我的AI编程之旅

AI 时代下的编程之路：我的探索与思考

初探 AI 编程：代码补全的效率革命

回想起来，我真正开始拥抱 AI 编程是在 2024 年初。那时我开始使用 VSCode 配合通义零码插件，当时的 AI Agent 尚未成熟，但仅仅依靠其代码补全功能，就大大提升了我的开发效率。这个阶段的 AI 编程工具虽然功能相对简单，却为我打开了新世界的大门。

进化之路：从代码提示到智能代理

2024 年底，微软宣布旗下 AI 编程工具 Copilot 免费使用，这成为了一个重要转折点。从那时起，AI Agent 逐渐走入我的视野，它们不再局限于简单的代码提示，而是能够独立自主地完成一系列复杂需求。当时国内大模型的竞争力还相对较弱，我主要使用 Claude 3.5，这个模型在编程领域霸榜很长时间，一直是开发者心中的"扛把子"。

国产工具的崛起与挑战

初识 Trae：期待与现实的落差

3 月份，通过国内社交平台我了解到 Trae 的发布，它分为国内版和国际版：国内版只能使用国内大模型，而国际版可以使用 Claude 3.7 等顶尖模型，并且还是免费的！我在发布的第一天就迫不及待地体验了。

然而，结果却令人失望。由于免费用户众多，经常需要排队几百号才能使用，体验实在不佳。

付费尝试：在权衡中寻找最佳方案

5 月份，Trae 开始推行会员制，我再次成为第一批尝鲜用户。在此期间，我也续费了 GitHub Copilot Pro 会员，一直在比较这些工具的效果和性价比。

至于为什么不选择 Cursor，主要有两个原因：一方面是 Cursor 价格相对较高（当时约 20 美元/月），另一方面我也在期待国内大模型的突破，希望出现一个能与 Claude 相媲美的国产大模型。因此，后来出现的 Windsurf、Claude Code、Codex 等国外 IDE 或 CLI 工具我都没有尝试。这并非我不喜欢 CLI 工具，而是我认为现阶段大模型生成的代码最终仍需要人工确认，没有 GUI 工具意味着全权交给 AI，我认为这是不够稳妥的做法。因此，我一直坚持使用 IDE 工具而非 CLI。

追赶浪潮：国产 AI 的爆发式发展

大模型突破：从追赶到并肩齐驱

2025 年 7 月，可以说是国产大模型的爆发期。Qwen3-Coder、GLM-4.5、Kimi-K2等模型引领国产大模型开始与国际顶尖模型并肩齐驱，在开源与闭源、多模态、智能体（Agent）等方向均取得重大突破。国产厂商为了留住客户推出了一系列优惠活动，有的直接送现金，有的赠送 Token，那段时间，各大厂商的慷慨让开发者们享受到了实实在在的技术红利。

AI IDE 生态：百花齐放中的思考

AI IDE 领域也开始发力，字节的Trae 2.0、腾讯的CodeBuddy、百度的Comate、阿里的Lingma和Qoder，我都进行了深度使用。但无论是提示词的问题还是大模型本身的能力限制，这些工具在处理简单需求时表现尚可，一旦涉及复杂需求，效果就大打折扣。

当我让 AI 帮我重构一个核心模块时，它有时会给出一个看似完美却忽略了下游模块依赖的方案，导致编译错误或运行时崩溃。我不得不花费大量时间去修复它引入的新问题，甚至比自己重构还要累人。这种感受在我切换回使用 Claude 4 驱动的工具时会变得尤为强烈。同样是复杂需求，Claude 展现出的项目级理解能力、代码重构的稳健性以及长逻辑链的推理能力，确实是目前国产大模型望尘莫及的。

我的解决方案：构建自由的 AI 编程工作流

经过一轮轮的尝试和比较，我发现最令人愉悦的体验是跳出各家厂商的生态圈，自己动手用心流 API + Roocode（类似Cline、KiloCode）搭建工作流。那才叫真正的自由。

之前使用 Trae、CodeBuddy、Lingma 时，总感觉像是在一个个精心设计的"黑盒"中做选择。你要么选择 Trae 的流畅，要么选择 CodeBuddy 的云服务，总得在某些方面做出妥协。

现在完全不一样了。心流 API 就像一个武器库，今天觉得 Qwen 写代码精准，就用它；明天要处理长文本，就换成 Kimi。我可以根据手头的任务，随时换上最顺手的"兵器"。而 Roocode 则是一个纯粹的操作台，不臃肿，也不绑架用户，就专注一件事：把 AI 的想法变成代码。

这种"模型是服务，客户端是工具"的理念，带来了全新的体验。不仅能随时用上最强的模型，关键是整个开发过程的感觉都变了——一切尽在掌握。