2025.12 AI 编程工具使用分享
我从 2023 年底开始接触 AI，那时 GPT-4o 才发布不久，各种镜像站基本都是 GPT 的天下。
2024 年初之前，我都是把代码复制到镜像站里让 GPT 帮我生成。后来朋友推荐了 Cursor，查了一下，那应该是当时唯一的 AI 编程工具。
当时的 Cursor 只有 20 刀/月的套餐，效果在当时算很不错，和现在 Trae CN 的水准差不多。Cursor 当时还是不到 1.0 的测试版，界面很简单，就是在 VSCodium 右侧加了个能引用代码的聊天窗口。
后来一段时间没什么需求，没怎么写代码，再接触时已经是几个月后了。
大概从 2024 年年底开始，我开始重度使用 AI 工具。
24 年年底刚回归写代码时，用的还是 Cursor，但 Cursor 已经大变样了：体验优化了不少，也接入了 Anthropic 的 Claude Sonnet 3.5。定价上增加了 60 刀套餐，以及超额按量付费。
用上之后渐渐离不开 AI 了，但当时手头紧，大学生花钱得精打细算，于是发现了 Trae。
Trae 当时也在测试版，比 Cursor 便宜一半。我用了一段时间，因为没再用当时的 Cursor，感觉 Trae 的效果还算可以。
后来项目越写越大，听说不少模型都在快速迭代，我就开始找更好用的工具。也有想过回归 Cursor，但 20 刀套餐完全不够用，只好放弃。还听过 Windsurf、Warp 之类的新工具，但一直不温不火，也就没深入用。
25 年年初遇到 Qoder，当时半价就入了 10 刀套餐。它比我用过的其他 AI IDE 多了不少新功能，比如 Repo Wiki、Quest 模式；而且不让我选具体模型，我也看不到它用了哪个。实际用了一段时间，效果确实不错，后来也就没再纠结它到底用的什么模型。
Qoder 重度使用一个月后，有朋友用上了 Claude Code，我也想试试。
但 Anthropic 的定价实在太高，我就开始找低价平替。那段时间试了很多方案，花费也不少。到 25 年年底这两个月，综合考虑价格和体验，我最终还是选了 Qoder。
模型评价
以下是我对各个模型在编程能力上的评价：
- Claude Opus：编程能力毫无疑问排第一，但太贵
- Claude Sonnet：价格是 Opus 的五分之一，重度使用花费也不少
- GPT 系列：综合能力一直不错，但放在现在没什么突出点了
- Gemini 系列：超大上下文、工具调用出色，编程略逊 Claude，日用体验很好
- Kimi K2 Thinking：上下文短、输出慢，但效果在国产编程模型里算第一梯队
- GLM 4.6：风评不错，编程上比 Kimi 稍逊
- Minimax M2：风评也不错，在 Trae CN 上效果还可以
- Qwen 等其他模型：不温不火，也没怎么用过
工具与方案评价
用 Claude 系的编程工具效果最佳。以下是我最近用过的 AI 编程工具及方案评价，推荐关注：Cursor、Kiro、Qoder、Claude Code。
- Cursor：Vibe Coding 体验第一，但太贵，计费也不透明
- Qoder：正在用，目前半价，个人 30 刀套餐刚好够用；恢复到 60 刀后可能要换。性价比个人认为排第一，效果确实不错，但 IDE 本身 bug 不少
- Trae：Claude 模型没了之后就拉胯了，本人亲历 Trae 从火到拉的全过程。但真的很便宜，轻度编程可以考虑
- Kiro：创新性地结合了 Spec 编程，功能独特，搭配 Claude 系列效果很好。用 Kiro 写的项目 AI 成分占比最高，从规划到实现都由 Kiro 主导，你只需关注它实现前生成的伪代码流程即可。40 刀套餐对重度用户刚好不够用，200 刀又太贵
- Claude Code + 三方中转站：Claude Code 20 刀套餐不够用，Max 套餐 100 刀起步，超出预算，于是找了便宜的三方中转，比如 88code（包月，但赶上高峰期服务器炸了用不了）、Packy API（按量）。在 Codex 和 Claude Code 搭配下，重度使用可以把预算控制在 400 以内
- 开源编程工具：对平价三方 API 中转支持不算友好，但配置得当可以把预算压得很低且效果不错。推荐：
- Aider
- OpenCode
- Zen：非 VSCodium 衍生
- Pear AI：Void Editor 停更后的替代，在积极维护
- Void Editor：已四个月未更新
- Cline / RooCline：VS Code 插件
使用技巧
好的工具和模型之外，用法也很重要。合适的 prompt 能让 AI 更贴合你的需求。
伪代码 + 语音：最实用的是直接给 AI 伪代码，配合语音输入可以大幅提升沟通效率，这是我做大需求时的常用思路。
Rule 规范：现在多数 AI 工具都有 rule 之类的全局规则，可以把项目规范写进去。比如做 Python 开发可以写：
项目使用 uv 作为包管理工具，用
uv add安装包，用uv run main.py运行项目
也有现成的提示词平台，比如 Cursor Directory。当然，你既然在用 AI，也可以让 AI 帮你生成项目规范，再微调。
先设计再实现：在让 AI 写代码之前，先让它理解你要做什么。可以说：帮我设计 xxx，要在 xxx 上添加 xxx 功能，让 AI 先出设计，实现时通常会带着设计阶段的上下文，效果更好。
单元测试：AI 写单元测试很方便，因为主要逻辑已在项目里，额外信息需求不多，大部分针对代码的单元测试都能正确迭代。
文档维护：在代码注释、项目规范等文档维护上，AI 也能帮不少忙。
拿不准时多问：方案犹豫不决时，问 AI 也是个好办法。
总结：用 AI 写代码可以少盯细节，指挥到位的话，代码质量通常过得去。
MCP 工具
这两年 MCP 发展很快，配合 MCP 能明显提升效率。推荐的 MCP 站点有 魔搭、Smithery.ai。
目前我在用的 MCP 有：
- Tavily：网络搜索
- Time：获取实时时间
- Fetch：抓取指定页面内容
- Context7：框架文档库
结合这些 MCP，可以让 AI 在设计阶段用类似指令：
根据当前项目结构，参考现有文档和 Context7 的框架文档，以及用 Tavily 搜到的相关最佳实践，对提出的功能进行设计，不修改代码，直接输出思路
再引用一些相关项目文件，输出的思路一般会比较靠谱。
AI 还在发展，AI 编程也在持续出新思路、新工具，GitHub 提出的 Spec 规范等都很值得学习。学习用 AI 的路不好走，对学编程的人来说，精力只是从学习写项目的细节和经验，转移到了学习和理解 AI 工具上。