ai使用分享

AI 辅助编程实践分享

以下内容由AI辅助生成，不保证信息的合理性。

本文整理了当前主流 AI 编程模型、工具、获取渠道及实际开发工作流，供团队参考。

一、模型

当前三大厂商的旗舰编程模型各有侧重，选型时需结合任务类型综合考虑。
1.1 Claude Opus 4 (Anthropic)

项目说明模型标识claude-opus-4-6厂商Anthropic定位Opus 系列为 Anthropic 最高能力等级核心优势

• 多步骤代码推理能力强，擅长跨文件重构、复杂 Bug 定位
  
• 指令遵循度高，工具调用（Tool Use）准确率业界领先
  
• 支持 Extended Thinking（扩展思维链），适合复杂架构设计
  
• 原生 Agentic 能力，驱动 Claude Code 等终端工具
  

适用场景： 复杂重构、架构设计、多文件协同修改、代码审查
1.2 GPT-5.3 Codex (OpenAI)

项目说明模型标识gpt-5.3-codex厂商OpenAI定位GPT-5 系列编程特化模型核心优势

• 延续 OpenAI 在代码生成领域的深厚积累
  
• 推理能力强（继承 o 系列推理模型优势）
  
• 多模态输入支持（可传入截图、设计稿等）
  
• 生态成熟，与 Codex CLI 深度集成
  

适用场景： 通用代码生成、算法实现、多模态编程辅助
1.3 Gemini 3.1 Pro (Google)

项目说明模型标识gemini-3.1-pro厂商Google DeepMind定位Gemini 系列专业版核心优势

• 超大上下文窗口（支持百万级 Token），可一次性理解整个代码库
  
• 多模态能力原生支持（代码 + 文档 + 图片）
  
• 有免费额度，个人开发者友好
  
• 前端 UI 理解能力突出
  

适用场景： 大型代码库理解、前端开发、需要长上下文的场景
1.4 GML5 (gml5)

项目说明模型标识gml5厂商开源 / 多渠道实现定位轻量低延迟的代码生成与补全模型核心优势

• 面向工程实用性优化，响应速度快，延迟低
  
• 适合交互式补全、CI 级别代码生成与较短文本的推理
  
• 易于本地化部署和私有化训练
  

适用场景： 交互补全、低延迟场景、本地化部署
1.5 Qwen 3 Coder Plus (qwen3-coder-plus)

项目说明模型标识qwen3-coder-plus厂商Qwen 生态 / 第三方提供定位面向编程的高质量生成与代码理解模型核心优势

• 对代码理解与生成能力做了专项增强，支持多语言代码库
  
• 在大上下文与跨文件分析上表现良好，适配工程级任务
  
• 支持多语言注释与文档生成
  

适用场景： 跨文件重构、代码审查、复杂任务的代码生成
模型对比速览

维度Claude Opus 4GPT-5.3 CodexGemini 3.1 ProGML5Qwen3-Coder-Plus代码推理★★★★★★★★★☆★★★★☆★★★☆☆★★★★☆上下文长度200K128K+1M+64K256K+工具调用★★★★★★★★★☆★★★★☆★★★☆☆★★★★☆多模态★★★☆☆★★★★☆★★★★★★★☆☆☆★★★★☆免费额度无有限较多较多（开源实现）有限指令遵循★★★★★★★★★☆★★★★☆★★★☆☆★★★★☆二、工具

2.1 Claude Code (Anthropic)

Anthropic 官方推出的终端 AI 编程代理，直接在命令行中运行。
功能特点

• 自主读写文件、执行 Shell 命令、搜索代码库
  
• 完整的 Git 操作能力（提交、创建分支、PR 等）
  
• 支持 MCP 协议扩展工具能力
  
• 支持 Skills 插件系统，可复用社区工作流
  
• 通过 CLAUDE.md 实现项目级上下文记忆
  
• 支持 VS Code 扩展集成
  

使用方式

1. # 安装
2. npm install -g @anthropic-ai/claude-code
4. # 在项目目录下启动
5. claude

复制代码

优点： 代码推理准确、多步骤任务能力强、生态丰富（MCP + Skills）
缺点： API 成本较高（Opus 级别定价）、纯终端界面
2.2 Codex CLI (OpenAI)

