四款AI编程工具同题测试：实际表现差异令人意外
本周我决定做一个测试：用相同的任务，分别交给 Cursor、GitHub Copilot、Windsurf 和 Claude Code，看看它们各自如何应对。一个中等难度的后端小任务：用 Python 写一个 Markdown 文件的元信息提取 + 批量重命名脚本。要求：选择这个任务是因为它既不简单也不复杂，很像日常工作中"让 AI 帮忙处理的繁琐工作"。评分：8.5 / 10Cursor 是我目前的主力工具，所以测试结果本身有先发优势——我已经熟悉它的行为模式。表现：我打开一个干净的 workspace
AI编程的巨额Token开销
在X上关注了龙虾的创始人彼得，有一篇推文很有意思，贴出了用codexbar的Token使用量。一个月发出760万个请求，消耗token量6030亿，价值130万美元。换句话说，他每天用AI编程，成本是4万多美元。当然，我不认为这是他真实支付的使用成本。因为他是奥特曼的员工，是openai高薪的工程师，所以自然可以无限量使用自家公司的token。但他的token使用量大概率是真的，这个结果也是很吓人。给大家看看我一个月使用codex的情况，也就是530多美元，使用了6.34亿token给大家看看我一个月使用
英伟达性能暴涨594%，大厂却喊亏钱：你的AI用对了吗？
5月28日，两条看似背道而驰的AI新闻同步刷屏：英伟达放出了Polar框架，致使AI编程工具Codex的跑分飙升594.74%——从3.8%跃升至26.4%。Claude Code、Qwen Code等主流编程助手均从中获益。就在同一天，Uber首席技术官坦承：公司短短数月便耗尽2026年全年的AI预算，却只换来「几乎没有对用户真正有价值的成果」。微软也开始限制Claude Code的订阅访问，统一切换至内部Copilot。一面是AI能力飞速跃升，另一面则是企业界的集体反思。这背后的真相究竟为何？并非AI
Kooky：AI编程多窗口太乱？侧边栏集成Claude与Codex
最近发现了一个非常契合的开源终端工具：Kooky。它不走传统终端复刻的老路，而是专为 AI 编程打造。最让人头疼的是，Claude Code、Codex 和 Gemini CLI 各占一个窗口，屏幕上窗口乱飞，很难分清谁在待命、谁在执行，看着眼花。Kooky 的做法很干脆：把各类 AI 编程助手转化为侧边栏中的工作区与标签页。官网提供了 Claude Code、Codex、Gemini CLI 等多种模板，点击“+”即可启动，无需手动输入指令。我很欣赏这个细节：侧边栏通过颜色标记 agent 状态。蓝色代
AI编程无需标准模板
别再等待标准答案了，AI编程领域并不存在有人询问我：使用Claude Code编写代码时，SPEC应该如何撰写才算正确？不存在所谓的"唯一正确"。大型企业也在探索中，不要坐等他们许多人习惯于等待大厂发布最佳实践后再学习。这种做法在AI编程领域会让你落后一步。并非大厂能力不足，而是这门技术尚未成熟。Claude Code、Codex等工具仍在快速演进，没有人掌握完整解决方案。大公司资源丰富，可以进行更多实验，但起跑时间相同。等待他们的报告，你已经落后三个月了。SPEC只有一个评判准则SPEC质量好坏，仅有一
技术团队AI助手时代来临
导读近日，中船奥蓝托CAE软件产品事业部组织了“AI辅助编程应用能力大赛”。公司各技术骨干齐聚一堂，围绕CAE领域真实应用场景，展示AI辅助编程的实践成果。此前，事业部已开展“AI赋能CAE软件研发与实践”系列培训，取得良好反响。为进一步检验学习成果，推动AI工具从理论学习走向实际应用，中船奥蓝托精心策划了本次大赛。比赛以实战为导向，聚焦CAE领域的典型开发需求，考察员工在项目中运用AI提升效率与创新的能力。大赛设两大赛题：CAE软件推广类与典型场景类，紧扣行业实际应用需求，聚焦数字化开发与智能技术融合实
AI编程项目即将启动
第一场直播（5月28日）导师：千与编程核心内容：AI编程概览介绍➕简单AI编程实战（秒哒）第二场直播（5月31日）导师：子悠核心内容：Trae基础教学➕实操案例演示第三场直播（6月3日）导师：犬余核心内容：Trae用法深化➕高阶应用实例集中答疑（6月5日）导师：Li Smith或许有朋友还不了解，小灰副业俱乐部究竟是什么？这个平台能带来什么收获？1. 传授小灰9年副业经验，带领俱乐部成员系统学习副业和自媒体新趋势。2. 分享当前热门副业实例，为会员提供更多副业灵感，开启球友副业之旅。3. 俱乐部有各领域专
实测AI写PLC程序：效率提升，但细节仍需人工
