精简订阅与核心工具留存
博主首先阐述了当前的消费趋势：随着AI工具的爆发式增长，用户开始从盲目订阅转向精简选择，只保留真正对工作流有实质性帮助的工具。视频的核心目的是分享那些在经历“断舍离”后，依然留在博主日常使用列表中的8款AI工具。这些工具涵盖了从代码辅助、视频剪辑到本地大模型运行等多个维度，体现了实用主义优先的选择标准。博主强调，这并非一份全面推荐清单，而是基于个人实际体验的“幸存者”列表，旨在为观众提供具体的参考案例，而非泛泛而谈的概念介绍。
"These AI tools and subscriptions that actually stayed in my workflow."
赞助商工具：ChatLLM 与 Abacus AI DeepAgent
视频开篇首先介绍了两款赞助商工具，它们代表了当前AI交互的新形态。ChatLLM 是一个允许用户直接访问多种大型语言模型的平台，其核心价值在于聚合性与便捷性，用户无需在不同模型间切换账号即可进行对话。紧随其后的是 Abacus AI DeepAgent，这是一个更侧重于代理（Agent）能力的工具，旨在通过自动化任务执行来提升效率。博主通过提供专属链接和折扣码，鼓励观众尝试这些工具，同时也暗示了这些工具在自动化工作流方面的潜力。这两款工具的出现，为后续介绍个人保留的8款工具奠定了“高效、自动化”的基调。
"Try out ChatLLM - http://chatllm.abacus.ai/ltf and Abacus AI DeepAgent - http://deepagent.abacus.ai/ltf"
知识管理神器：Recall
Recall 是博主重点推荐的一款本地优先的知识管理工具，它通过索引用户的所有数字足迹（包括屏幕内容、文件、浏览器历史等）来实现快速检索。博主提供了专属优惠码 AZISK25，可享受25%的折扣，有效期至2026年6月1日。Recall 的核心优势在于其隐私保护机制，所有数据处理均在本地完成，无需上传至云端，这对于重视数据安全的用户极具吸引力。博主认为，Recall 解决了传统搜索工具无法跨应用、跨设备检索信息的痛点，是构建个人第二大脑的关键组件。通过自然语言提问，用户可以瞬间找到几个月前看到的某段代码或某篇文章的片段，极大地提升了信息回溯的效率。
"Try Recall for FREE or use my code for 25% off: AZISK25 https://www.recall.it/?t=azisk (valid until June 1, 2026)"
视频创作辅助：WayinVideo AI Clipping API
对于视频创作者而言，内容复用是提升效率的关键。WayinVideo 提供的 AI Clipping API 能够自动识别长视频中的高光时刻，并生成适合短视频平台传播的剪辑片段。博主提供了专属链接和15%的折扣码 ALEX15。这一工具的价值在于自动化处理繁琐的剪辑工作，让创作者能将更多精力集中在内容策划上。通过API集成，创作者可以将这一功能嵌入到现有的工作流中，实现从长视频到短视频的批量生产。博主强调，虽然市面上有许多视频剪辑工具，但 WayinVideo 的API友好性使其能够与其他自动化工具无缝连接，形成更高效的内容生产链条。
"Try WayinVideo AI Clipping API 👉🏻https://wayin.ai/api/?ref=alexziskind Get 15% off any plan with code ALEX15."
硬件基础设施：Thunderbolt 5 与高速存储
在介绍软件工具之前，博主简要提及了支撑这些AI工具运行的硬件基础。Thunderbolt 5 外部 SSD 提供了极高的数据传输速度，这对于处理大型AI模型和数据集至关重要。博主推荐了特定的亚马逊链接，展示了其对高性能存储设备的依赖。此外，15英寸磁吸显示器 和 40Gbps T4 enclosure 也是其工作流中的重要组成部分，确保了多屏协作和数据传输的稳定性。这些硬件投入并非孤立存在，而是为了最大化软件工具的效能，特别是在运行本地大模型时，高速存储和扩展性直接影响了响应速度和用户体验。博主通过这些硬件推荐，暗示了AI工作流对底层硬件性能的严苛要求。
"💻☕ Thunderbolt 5 external SSD: https://amzn.to/3XqetZO"
本地大模型运行环境：Apple Silicon 与 NVIDIA 显卡
博主在相关视频链接中提到了多个关于本地大模型运行的案例，包括在 M3 Ultra 和 RTX 5090 上的表现，以及使用 96GB RAM 的 Mac 运行大型语言模型的能力。这些案例展示了不同硬件平台在运行本地LLM时的性能差异。Apple Silicon 凭借统一的内存架构，在能效比和特定模型推理速度上表现出色，而 NVIDIA 显卡 则凭借庞大的CUDA生态和显存带宽，在处理大规模模型时具有不可替代的优势。博主通过对比这些硬件配置，强调了硬件选型对AI工作流的决定性影响。观众可以根据自身的预算和需求，选择合适的硬件平台来运行本地模型，从而摆脱对云端API的依赖，实现数据隐私和成本控制的平衡。
"🏆 Skip M3 Ultra & RTX 5090 for LLMs | NEW 96GB KING - https://youtu.be/bAao58hXo9w"
开发者生产力与AI编程工具
博主将开发者生产力列为一个独立的播放列表，表明AI在编程领域的深入渗透。AI for Coding 播放列表中的视频展示了AI如何辅助代码生成、调试和优化。这些工具不仅仅是代码补全，更是智能编程伙伴，能够理解上下文并提供更复杂的解决方案。博主通过分享这些资源，鼓励开发者利用AI提升编码效率，减少重复性劳动。虽然视频中没有详细列出每一款编程AI工具的具体名称，但通过链接引导，观众可以深入了解这些工具在实际开发场景中的应用。这种工具链的整合是博主工作流精简策略的一部分，即选择那些能显著提升开发效率的少数几个核心AI编程助手。
"🛠️ Developer productivity Playlist - https://www.youtube.com/playlist?list=PLPwbI_iIX3aQCRdFGM7j4TY_7STfv2aXX"
总结：工具选择的实用主义哲学
综上所述，博主保留的8款AI工具并非追求最新或最热门，而是基于实际工作流需求和长期价值的考量。从知识管理的Recall，到视频剪辑的WayinVideo，再到本地大模型的硬件支撑，每一款工具都在其特定领域提供了不可替代的价值。博主通过分享这些工具和相关的硬件配置，传达了一种理性消费AI服务的理念：在工具泛滥的时代，选择那些能真正解决问题、提升效率的工具，并构建一个高效、稳定、隐私安全的AI工作流。这种实用主义哲学，对于广大AI用户而言，具有重要的参考意义。
"These AI tools and subscriptions that actually stayed in my workflow."