OpenAI 开源的终端 AI 编程代理，Apache 2.0 协议。
功能特点

• 完全开源，社区驱动
  
• 三种自主模式：Suggest（建议）、Auto-Edit（自动编辑）、Full Auto（全自动）
  
• 沙箱化代码执行，安全隔离
  
• 支持多模态输入（可传入图片/截图）
  

使用方式

1. # 安装
2. npm install -g @openai/codex
4. # 启动
5. codex

复制代码

优点： 开源免费（自备 API Key）、沙箱安全机制好
缺点： 生态扩展不如 Claude Code 丰富
2.3 Gemini CLI (Google)

Google 开源的终端 AI 编程代理，同样 Apache 2.0 协议。
功能特点

• 基于 Gemini 模型，继承超大上下文窗口优势
  
• 支持 MCP 协议，可复用 Claude Code 的 MCP 工具服务
  
• 免费额度充足（Gemini API 免费层级较慷慨）
  
• 代理式文件编辑、Shell 执行、代码库探索
  

使用方式

1. # 安装
2. npm install -g @anthropic-ai/gemini-cli  # 具体包名以官方为准
4. # 启动
5. gemini

复制代码

优点： 免费额度多、长上下文能力强、MCP 兼容
缺点： 代码编辑精度在复杂重构场景略逊于 Claude
2.4 OpenCode

开源的、厂商无关的终端 AI 编程助手，支持接入任意 LLM 后端。
功能特点

• 厂商无关：支持 Anthropic / OpenAI / Google / Ollama（本地模型）等
  
• 终端 TUI 交互界面，美观易用
  
• LSP 集成，提供代码智能提示
  
• 支持 MCP 协议
  
• Go 语言编写，性能优秀
  

优点： 模型自由切换、无厂商锁定、支持本地模型
缺点： 社区较小、效果取决于所选模型质量
2.5 VS Code + GitHub Copilot

最主流的 IDE 内置 AI 编程方案。
功能特点

• 代码自动补全（行内建议）
  
• Copilot Chat 对话式编程
  
• Agent 模式支持多步骤任务（较新版本）
  
• 支持 MCP 协议接入外部工具
  
• 支持切换不同模型后端（Claude、GPT、Gemini）
  

优点： 与 IDE 深度集成、开箱即用、团队协作方便
缺点： 需要订阅（$10/月起）、Agent 能力弱于专用 CLI 工具
2.6 Kiro (AWS)

AWS 推出的 AI 原生 IDE，基于 VS Code 内核。
功能特点

• 规范驱动开发 (Spec-Driven)： 通过需求文档、设计文档、任务清单引导 AI 生成代码
  
• Autopilot 和 Steering 两种模式切换
  
• 深度集成 AWS 服务（Lambda、DynamoDB、S3 等）
  
• Agent Hooks：文件保存、终端事件等自动触发 AI 动作
  
• 支持 MCP 协议
  

优点： 结构化方法减少 AI 幻觉、AWS 生态集成好、有免费层级
缺点： 学习曲线较陡、强依赖 AWS 生态
2.7 Antigravity

基于 Claude Code 的增强配置框架，支持多模型协作。
功能特点

• 底层基于 Claude Code 运行
  
• 通过 MCP 集成多个工具服务（代码语义搜索、文档查询、知识图谱等）
  
• 丰富的 Skills 工作流（commit、plan、review、debug 等）
  
• 支持多模型路由：不同任务分发给不同模型处理
  

优点： 集成度高、多模型协作能力强
缺点： 配置复杂、需要多个 API Key
2.8 CCSwitch (ccswitch)

