分析型 LLM 模型选择法

作者在同一分析流程上跑三大模型 100+ 次（并与 Maze 等 discovery 工具产品团队合作跨模型测试）后的分工判断：

• Claude：分析主力。深度与广度兼具，不用怎么催就给更多引语、覆盖更多面。代价：不替你过滤——已验证的模式和半成形的假设会并列出现，需要你自己验证主题的证据强度。作者的默认推荐："宁可自己验证，也好过催三遍才能确认它没漏东西。"
• Gemini（及 NotebookLM）：证据最扎实。主题更少但 grounding 更强；要多轮 prompt 才能拿到完整性，且需要主动要求更长引语（默认引语偏短）。独有优势：能分析视频里的非语言行为（当时其他两家还不行）。
• ChatGPT：最终包装与干系人沟通。三者中最有创造力——不幸的是对"verbatim 引语"也最有创造力（爱合并缝合引语），真实证据最不可靠；但最擅长把相关发现包装给特定受众。

同一批访谈不加引导地丢给三个模型，会得到"choose-your-own-adventure"：不同叙事、不同"证据"、完全不同的产品建议，但自信程度一样高。ChatGPT 会摘要并缝合引语，Claude 的置信分更保守，Gemini 常选太短的客户原声片段。