从「能用」到「好用」：我的AI编程工具进化史

三个月前，我在重构一个遗留的 Python 电商项目时，被一段 2000 行的面条式代码折磨到凌晨两点。光标在 IDE 里闪烁，我盯着一个名字叫 data_processing_utils_v3_final 的函数，脑子一片空白。当时我用的是 GitHub Copilot，它给出的补全建议是「继续写同样的垃圾代码」。那一刻我意识到，单纯的 Tab 补全已经解决不了问题——我需要能理解整个项目上下文、能主动帮我梳理逻辑、甚至能直接重构模块的工具。

那晚之后，我花了大约两周时间，把市面上几乎所有主流的 AI 编程工具都试了一遍。从每月 10 美元的 Copilot 到本地部署的 Qwen-2.5-Coder-32B，从 IDE 插件到终端里的 Agent 模式。最终我的工作流被彻底重塑：以前写一个 CRUD 接口需要 40 分钟，现在从需求到提交代码只需要 8 分钟；以前重构老代码要鼓起勇气抽一整个下午，现在我可以让 AI 先干一轮粗活，我再负责审查。这篇文章不聊那些虚头八脑的概念，只讲我真实砸钱、真实踩坑、真实提效的工具清单。

先说结论：如果你只想选一个，那就选 Cursor（20 美元/月）；如果你是团队协作且重度使用 JetBrains，那 Copilot 的 Business 版（19 美元/人/月）依然值得买；如果你追求极致性价比且愿意折腾，DeepSeek 的开源模型配合 Continue 插件，一个月成本不到 5 美元。下面我按使用场景拆开讲。

Cursor 0.45：编程工具的「iPhone 时刻」

Cursor 是我目前的主力编辑器，它的核心卖点不是补全，而是 Agent 模式。在 0.45 版本中，你按 Cmd+K 调出对话框，输入「把登录接口的验证码逻辑抽成独立服务，并补充单元测试」，它不只是生成一段代码，而是会创建一个新文件、修改路由、更新 requirements.txt、甚至运行测试给你看结果。这种「全自动保姆式」体验让我第一次觉得 AI 真的在干活的。

举个具体案例：上周我需要给一个 Node.js 的报表服务加上 Redis 缓存。以前我得手动搜索所有查询函数、评估哪些数据适合缓存、再小心翼翼地加装饰器。这次我直接选中 service 层目录，在 Cursor 的 Agent 模式里写了一句「为所有 get 开头的函数增加 Redis 缓存，TTL 设为 300 秒，注意处理缓存穿透」。它花了大约 40 秒，遍历了 12 个文件，自动引入了 ioredis 库，还贴心地加了日志埋点。虽然它写的缓存穿透逻辑里用了 SET NX 而不是更严谨的 SET NX EX，我手动修了一行，但整体节省的时间是实打实的——至少 40 分钟。

不过 Cursor 也有坑。它的 Composer 功能每次会消耗大量 token，如果你用的是自带额度，500 次请求大概撑不过一周。我的方案是：把 API Key 换成 DeepSeek 的（DeepSeek-V2.5 售价为输入 0.14 元/百万 token 左右），通过 Cursor 的设置里自定义模型接口。这样每个月差不多 5 美元搞定日常编码，只有遇到复杂重构时才切回官方的 Sonnet 3.5 或 GPT-4o。另外，Cursor 对超大项目的索引缓存偶尔会出错，遇到「AI 找不到文件」时，记得删掉 .cursor-token 里的缓存目录重建索引。

最后给个建议：别用 Cursor 打开超过 5 万行代码的单体仓库，它的上下文窗口（目前是 200K token）虽然够大，但检索速度和准确率会直线下降。遇到这种情况，先用 tokei 查看代码规模，再考虑拆分成微服务或使用下面的终端型工具。

Claude Code + Gemini CLI：终端里的「结对程序员」

如果说 Cursor 是图形界面里的王者，那么 Claude Code（Anthropic 出品的终端 Agent）就是无头模式下的特种兵。它可以像 Shell 命令一样安装：npm install -g @anthropic-ai/claude-code，然后在任意项目根目录输入 claude，它会启动一个交互式终端。你可以让它「打开 tests/ 目录，找出所有跳过测试的用例，并补充合理的 mock 数据」。它自己会读取文件、写代码、运行 pytest、看报错再修复。整个过程你是可以撒手的，它甚至能帮你提交 git commit。

我用的版本是 1.0.57（2025 年 6 月更新），有个杀手级功能叫「执行规划」：当你提出需求后，它会先在终端里打印一个 Todo List，比如「1. 分析现有 auths 模块；2. 设计新的 token 刷新逻辑；3. 编写前端拦截器；4. 运行回归测试」。你可以按 Shift+Tab 勾选某些步骤跳过，然后它继续执行。这种「半自动」模式非常实用，尤其是当它计划得太过激进时，你可以在中途踩刹车。

还有一款不得不提的是 Google 的 Gemini CLI，它在 2025 年 5 月更新后，完全免费（配套的 Gemini 2.5 Pro 模型限额内免费）。它的最大优势在于原生支持 Android 和 Kotlin 开发。我用它在一个旧项目上把 Java 的 AsyncTask 迁移到 Kotlin 协程，它给出的迁移方案几乎完美——包括处理了 onProgressUpdate 的替代方案、生命周期绑定和异常处理。但它的弱点在于对 JavaScript 生态的深度理解不如 Claude，尤其遇到 Next.js 的 Server Actions 时容易犯迷糊。