ccswitch 是一个轻量级的模型路由与切换工具，便于在多模型环境中按规则路由请求、快速切换后端模型。
功能特点

• 基于配置的路由规则，可以按任务类型或路径选择模型后端
  
• 支持 MCP 协议，能与 Claude Code / Gemini CLI / OpenCode 等集成
  
• 提供简单的 CLI 与配置文件管理，适合作为模型网关或本地代理
  

适用场景： 多模型协作、实验对比、按场景选择低延迟或高能力模型

• 下载链接：https://github.com/farion1231/cc-switch/releases
  

工具对比速览

工具类型开源MCP 支持免费可用推荐场景Claude CodeCLI否是否复杂重构、专业开发Codex CLICLI是有限自备Key开源爱好者、轻量使用Gemini CLICLI是是是个人开发、长上下文场景OpenCodeCLI是是自备Key多模型切换、本地模型CopilotIDE插件否是否IDE 内日常开发KiroIDE否是部分AWS 项目、规范驱动开发Antigravity框架否是否多模型协作工作流CCSwitchCLI / 代理是是是多模型路由与快速切换三、模型渠道

3.1 三方中转站

通过第三方 API 中转服务使用各厂商模型，通常以 OpenAI 兼容格式提供 API。
特点

• 价格通常低于官方直连
  
• 支持多厂商模型统一接入
  
• 注意甄别服务商可靠性和数据安全
  

常见平台： OpenRouter、各类独立中转站

风险提示： 三方渠道存在数据安全风险，敏感代码/业务逻辑建议走官方渠道。

• https://www.right.codes/models
  
• https://foxcode.rjj.cc/dashboard
  

3.2 闲鱼、淘宝

部分卖家提供共享账号、API Key 转卖、代充值等服务。
注意事项

• 价格较低，但存在封号风险
  
• 共享账号可能有并发限制
  
• 无法保证长期可用性
  
• 不建议用于正式项目开发
  

3.3 官方免费体验资格 与 学生邮箱

各厂商均提供一定的免费使用途径：
厂商免费方式AnthropicClaude.ai 免费层级（有限次数）、API 试用额度OpenAIChatGPT 免费层级、API 新用户赠送额度GoogleGemini API 免费层级（额度充足）、Google AI StudioGitHubCopilot 学生免费（通过 GitHub Education）学生邮箱福利：

• GitHub Education Pack：含 Copilot 免费使用权
  
• 部分厂商对 .edu 邮箱提供额外 API 额度
  
• Google Cloud 学生计划可获得免费云资源
  

• 阿里云：https://bailian.console.aliyun.com/cn-beijing/?tab=model#/efm/coding_plan
  

四、MCP (Model Context Protocol)

MCP 是由 Anthropic 发起、现已被广泛采纳的开放协议，标准化了 AI 模型/代理与外部工具之间的连接方式。可以理解为 "AI 的 USB-C 接口"。
架构

1. ┌─────────────┐     JSON-RPC      ┌─────────────────┐
2. │  AI Agent    │ ◄──────────────► │  MCP Server      │
3. │ (客户端)     │   stdio / HTTP   │  (工具/数据源)    │
4. │              │                  │                  │
5. │ Claude Code  │                  │ - GitHub Server  │
6. │ Gemini CLI   │                  │ - DB Server      │
7. │ Cursor       │                  │ - 文档 Server     │
8. │ VS Code      │                  │ - 自定义 Server   │
9. └─────────────┘                  └─────────────────┘

复制代码

MCP Server 提供三类能力

类型说明示例ToolsAI 可调用的函数搜索代码库、查询数据库、执行 LintResourcesAI 可读取的数据文档内容、配置文件、API 规范Prompts可复用的提示模板代码审查模板、提交信息模板实用 MCP Server 推荐

Server用途ContextWeaver语义化代码库搜索（混合精确 + 语义匹配）Context7实时查询任意编程库/框架的官方文档Memory持久化知识图谱，跨会话记忆Sequential Thinking结构化多步推理GitHub MCPGit 操作、PR/Issue 管理Filesystem文件系统操作配置示例

