目前市场上的AI编程工具，哪个更好用？

一、为什么又做横评？

去年我还在知乎吹「vibe coding 是下一代 IDE」，今年就被现实狠狠教育了——
当代码量超过 6k 行、业务逻辑横跨正则路由 + 多模型 + 数据库 + XML 解析时，AI 工具第一次露出了「不理解上下文」的獠牙。

于是有了这次「接近真实使用场景」的测试：
选一个我本人维护的微信机器人屎山（30 个文件 / 6k 行），让各家 AI 在同一任务上裸奔——
在正则路由后面加一个 AI 路由节点。
要求只给一次 prompt、不人工补刀、能跑就行。

二、先放结论，再说过程

1️⃣ 预算充足：直接上Claude Code（200刀/月），写代码像开挂，但翻车就是全剧终
2️⃣ 普通人：Cursor（20刀/月）= 可控性+生产力的完美平衡
3️⃣ 国内用户：Trae海外版（3刀/月）挂Claude-4，性价比之王

一句话：没有银弹，只有取舍。

三、任务细节公开

3.1 屎山结构

• 业务：微信机器人 Bubbles
• 复杂度：正则路由 → 21 个功能函数（天气、提醒、AI 闲聊…）
• 技术债：多层模块、异步消息、XML 解析、多模型胶水代码

3.2 重构需求

在现有正则路由 miss 之后，加一层 AI 路由：
让 LLM 判断用户是要「纯聊天」还是「调函数」，并返回 JSON：

{"action_type": "chat|function", "function_name": "xxx"}

看起来简单，但魔鬼在「如何不破坏原有流程」。

四、各家翻车现场

4.1 Cursor：把「安全感」做成护城河

• 策略：
  1. 先 diff 告诉你「我要改哪几行」
  2. 允许逐行 Accept / Reject
  3. 一键回滚，甚至帮你跑单测
• 结果：
  只改了主文件 robot.py 的 4 处，逻辑完全正确，10 秒跑通。
• 感受：
  第一次体会到「AI 写的代码我也敢上生产」。

4.2 Claude Code：核弹级输出，但没人敢按按钮

• 策略：
  直接 CLI 一把梭，prompt 进去 30 秒出结果。
• 结果：
  代码极简、零废话、一次跑通。
• 翻车点：
  没有 GUI、没有 diff、没有回退。
  一旦出错只能 git reset --hard，心脏受不了。

4.3 Augment：把 Claude 包成 GUI，但锁死一次性

• 亮点：
  索引做得极好，10 秒扫完整仓库，改的地方标得清清楚楚。
• 槽点：
  只能「一键应用」，后面想微调？抱歉没入口。
  相当于「给核弹加了个按钮」。

4.4 TRAE 全家桶：功能越多，死得越惨

一句话：能力溢出 ≠ 体验好。
功能多到用户不知道怎么死，就是灾难。

4.5 Kiro：把写代码的责任甩给用户

• 流程：
  先让你看 3 份设计文档 → 确认 → 再执行。
• 槽点：
  既然我都要在脑子里跑一遍流程，那我要 AI 干嘛？
  典型的「把复杂度外包给用户」。

五、为什么 Cursor 能赢？

1. 粒度控制：
   任何改动都能逐行确认，像极了老司机副驾的「随时拉手刹」。
2. 多 Agent 协作：
   路由 Agent + 代码 Agent + 测试 Agent，互相纠错，而不是一个疯子一把梭。
3. 版本兜底：
   一键回到任意历史记录，安全感直接拉满。

六、给不同人群的建议

七、写在最后

这次测试最大的感受：

AI 工具的核心竞争力，已经从「写对代码」变成「让用户敢用」。

在屎山面前，能力 90 分但不可控，不如 70 分但能逐行确认。
Cursor 不是技术最强，却最懂「人性」——
知道我们会手抖、会降智、会半夜三点上线，于是把所有刹车都放在了手指边。

这大概就是 2024 年 AI 编程工具的终极答案：

技术之上，是安全感。