在日常使用中，我把 Claude Code 和 Gemini CLI 组合成一个「双保险」：遇到 Python、TypeScript、Rust 任务，优先用 Claude Code；遇到移动端、Google Cloud 相关的运维脚本，就切到 Gemini CLI。这两者都支持 --resume 会话恢复，所以即使在 SSH 断开后，重新连上输入 claude --resume ，上下文还在。

传统 IDE 的「增援部队」：Copilot 和 Continue 插件的正确用法

我知道你和我一样，有一批老项目还跑在 JetBrains IntelliJ 或者 VS Code 上，没法随便迁移到 Cursor。这时候，GitHub Copilot 依然是有价值的——但绝不是用它默认的自动补全。在 2025 年，Copilot 的 1.78 版本加入了「Custom Instructions」功能，你可以在配置文件里写入团队规范，比如「永远使用 TypeScript 的 Optional Chaining，禁止 any 类型，注释必须用中文」。然后它生成的代码会严格遵守这些规则，这让我省掉了大量 code review 的争吵。

另一个值得尝试的免费方案是 Continue 开源插件。我把它配成了一个「本地优先」的补全引擎：使用 Ollama 部署 Qwen-2.5-Coder-32B-Instruct（量化版只需 18GB 显存），在完全不联网的情况下提供代码补全和简单对话。虽然它的响应速度和准确率不如 Copilot，但对于处理敏感业务代码（不想发到云端）是唯一解。我曾在断网的航班上用它改了一个 Flask 项目的分页 bug，那种安全感是云端服务给不了的。

如果你用的是 VS Code，我强烈建议安装一个叫「Code Snapshot」的辅助插件，它能把 AI 每一次改动的文件列表自动生成 changelog，方便回溯。Copilot 的 Chat 面板（Ctrl+Shift+I）不要只用来问问题，试着选中一段代码后输入「用策略模式重构这一段，并给出类图」，它会输出带 Mermaid 图的方案，可直接渲染。

最后必须强调：这些工具都无法替代对业务的思考。Copilot 生成的单元测试，你最好手动改改断言阈值；Continue 本地模型写的 SQL 查询，在大数据量下可能错过索引优化。AI 编程工具更像是「高速打字员」，而不是「解决方案架构师」——替我写出我想写的，但前提是我得知道我想写什么。

选型避坑指南与我的最终推荐

在推荐之前，请先排掉三个常见的坑：第一，不要盲目追求本地大模型。除非你搞的闭源项目真不能上网，否则一个 24GB 显存的消费级显卡跑 32B 模型，生成速度大约在 20 tokens/s 左右，连 Copilot 十分之一的速度都不到，等久了反而打断心流。第二，别把 AI 生成的依赖直接升级到最新版。我有一个同事在 2025 年 3 月用了 Copilot 建议的 npm install axios@1.7.0，结果这个版本带着一个未被发现的 open redirect 漏洞，被安全机器人拦下来，耽误了一整天。第三，千万别把密钥、测试环境的 IP 地址发给 AI 工具。

对于不同人群，我的建议如下：如果你是一个人独立开发、重视效率，直接上 Cursor 的 Hobby 计划（20 美元/月），每天可调用 250 次代码生成请求。如果你在中小企业、团队用 JetBrains，买 Copilot Business 版本（19 美元/人/月），有团队级策略管理。如果你是学生党或刚入行想练手，就用免费方案：VS Code + Continue + DeepSeek-V3 API，成本几乎为 0。最后还有一类是「什么都想本地跑」的隐私偏执狂，请用 Llama-Coder-70B 量化版配双 4090，只是你要做好硬盘 80GB 空间的准备，且要有心理预期——多轮对话长达 5 分钟后容易产生幻觉。

从我的个人使用时间占比来看，Cursor 占了 65%、Claude Code 占了 20%、Copilot 和 Continue 各占 10% 和 5%。这里面没有绝对的赢家，只有适不适合你的上下文。核心原则：让你感觉「AI 在辅助你思考」，而不是「你在帮 AI 清理烂摊子」。

💬 你用过哪些AI工具？

好了，写到这里，我想听听你的故事。你平时写代码用的是什么 AI 助手？是和我一样砸钱买 Cursor 会员，还是直接用免费的 CodeGeeX 或者 Comate？有没有遇到过什么让你哭笑不得的 AI 翻车现场？或者你正犹豫要不要迁移工具链，心里有选择困难？欢迎在评论区砸给我。

另外，我们做了一个挺有意思的榜单页，叫「AI House 排行榜」——里面汇集了国内外绝大多数的 AI 编程工具、大模型 API 的真实使用排行和社区口碑，你可以直接访问 aibunkhouse.com/rankings/ 看看目前哪个 AI 模型的编程能力排第一、哪个工具的用户留存率最高。如果你已经用过其中几款，不妨动动手指给它们投个票，刷新一下排名，让后来的人少走点弯路。数据来源都是真实用户反馈，不是厂商广告，所以你的一票很有价值。我在评论区等你们。