@
qaq13037 我用 Gemini Pro 炒了盘回锅肉 你看看是你要的状态不
AI 编程工具指北：从选型到实战的深度复盘
第一部分：工具形态与选型 (Tools)
市面上的 AI 编程工具百花齐放，但本质上主要分为三类：IDE （集成开发环境）、CLI （命令行工具） 和 Plugin （插件）。
1. IDE 类 (全接管体验)
这类工具提供最沉浸的体验，适合希望 AI 深度介入开发流程的用户。
Cursor
定位： 目前体验独一档的 AI 编辑器，首选推荐。
优点： 上手快，Tab 补全体验极其顺滑，功能完善（ Composer 、Review 等）。迭代速度快，生态成熟。
缺点： 价格较贵（$20/月起，Team 版 $40/月）；依赖网络环境（需要较纯净的节点，否则 Claude 模型无法使用）。
Windsurf
定位：Codeium 出品，Cursor 的有力竞争者。
特点： 之前的版本对网络要求相对较低，$15/月起步。
缺点： 稳定性稍差，有把代码块改坏又修复的情况，按次收费模式可能导致成本不可控。
Trae / Qoder
定位： 国产化/低成本替代方案。
特点：Trae 不需要魔法，价格便宜； Qoder 集成阿里闭源模型。
适用： 网络受限或预算有限的团队，但功能精细度（如上下文管理、代码变更追踪）不如 Cursor 。
2. CLI 类 (极客/无头模式)
通过终端交互，适合喜欢键盘操作、自动化任务处理的开发者。
Claude Code (官方)
定位：Anthropic 官方推出的 CLI 工具。
优点： 配合 Opus 4.5 模型效果极佳，原生支持 Skills 、Subagents 、斜杠命令，工程化能力极强。
缺点： 极其昂贵（中转费用约 200+/月），官网直连困难。
OpenCode
定位： 开源版的 Claude Code 平替。
特点： 主要配合 OMO 插件使用，支持国内 GLM4.7 等模型。
优势： 通过 Subagents 多智能体协同思路工作，省去了折腾 Skills 的麻烦。
Codex (CLI 版)
定位： 性价比之选。
特点：GPT-5.2 Codex High 模型效果接近 Opus 4.5 ，但中转价格低廉（约 60 元/月）。找 Bug 和 Review 能力出色，遵循 Rules 严格。
缺点： 思考时间过长，查看代码变更和上下文不如 GUI 直观。
3. Plugin 类 (轻量级辅助)
集成在 VSCode 或 JetBrains 中，不改变原有的开发习惯。
Augment Code
特点： 插件形式中效果最好的工具，拥有独一档的上下文搜索工具 (ACE)。
门槛： 官网难用，目前多通过闲鱼按量购买（无法开票）。
Kiro
特点： 极其便宜（ 0.88 元/500 额度），引入了 Spec 模式。
缺点： 小功能体验极差（上下文窗口小、压缩难受、无法重命名会话），主要用来辅助理解代码，不建议主力开发。
第二部分：模型能力与技术风险 (Models & Risks)
工具是外壳，模型是核心。选择合适的模型能事半功倍。
1. 模型红黑榜
Claude 3.5 Sonnet / Opus 4.5 (Claude Code):
评价： 编程能力综合最强，是目前的天花板。Opus 4.5 在 Claude Code 中表现惊艳。
GPT-5.2 Codex High (OpenAI):
评价： 仅次于 Opus 4.5 。逻辑严密，找 Bug 能力强，CodeReview 极其仔细。缺点是“思考时间”太长（有时过长）。
Gemini 3 Pro (Google):
评价： 前端能力比较突出，拥有超大上下文优势。
GLM 4.6/4.7 (智谱):
评价： 体验过，效果一般，可作为国内环境的保底方案。
2. 技术与合规风险
在团队落地时，必须考量以下成本：
网络成本（魔法）：Cursor 、Claude Code 、Antigravity 等强依赖纯净的美国 IP 。不稳定的节点会导致封号或功能不可用。
资金成本：
官方订阅（$20/月）成本固定但门槛高。
API 中转（如 Claude Code 中转）费用浮动大，高频使用可能高达 200+ 元/月。
闲鱼/按量购买：便宜但无法开票，且存在跑路风险，不适合企业级大规模采购。
第三部分：工具扩展 (Extensions)
AI 工具不仅仅是聊天框，通过扩展协议，可以让 AI 拥有“手和脚”。
1. MCP (Model Context Protocol)
连接 AI 与外部数据的标准协议。
常用推荐：Context7 MCP 、ACE （搜索）、Chrome DevTools （网页调试）、Tapd/Apifox （打通项目管理与接口文档）。
作用： 让 AI 直接读取你的数据库、接口定义或浏览器控制台，无需人工复制粘贴。
2. Skills (技能包)
将重复的工作流程封装成工具，让 AI 自动调用。
实战场景： 文档处理（ Excel/PDF ）、前端样式生成、自动化画图。
创建方法： 手动创建脚本文件夹，或直接让 AI 根据你的需求生成 Skills 描述文件。
3. Subagents (子智能体)
概念： 类似于开了一个“分身”，主 Agent 负责统筹，Subagent 负责脏活累活。
优势：Subagent 去查文档、搜代码的过程不占用主会话的上下文窗口，只返回精炼结果。
应用： 专门做一个“Code Review 专家”或“文档查询员”。
第四部分：个人实战与心法 (Best Practices)
工具只是辅助，如何提问（ Prompt ） 和 如何管理上下文（ Context ） 才是核心竞争力。
1. 核心工作流：计划模式 (Plan Mode / Spec)
切忌上来直接让 AI 写代码。 推荐采用 Plan Mode：
Understand: 让 Agent 阅读代码库，询问澄清性问题。
Plan: 让 Agent 输出详细的 Markdown 实现计划（包含文件路径、改动逻辑）。
Review: 人工介入，像改文档一样直接修改这个 Plan 。
Execute: 确认无误后，再让 Agent 逐个任务执行。
Refine: 遇到偏差不要打补丁，回滚到 Plan 阶段，修改计划再重新生成。
2. 实战技巧 SOP
前置配置 (Rules):
项目级：在根目录创建
AGENTS.md 或 .cursorrules ，写入技术栈、代码规范、目录结构。
全局级：配置通用的代码偏好（如 Prefer TypeScript, no any ）。
Bug 修复六步法 (写在 Prompt 或 Skill 中):
复述问题 (Understand)
分析根本原因 (至少列出 2 种)
制定验证计划
执行修复
自我审查 (Review)
解释修改原因及防范措施
上下文管理 (Context Hygiene):
何时重启会话？ 完成一个功能闭环时； AI 开始胡言乱语或反复犯错时；上下文 token 爆炸时。
如何保持连贯？ 新会话中，引用上一个会话生成的 Spec 文档 或核心代码文件。
3. AI 时代的心得
辅助而非替代： 使用 AI 协助开发（ Pair Programming ），而不是完全丢给 AI 开发（ Outsourcing ）。
架构为王： 代码生成的门槛降低了，但对业务理解、架构设计、技术基础的要求反而更高了。你需要有能力判断 AI 写的代码是否埋雷。
拥抱变化： 无论是 CLI 还是 IDE ，工具形态在变，但核心的工程化思维（模块化、规范化）不变。
Select Language