AI-Coding 工具对比

一句话总览

主流的 AI-Coding 工具大致分三类:终端编码代理(Claude Code、OpenAI Codex CLI、Qwen Code、Aider)、IDE 编辑器(Cursor、Windsurf、GitHub Copilot)、以及更泛化的”应用/通用智能体”(OpenClaw、Hermes、DeepSeek-Harness 等)。面试讲清”它们是不是同一物种”,比罗列功能更重要。

由于本领域 2026 年演进极快,下面每项都标了 ✅已核实 / ⚠️存疑,面试时只把确认的当结论说,存疑项表述成”据公开资料/印象”,别打包票。


一、终端编码代理(CLI Agent)

1. Claude Code(Anthropic)

  • 一句话定位:Terminal 里跑起来的 Agentic 编码代理,能读你整个仓库、自己跑命令、改文件、提 PR——现在更像一个”可在任意环境(终端/IDE/Web/移动端/Slack)使用的编码 Agent”。
  • 关键特性(✅已核实,2026-05~06 官方页面/博客):
    • 终端原生 + VS Code / JetBrains 官方插件,也可在 Web、移动 App、Slack 里用
    • Agentic / 长上下文 / 多文件编辑:用 agentic search 理解代码库结构,一次改多个文件、跑测试、提 PR
    • 集成 GitHub/GitLab:读 issue → 写码 → 跑测试 → 提交 PR,整条工作流在终端完成
    • Dynamic workflows:拆 10~100 个并行子代理处理大任务(2026-05 上线)
    • Agent view:统一管理多个 Claude Code 会话(2026-05)
    • Routines:把任务配置成定时/API/事件触发的例行程序(2026-05)
    • Computer use:让 Claude 打开你的应用、操作浏览器、运行开发工具(2026-04)
    • 同一家公司还推出了 Claude Cowork(桌面协作组件),Claude Code 是其主入口之一
  • 优点:Agentic 完成度高、上下文长、能 handle 大仓库;生态成熟(插件/MCP/君规范 CLI);可脚本化、可入 CI
  • 缺点/限制:成本高——重度用 Opus/大上下文很烧钱;变更多时需人工 review(容易”自作主张”);最长 token 上下文仍有限,超大 monorepo 仍吃力
  • 适用场景:个人/团队的主力日常编码;从 issue 到 PR 的自动化;跨模块重构、加测试
  • 定价(✅,2026 官方):已并入 Pro($20/月,年付约 $17) 与 Max($100 起) 订阅,内含一定用量——注意这不是早期”按 usage 计费的 Developer plan”那种卖法,面试别说过时版本
  • 一句话记忆:“终端里最能打的 Agentic 编码代理,最强也最贵。”

⚠️ 存疑:题面提的“Developer plan”在 2026 可能已并入 Pro/Max,建议表述为“早期有按量计费的 Developer plan,现在主打包进订阅”。


2. OpenAI Codex(Codex CLI / Codex Web)

  • 一句话定位:OpenAI 的编码代理,本地 CLI + 云端并行两条形态。
  • 关键特性(✅ 官方 README / 文档,2026):
    • Codex CLI:本地跑的 agent,npm i -g @openai/codex 或 curl -fsSL .../install.sh;可用 ChatGPT 账号(Plus/Pro/Business)登录,也能接 API key
    • Codex Web / Codex App:chatgpt.com/codex 网页端与 codex app 桌面端,云端沙箱里并行跑(cloud agent)
    • 沙箱运行:在安全隔离环境里跑命令,降低误操作风险
    • 云并行:云端可同时开多个任务/并行任务,适合批量、长耗时任务离线跑
    • 代码审查模式:能读 PR/代码做审查建议(code review 能力)
    • 与 VS Code / Cursor / Windsurf 有 IDE 集成
  • 优点:本地免费 CLI 门槛低;云网端+并行适合”丢后台跑大量任务”;代码审查能力可作为加分项
  • 缺点/限制:核心体验绑定 OpenAI 模型与账号计费;本地 CLI 与云端能力体验有落差(云端更强);上下文/价格同样不便宜;审查建议有时偏泛
  • 与 Claude Code 对比:
    | 维度 | Claude Code | Codex |
    |---|---|---|
    | 形态 | CLI+IDE+Web+Slack 全平台 | CLI + 云端 Web/App |
    | 卖点 | 长上下文、Agentic、生态 | 云端沙箱 + 并行、代码审查 |
    | 强项切换 | 大仓库多文件重构 | 云端批量/长任务 |
    | 厂家 | Anthropic(Claude 系列) | OpenAI(GPT-5.6 系列) |
  • 适用场景:习惯 OpenAI 生态、想要”本地 CLI + 云端并行”组合的人;PR 审查
  • 一句话记忆:“OpenAI 版 agent,云端并行+沙箱是它的差异化。”