MCP Server 通常在 Claude Code 的配置文件中声明：

1. {
2.   "mcpServers": {
3.     "context7": {
4.       "command": "npx",
5.       "args": ["-y", "@context7/mcp-server"]
6.     },
7.     "memory": {
8.       "command": "npx",
9.       "args": ["-y", "@memory/mcp-server", "--db", "./memory.db"]
10.     }
11.   }
12. }

复制代码

五、Skills

Skills 是 Claude Code 的插件系统，将常见开发工作流封装为可复用的斜杠命令。
工作方式

1. 用户输入 /commit  →  Skill 工具加载  →  执行预定义工作流  →  输出结果

复制代码

常用 Skills 一览

命令功能说明/commit智能提交分析改动，自动生成 Conventional Commit 信息/plan任务规划多模型协作分析，产出可执行实施计划/review代码审查自动审查 git diff，双模型交叉验证/debug问题诊断多模型交叉定位 Bug/execute协作执行获取原型 → 重构实施 → 多模型审计/frontend前端工作流研究→构思→计划→执行→优化→评审/backend后端工作流同上，侧重后端逻辑/team-exec并行实施读取计划，Spawn 多个 Builder Agent 并行编码自定义 Skills

可以创建自己的 Skills 来封装团队特定的工作流。Skills 本质上是结构化的 Prompt + 工具编排逻辑，存放在项目或全局配置中。
六、开发实践

6.1 小模块开发

策略：直接在 IDE 中完成
适合边界清晰、逻辑独立的小功能。
流程

• 在 IDE 中打开目标文件
  
• 使用 Copilot / Claude 内联补全或对话完成编码
  
• 即时运行验证
  

适用场景： 工具函数、简单 CRUD、配置修改、样式调整
6.2 复杂功能开发

策略：CLI 工具 + Skills 协作
涉及多文件、多模块的复杂任务，推荐使用终端 AI 代理。
推荐流程

1. /plan  →  确认方案  →  /execute  →  /review  →  /commit

复制代码

• 需求分析： 用 /plan 让 AI 分析需求、拆解任务、设计方案
  
• 方案确认： 审查 AI 生成的计划，提出修改意见
  
• 协作实施： 用 /execute 或直接对话，逐步实现功能
  
• 代码审查： 用 /review 进行自动化审查
  
• 提交代码： 用 /commit 生成规范的提交信息
  

关键原则：

• AI 负责写代码，人负责把控方向和质量
  
• 每完成一个功能点就提交，保持小步快跑
  
• 复杂逻辑拆成多轮对话，而非一次性丢给 AI
  

6.3 代码审查

AI 写好代码后一定要审查！
这是 AI 辅助编程中最重要的环节，AI 生成的代码可能存在以下问题：
风险类型表现逻辑错误边界条件处理不当、空值未判断安全漏洞SQL 注入、XSS、敏感信息硬编码过度工程不必要的抽象、冗余的错误处理风格不一致与项目现有代码风格/命名规范不符幻觉调用不存在的 API、编造库名/方法名审查要点清单

• 核心业务逻辑是否正确
  
• 边界条件和异常处理是否完备
  
• 是否引入安全漏洞
  
• 是否符合项目代码规范
  
• 依赖的 API / 库是否真实存在
  
• 性能是否满足要求
  

6.4 自动化测试

配合 Yaak CLI 实现接口自动化测试
Yaak 是一款 API 客户端工具，其 CLI 模式支持在终端中批量执行接口测试。
工作流

1. AI 编写代码  →  AI 生成测试用例  →  Yaak CLI 执行  →  查看结果  →  修复问题

复制代码

实践建议

• 让 AI 在编写功能代码的同时生成对应的接口测试用例
  
• 使用 Yaak CLI 在 CI/CD 流程中执行回归测试
  
• 对关键接口维护测试集合，每次改动后自动运行
  

七、总结

场景推荐方案日常小功能IDE + Copilot复杂重构Claude Code + Skills个人项目/免费使用Gemini CLI多模型协作Antigravity / OpenCodeAWS 项目Kiro接口测试Yaak CLI核心原则：AI 是副驾驶，不是自动驾驶。 善用工具提升效率，但始终保持对代码质量的把控。

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！