大模型用户“智能游牧”：多平台切换背后的行为逻辑与治理启示

事件概述

基于对 30 名大模型用户的焦点小组访谈（21 万余字文本），本研究从可供性视角剖析了用户在多平台环境下的使用行为。研究发现，用户已从单一平台接入转向多平台动态调配，形成了独特的“智能游牧”模式，即通过在不同平台间切换以获取最优资源，同时维持核心使用的稳定性。

核心发现

1. 三重可供性驱动机制

用户的多平台切换行为主要由以下三个维度驱动：

• 关系性：用户与大模型建立工具、代理或伴侣型关系。经济成本（订阅费）和认知成本（学习曲线）是决策关键。例如，部分用户从被动使用（如应付毕业需求）转向主动教学应用。
• 感知性：用户自发建立评估框架，对比各平台的准确性、响应速度、代码能力及多模态功能。数据显示，86% 的编码分析表明，这种比较感知直接驱动了用户的切换行为。
• 语境性：平台适配策略受三层语境共同塑造：微观（界面友好性）、中观（技术生态与社区资源）及宏观（政策法规与组织规范）。

2. “智能游牧”行为特征

• 流动与稳定的平衡：用户倾向于构建“技术舒适区”，采用“主平台稳定 + 偶发跃迁”的策略。主平台用于处理核心任务以降低认知负担，其他平台则作为“补丁”解决特定需求或提供新鲜感。
• 语境化实践：资深用户通过精细化操作实现“数字栖居”。
  • 提示词库优化：针对不同平台特性定制提示词（如针对 ChatGPT 强调任务明确与负面限定，针对豆包强调真诚全面）。
  • 跨平台工作流：组合多个平台完成复杂任务（如利用豆包与 Kimi 协同工作，或使用 DeepSeek 与 Kimi 组合生成 PPT）。

3. 接入潮与场景演变

• 接入节奏：2022 年 11 月 ChatGPT 发布引发第一波接入潮（超 2/3 受访者在当时接入）；2023 年下半年国内企业跟进形成第二波。
• 应用场景：主要集中于办公写作、数据分析、创意生产等“工具属性”场景，娱乐属性相对渗透较少。

治理启示与风险警示

• 潜在风险：需警惕用户在频繁切换中可能产生的平台依附心理及自身能力退化问题。研究验证了监管必要性（3 名编码员一致性得分＞0.8）。
• 政策建议：公共管理部门应推动平台“共生性合作”，避免单一平台垄断；鼓励建立第三方算法审计机制，防范信息偏见与认知茧房。
• 用户策略：用户需保持批判性使用意识，将“智能游牧”转化为真正的认知游牧，以实现个体智识的持续增值。