代码 Copilot 类产品深度使用感受

最近高强度使用了 Cursor，Claude Code，Gemini CLI，记录一下各个产品的使用体验，以及使用此类产品的一些技巧。
首先声明，我是在真实项目中使用的这些工具，两个项目分别为：

• 一个是我自己从零开始编写的一款 AI Native 产品，技术栈为 Python flask + React，可以说从每一个文件的代码，到业务逻辑，我都是一清二楚的

  • 大量业务逻辑迭代
  • 需要快速试错
  • 后端状态管理复杂（队列、WebSocket 推送、缓存、AI 调度）

• 另一个是 Python Django 项目，完全不同的领域，已经有了不小的代码规模，是接近可以上线的程度，我从中间开始熟悉业务和代码

  • 代码量大，逻辑散落
  • 新功能常常牵一发动全身

总体使用体验

TLDR：Cursor > Claude Code > Gemini CLI

◆ Cursor

优点：

• 仿佛有程序员读心术一般的 Tab Tab !
• Chat 直接引用多个文件或者多行代码，操作舒服
• 配合 Claude 3~4 系列模型很稳定，大部分场景 Sonnet 够用，少数复杂但规模不大的可以用 Opus（token 太贵）
• plan 模式对大规模功能的开发很友好，不用再去搞 specXXX.md 这种中间文件的生成了
• 支付方式友好

缺点：

• 套餐不够用（貌似是我穷的问题 o.O），时不时会有免费的模型可以测试，但用下来效果都不好
• 多模型并行工作模式，worktree 管理操作复杂，心智成本高
• 更新频繁

---

◆ Claude Code CLI

优点：

• 得益于 Claude 模型的强大，大部分任务都是可以达到预期的

缺点：

• 命令行中操作还是不方便，多任务并行要手动管理窗口
• @ 引用文件时的操作非常难用
• 当功能有问题要 review/debug 的时候，非常不方便，没法像 cursor 一样管理哪些 AI 生成的代码已经被 review 了

---

◆ Gemini CLI

• 除了免费，好像没啥优势了，用来做代码分析、生成 repo doc 倒是还行。Gemini 模型还是差点意思，即使 3pro 出来了，在后端任务上也还是无法达到 4.5 Sonnet 的水平。

我对 Copilot 类产品的未来判断

短时间内，它们不会取代程序员，但会：

• 让个人做一个小团队的活
• 让新人迅速融入复杂项目
• 让维护成本降低
• 让“代码风格一致性”问题被 AI 统一解决
• 让“阅读代码成本”大幅下降

从长期看，我认为工程师的重心会从：

写代码 → 理解问题 + 定义接口 + 评价 AI 输出质量

甚至回到更纯粹的工程逻辑：
架构设计、数据建模、复杂边界条件、性能优化、系统稳定性。