⚠️ 存疑:code review 模式的调用方式/细节以最新文档为准(我只确认”具备代码审查能力”,具体形态可能有变化)。


3. Qwen Code(阿里/通义)+ Qwen3-Coder 模型

  • 一句话定位:开源阵营的 agentic 编码 CLI + 头部开源编码模型。
  • 关键特性(✅ 2025-07 Qwen 官方博客):
    • Qwen Code CLI 从 Gemini CLI fork、适配 Qwen 的 prompt/function-calling
    • 模型 Qwen3-Coder(480B MoE、35B active)原生 256K 上下文、可延拓 1M;开源编码/工具使用 SOTA,接近 Claude Sonnet 4
  • 优点:开源、可控、可私有化;中文生态好;性价比高
  • 缺点/限制:生态和集成成熟度略逊 Claude Code/Codex;用开源模型要自己搭
  • 适用场景:数据合规/私有化部署;成本敏感、想本地跑大模型 agent 的团队
  • 一句话记忆:“开源版最强 agentic 编码,中文+私有化是卖点。”

4. Aider(纯 CLI,可带过)

  • 一句话定位:老牌”终端里 chat-with-repo”的 CLI 编码助手。
  • 关键特性:多文件 git diff 治理、可接多家模型(含 OpenAI/Anthropic/本地模型)
  • 优点:轻量、透明、git-first、可接本地开源模型
  • 缺点:Agentic 能力上限不如 Claude Code/Codex;靠手切上下文
  • 适用场景:喜欢裸 CLI、要接各种/本地模型的极简派
  • 一句话记忆:“最克制的 CLI 编码代理,git 友好。”

二、IDE 编辑器(可带过)

5. Cursor

  • 一句话定位:AI 原生代码编辑器(VS Code 分支),把补全+Agent 放 IDE 里。
  • 关键特性:Tab 补全、Composer/Chat、Agent 模式、多模型可选
  • 优点:IDE 内体验顺滑、上手门槛低、生态成熟
  • 缺点:核心体验绑订阅付费;对”分叉自 VS Code”的更新要跟进
  • 适用场景:习惯图形化 IDE、追求开箱即用的人
  • 一句话记忆:“AI 原生 IDE 的代表,补全+Agent 一体。”

6. GitHub Copilot

  • 一句话定位:GitHub 主推的 AI 编程助手(原以补全著称,后也上 Agent)。
  • 关键特性:代码补全起家、深度绑 GitHub/CoPilot Workspace、多模型
  • 优点:量大面广、补全质量稳定、GitHub 工作流联动
  • 缺点:Agentic 深度普遍被认为不如 Claude Code;受模型的智商上限约束
  • 适用场景:重度用 GitHub 的开发者、想先上补全的团队
  • 一句话记忆:“补全之王,Agent 是后补的课。”

7. Windsurf

  • 一句话定位:AI IDE(原 Codeium 演进而来),强调”Agent + 流式补全”。
  • 关键特性:Agent 自动规划、Cascade 模型、跨 IDE 的 agent
  • 优点:UI/交互设计口碑好、速度不错
  • 缺点:市场份额/生态相对 Cursor 小
  • 适用场景:爱尝鲜、重 UI 体验的开发者
  • 一句话记忆:“Cursor 的竞品,界面和交互是招牌。”

(⚠️ Cursor/Copilot/Windsurf 具体功能点以 2026 当前版本为准,上表为”印象级”概括,面试只当常识带过,别展开背细节。)


三、应用智能体 / 通用 Agent(重点:说清”和编码代理不是一回事”)

面试关键:Claude Code/Codex 是编码(coding)agent,但 OpenClaw、Hermes、DeepSeek-Harness 这类是更宏观的”应用/通用智能体”或甚至不是面向终端的工具。别把它们混进”AI 编码工具”堆里讲,要能把它们单拎出来讲清楚各自定位。

