磨交给 Kimi 处理也很顺手。需要把抽出的要点转成正式文档时，WPS 和 Docsqq 都能承接协作。跨境或英文材料则配合 彩云小译 做对照翻译，保证术语准确。合同审查前先用 ChatPDF 通读全文，再交给通义法睿做风险分级，效率更高。
和专注合同审查的垂直产品相比，通义法睿的强项是「全功能覆盖且免费门槛低」。基础的法律问答、法规检索和简单文书生成都能免费使用，对预算有限的中小企业和普通用户很友好。它的「咨询专业律师」入口还能衔接真人服务。短板在于生成内容仅供参考、不具备法律效力，付费档按调用量计费，专业版约两千元每月，且海外访问可能受限，复杂文书的格式规范性也有提升空间。
从使用策略看，通义法睿最怕「问题说不清楚」。给它案情时尽量带上时间、金额、当事人关系等关键要素，生成文书的准确率会明显更高。合同审查前先选好甲方或乙方立场，系统会针对性提示风险点；上传文件建议用 PDF 或 DOCX。对专业律师而言，它更适合做初筛和检索辅助，把重复性的资料整理交给模型，自己聚焦法律判断。如果追求更专业的合同风险分级与法条链接，也可以对比 幂律智能 这类垂直产品。
最对路的有三类人。一是执业律师与法务，用它快速检索法条、生成文书初稿，缩短事务性工作时间；二是中小企业主和 HR，在请不起常年法律顾问时，用它审查日常商业合同、评估劳动用工风险；三是普通用户，面对婚姻、房产、劳动争议等日常困惑，能拿到免费且即时的专业级建议。审查完的合同若需要正式签署，可直接转 法大大 走电子签约流程。需要提醒，所有输出都只是辅助，正式法律行为仍要以律师或司法机关的意见为准。