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。