8. DeepSeek-Harness(dsh)——核实结论:既不是 RL 训练框架,也不是编码/补全工具

  • 一句话定位:DeepSeek 官方 2026-08 新发的开源「通用智能体框架(agent harness)」——用来搭建/运行 LLM Agent 的运行时与开发骨架(TypeScript / 基于 Cordis 插件架构 / 带本地 Web UI)。
  • 关键特性(✅ 官方 repo 与文档,2026-08):
    • 仓库:github.com/deepseek-ai/deepseek-harness(官方组织真实项目,代号 dsh);npm 包 @deepseek-ai/dsh
    • 启动 npx @deepseek-ai/dsh web → 127.0.0.1:3080 起图形界面
    • “一切皆插件”(Everything is a Plugin),基于 Cordis;有 dsh-plugin 生态、SAFETY 文档等
    • 定位是”编排/组合 LLM 智能体”的框架层
  • 优点:框架化、插件化、官方背书;适合开发者拿来搭自己的 agent 运行时
  • 缺点/限制:不是开箱即用的终端编码器;是一款刚发布的”开发者预览”项目,生态/成熟度仍在快速迭代
  • 明确排坑(✅,面试重点):
    • ❌ 它不是 RL/强化学习训练框架(DeepSeek 的 RL 内核在 DeepGEMM/DeepEP/DualPipe/3FS 等底层项目);“harness” 在此指 agent 运行时的编排框架,不是训练封装
    • ❌ 它也不是 AI 编码补全/编码 Agent 工具——DeepSeek 的编码产品是 DeepSeek-Coder / Coder-V2(代码语言模型),与本仓库是两个不同东西
  • 适用场景:往”用框架搭 Agent 运行时”方向做工程的人;不是给普通开发者写代码用的
  • 一句话记忆:“harness = 跑 agent 的框架骨架,不是 RL 训练,也不是 IDE 补全。”

9. OpenClaw(前身 Clawdbot——已核实改名属实)

  • 一句话定位:自托管的通用”应用/设备级”个人 AI 智能体——把模型+工具+消息频道+可选终端 App 收敛到一个本地 Gateway,在 WhatsApp/TG/Discord/Slack/Signal 等频道里指挥它在真实电脑上干活。
  • 改名核实(✅,VISION.md 原文):Warelay → Clawdbot → Moltbot → OpenClaw。即 Clawdbot 确实是 OpenClaw 的旧名(更早 Warelay,中间 Moltbot)。Cloudflare 的部署模板也写明了这条改名链。面试别把 Clawdbot 和 OpenClaw 当成两个东西。
  • 关键特性(✅ repo:github.com/openclaw/openclaw,主创 Peter Steinberger / steipete):
    • 频道型(channel-first):在你自己常用的 IM 里用;可语音/Canvas/摄像头/computer-use
    • CLI/TUI/网页 Control UI;Skills+Plugins 扩展(openclaw/clawhub 技能注册中心)
    • 模型无关,本地/云端多模型;强调”trusted gateway / untrusted execution / deterministic policy”安全主张
    • 单机个人助手 ↔ 团队共享 Gateway 可切换
  • 优点:跨平台、channel-first、自托管、隐私/安全优先、模型无关、生态(skills/docker/插件)配套成熟
  • 缺点/限制:团队/规模化依赖”成员互信”模型(不适合零信任组织);computer-use 与 agent-harness 能力官方自述仍是”接下来要做”的优先级,成熟度在爬坡;官方自述仍偏早期
  • 与编码 agent 的界限:它不是纯 coding agent,但能通过工具做开发——更像 Claude Code/Hermes 那类”通用体”,不同于 OpenAI Codex CLI 那种”以写代码为中心”的编码 agent。
  • 避坑:GitHub 上同名的 pjasicek/OpenClaw 是 1997 游戏《Captain Claw》重制版,与本项目无关,别混淆。
  • 一句话记忆:“自托管、在 IM 里指挥的通用个人 agent,前身叫 Clawdbot。”

