2026 年了，AI 编程工具基本能用了，但选型依然是个事。本文按我作为基础设施运维工程师的实际使用场景做对比，不站队，给场景化建议。

候选工具

  • Claude Code：Anthropic 出的 CLI Agent，目前能力最顶
  • opencode：开源 Agent CLI，模型可换
  • Cursor：VSCode fork，IDE 集成最好
  • Continue：VSCode 插件，自托管友好
  • Codex CLI：OpenAI 出的 CLI Agent，绑 ChatGPT 订阅

运维特有的需求

跟纯写代码的开发不一样，运维有几个特殊需求：

  1. 能跑命令：不只是写脚本，要能 kubectl apply / ceph -s
  2. 能 SSH 到远端机器：不是所有事都在本地
  3. 能持久化"集群上下文"：每次都要解释一遍 cluster 信息很累
  4. 谨慎的破坏性操作确认：误删 PVC 是要命的事
  5. 多机/多集群并发能力：批量巡检场景

实测对比

Claude Code

  • ✅ 工具用得最聪明，会主动 ls / grep 摸清状况
  • ✅ Skills 体系适合封装运维 SOP（见我另一篇）
  • ✅ Bash 工具能配 sandbox（命令白名单），生产可用
  • ❌ 没有 Pro 订阅给第三方工具用的口子，重度用就是按 token 烧
  • ❌ 多机并发要自己拼脚本

适用：日常单集群运维、写 IaC、做架构设计

opencode

  • ✅ 开源，model 可换（甚至能接自部署 Llama）
  • ✅ 配合 Hermes-agent 能省钱
  • ✅ provider 抽象好，切模型不痛苦
  • ❌ tool use 稳定性不如 Claude Code，复杂任务偶尔抽风
  • ❌ skill 体系不如 Claude Code 成熟

适用：注重成本、想自托管、能容忍偶尔抽风的场景

Cursor

  • ✅ IDE 体验最好，diff 视图直接接受拒绝
  • ✅ codebase 索引强，问"X 在哪用"特别准
  • ❌ 在终端跑命令的能力一般，不适合"做事"
  • ❌ 服务器上 SSH 干活用不了

适用：本地写代码 / 写 manifest YAML / 写 ansible playbook

Continue

  • ✅ 完全开源，能接私有模型
  • ✅ 配置全 yaml，纯 Vim/IDE 玩家舒服
  • ❌ Agent 能力一般，更像"加强版补全"
  • ❌ tool ecosystem 弱

适用：合规要求严格、必须自托管、用法偏 inline 补全的团队

Codex CLI

  • ✅ GPT-5.x 推理强，复杂调试好用
  • ✅ ChatGPT 订阅可用
  • ❌ tool use 设计不如 Claude Code 优雅
  • ❌ 生态比较封闭

适用：已有 ChatGPT 订阅、习惯 OpenAI 风格的人

我自己的组合

不要相信"一个工具搞定一切"。我现在的栈：

  • 服务器上日常运维：Claude Code，重度用
  • 本地写 Terraform / Ansible / K8s YAML：Cursor
  • 跑小批量自动化、试新模型：opencode + Hermes
  • 临时跑个想法、不想配环境：claude.ai 网页版

成本：每月 ~200 美刀（Claude 占大头），换算成节省的时间，回本毫无压力。

几条选型反模式

❌ 追新模型频繁切：每次切都要重新建立工作流，得不偿失
❌ 只看 benchmark：跑分高的模型未必擅长你的场景
❌ 完全替代手工 review：AI 改的 PR 一定要看 diff，尤其涉及 IaC
❌ 私密集群信息直接喂给 SaaS 模型：明文 secrets、内网拓扑都要脱敏

选型 checklist

回答这 5 个问题再选：

  1. 你的工作有多大比例在终端？（>50% 选 CLI Agent）
  2. 你愿意每月花多少钱？（>100$ 选 Claude，<50$ 选 opencode+订阅模式）
  3. 数据合规要求？（严的话只能 Continue + 私有模型）
  4. 团队还是个人？（团队要选 skill 体系成熟的）
  5. 是写代码为主还是做事为主？（写代码选 IDE，做事选 CLI）

教训一句话：工具不是越新越好，选一个用熟，比同时用三个都半生不熟值。

标签: none

添加新评论