最近有个客户项目，因为温度程序段不够，需要写一套32段温度曲线控制代码。包含Modbus通讯、分段计时、SP写入以及暂停或跳段等功能。以前手写STL逻辑特别麻烦，32段代码量巨大。想到最近IT圈很火的“AI编程”，我打算试试用AI来帮忙开发。我把需求发给了一个AI（豆包）。AI很快生成了S7-200 SMART的代码，还信誓旦旦地说“直接导入就能用”。1.实际效果：没法导入：AWL文件结构报错或者根本没生成。2.语法错误多：数据类型对不上（比如混用了WORD/DINT）、网络逻辑也断了。3.逻辑有漏洞：细
AI编码新思维：以慢制胜的高效策略
2026年5月，一位程序员在Hacker News上发布的博客引发热议。文章标题朴素无华：《利用AI提升代码品质，但节奏放缓》（Using AI to write better code more slowly）。没有夸张标题，也没有"AI将替代你"的焦虑营销。正是这篇"违背常理"的文章，登顶HN周榜。前微软工程师Nolan Lawson的核心理念只有一句话："AI编程不应是向GitHub疯狂推送PR的粗糙炮台。正确运用时，AI会让你放慢脚步——但代码品质却出奇地高
AI编程迎来理解时代：代码知识图谱引领新变革
近期，一个名为Understand-Anything的开源项目迅速走红，短短数月内便获得了30,852颗星标，仅今日就新增了5,625颗星标。几乎同时，另一个项目codegraph也紧随其后，今日新增3,171颗星标，总星标数达到24,801。这两个项目的同步崛起，标志着AI编程正从单纯的代码生成迈向真正的代码理解。正如搜索引擎需要网页索引一样，AI编程同样需要对代码结构进行索引。当前主流的AI编程助手（如GitHub Copilot、Cursor）主要依赖于文本补全机制，它们关注的是代码的表面文本，而非
AI编程浪潮下的软件开发变革
深耕软件领域多年，从传统后端、架构设计、工程实践，到后来转向AI算法与大模型研发，再到如今高频使用AI编程工具，我最深刻的体会只有一点：软件行业正在经历一场彻底的自我革新。过去半年，我相继启动了三个项目（全年个人项目规划达35个，累计代码量超过50万行，tokens消耗超50亿，后续我会逐一整理成文档分享。之前"龙虾之父"的tokens消耗已达数千亿级别，不清楚他完成了多少项目、启动了哪些）。这些项目涵盖产品设计、界面UI、前端开发、后端服务、数据库架构、Agent框架，以及部署运维等环节，基本都是独立完
AI编程界河：大模型公司全面转型
工具与主体的核心差异在于：工具作为被使用对象，而主体则需承担最终责任。2026年5月，AI编程界迈过了那道不可逆转的界河。这如同当年恺撒大帝率军渡过卢比孔河，标志着内战与巨变的开始。Coding在此月完成了一次性质相似的跨越。01 界河的定义在AI编程圈，这条界河界定了辅助工具与生产力核心的界限。2026年以前，AI是协助者；2026年以后，AI成了替代者。跨越此河意味着：人类角色从“使用者”转变为“监管者”。示意图（配图与文章内容无关）02 财报揭示的信号决定性证据并不在技术论文中，而在于财报数据。当A
用AI开发返利换链工具的实战记录
之前做换链操作的时候，每次都要打开好几个网站，找到对应的商家，再把链接复制粘贴到ads平台，整个流程特别繁琐。于是我就琢磨着能不能搞一个自动抓取链接的工具，把这些链接保存下来。这样我只需要手动处理Google的链接，或者直接用增强版的Google自动换链功能就行了。5月9日那天，先弄出了一个半成品出来。趁着周末有空，就让AI继续帮我写代码。客户端这边的取链接功能交给AI来实现，包括自动调用指纹浏览器进行模拟操作这部分。第一次跑起来的时候，确实能模拟操作并成功获取链接。但是运行了一整天，发现定时任务好像没有
AI时代的新编程语言：Zero
大家晚上好啊 👋今天聊聊「AI 时代的编程语言」。我以为会是 Python 继续称王，或者冒出一个更聪明的 Python 替代品。前段时间很多人说，TypeScript 才是答案——类型严格、不易出错，AI 写起来更稳。听起来很有道理。但 Vercel Labs 上周发布的Zero，思路完全不一样。它不是给人用的，而是专门为 AI Agent 设计的一门新语言。现在 AI 写代码的流程通常是：写代码 → 报错 → 读错 → 猜意思 → 修改 → 再报错。问题在于，编译器输出的是给人看的自然语言。AI 要先
当AI接管75%代码编写：Cursor创始人重新定义工程师角色
“我们不是在优化编程，而是在终结它。” ——Michael Truell，Cursor CEO1977年，《星球大战》在好莱坞中国剧院首映。那部借助计算机控制摄像机达成动态合成的影片，不仅革新了科幻叙事，更悄然埋下一个预言：人类终将不再亲自动手操作机器，而是指挥机器自主协同。四十八年后，同一城市，Cursor入驻了这座传奇影院的旧址。创始人在此宣布：软件工程已跨越临界点——75%的企业代码由AI产出，30%的Pull Request由Agent全程包办，完全无需人工参与。这不是效率改进，而是一场范式颠覆。