10. Hermes(Nous 出品,应用级 agent)——核实结论

  • 一句话定位:Nous Research 的应用/通用型 AI agent(自我标榜 “The self-improving AI agent / 自进化 AI 代理”),是通用 agent,不是纯编码工具。(注意与 Nous 的 Hermes 2/3 开源模型家族区分——同公司、不同东西。)
  • 关键特性(✅ 本地安装 + 仓库源码 | github.com/NousResearch/hermes-agent):
    • 自进化技能学习闭环:从经验自动建 skill、自我改进、持久化记忆、跨会话检索、构建用户画像
    • 模型无关:接 Nous Portal / OpenRouter / OpenAI / 智谱 GLM / Kimi / MiniMax / 自建端点,hermes model 切
    • 多平台:CLI/TUI + Telegram/Discord/Slack/WhatsApp/Signal(统一 gateway 进程)
    • 技能体系:兼容 agentskills.io 标准;FTS5 会话搜索 + LLM 摘要回溯;多终端后端(本地/Docker/SSH/Singularity/Modal/Daytona/Vercel);cron 定时 + 子代理并行委派;批量轨迹生成/压缩(服务下一代工具调用模型训练)
  • 与 OpenClaw 的关系(✅):它是 OpenClaw 的直系继任/同源路线——仓库 README 明示 hermes claw migrate(可从 OpenClaw 自动迁移设置/记忆/技能/API key),与题面里”OpenClaw、Hermes 并列”强吻合。
  • 优点:自演进、模型无关、跨平台、技能与记忆体系完整、可移植后端多
  • 缺点/限制:属”通用 agent”而非开箱即用编码工具;需自己搭运行时;部分亮点(star、跑分)需在线实时核实
  • 适用场景:想跑”自主学习、跨 IM 触达、带记忆技能”的自主 agent
  • 一句话记忆:“会自我进化技能的应用 agent,与 OpenClaw 同源、是它的继任者。”

11. 一句话区分(面试救命表)

你说的是编码工具吗该类别的本质
DeepSeek-Harness❌ 也不是 RL 训练DeepSeek 官方通用 agent 框架(plugin/Cordis),搭 agent 用
OpenClaw(原 Clawdbot)弱相关/能开发自托管应用/设备级个人 agent,频道型
Hermes弱相关/能开发Nous 应用级自主 agent,OpenClaw 继任者
Claude Code / Codex✅ 是编码 agent,终端+云端

四、横向对比表

工具厂商形态(CLI/IDE)核心卖点主要短板适合谁
Claude CodeAnthropicCLI + IDE/Web/SlackAgentic、长上下文、多文件、生态强贵、需多 review要认真干大活的开发个体/团队
CodexOpenAICLI + 云端 Web/App云端沙箱+并行、代码审查绑 OpenAI/账号计费OpenAI 生态、要并行跑批任务的人
Qwen Code阿里/通义CLI开源、私有化、中文好、性价比生态成熟度略欠合规/私有化/开源控
CursorCursor(Anysphere)IDEAI 原生 IDE、开箱即用订阅费、跟 VS Code 分歧重 IDE 体验者
GitHub CopilotMicrosoft/GitHubIDE(补全+Agent)补全稳定、GitHub 联动Agent 深度一般GitHub 重度用户、先上补全
WindsurfWindsurf(原 Codeium)IDE交互/UI、Agent+Cascade生态盘子小尝鲜、重 UI
Aider开源社区CLI轻量、git-first、接本地模型能力上限较低CLI 极简派
OpenClaw开源社区(steipete 等)应用/设备 Agent(Gateway)channel-first、自托管、安全优先偏早期、规模靠成员互信要在 IM 里指挥的通用个人 agent
HermesNous Research应用 Agent(CLI+IM)自进化技能、模型无关、跨平台需自搭运行时、较复杂想要自主学习/记忆的自主 agent
DeepSeek-HarnessDeepSeekAgent 框架(非终端编码)插件化、搭 agent 运行时刚发布、非开箱即用开发者搭 agent 框架

来源与未核实项

  • 来源:Anthropic 官网/定价页(anthropic.com/claude-code、/pricing)、OpenAI Codex README 与文档(developers.openai.com/codex、github.com/openai/codex)、Qwen 官方博客(qwenlm.github.io)、DeepSeek-Harness 官方 repo/文档、OpenClaw 官方 repogithub.com/openclaw/openclaw 及 VISION.md、Nous Hermes 本地安装与github.com/NousResearch/hermes-agent。
  • 未核实 (面试前建议在线复核):
    • ⚠️ OpenClaw / DeepSeek-Harness 的 GitHub star 数偏大(40万+/20万+),对如此年轻的项目异常可疑,面试不要引用这些数字当权威指标,只确认”仓库真实存在、近期发布”。
    • ⚠️ Hermes Agent 的 GitHub star / 最新版本号 / 真实跑分,本次未能线上核到(本地源码可证身份与特性)。
    • ⚠️ Codex “代码审查模式”的精确调用细节、Claude Code 的 Developer plan 是否已被 Pro/Max 取代,以 2026 当前官方页为准。
    • ⚠️ Cursor / Copilot / Windsurf 的功能点表述为”印象级”,面试只作常识带过。

相关笔记