AI 编程这一年：工具体验、架构变革与未来思考

05 June 2026

从豆包、DeepSeek、Trae 到 Claude Code、OpenCode，梳理各大 AI 编程工具的真实体验，并探讨 AI 如何重塑软件架构与产品形态。

人们对 AI 能力的认知存在巨大鸿沟

人们对 AI 能力的认知存在巨大鸿沟

原文：Karpathy on X

Karpathy 指出，对 AI 能力的认知存在巨大鸿沟，根源是两类使用者的脱节：

第一类（局外人）：用过免费版或刷到 Advanced Voice 犯蠢视频，据此判断 AI 不过如此。但他们看到的并非 Codex、Claude Code 这类前沿模型的能力。
第二类（局内人）：付费在编程、数学等强技术领域专业使用前沿模型，亲眼看到模型独立重构代码库、挖漏洞，最容易产生“AI 震撼”。

两类人评价的是不同能力切片：技术领域进步最猛，因奖励函数可验证（单元测试通过否）且 B2B 价值最高；写作、闲聊类提升平缓，难以训练、商业优先级低。所以“AI 没用”和“AI 改变一切”可以同时成立。

AI 编程使用记录

工具	使用体验
豆包客户端 & DeepSeek 网页版	做了翻译页面、数独。每次都是把整个页面丢给他让他改，上下文长度太可怕了。代码很难一步到位，测试和调试也支持不了，只能自己干。
Trae	开发了 Android 应用——药不能停（因为不会写安卓），主要靠它实现，自己只做打包、翻译。现在不太好用了，经常排队。现在常用它看 diff，生成 Git message。
Kimi	买了 699 套餐，超出预期（本来对国产预期不高）。每天能用 1.5 亿 token，套餐额度两到三人使用没问题。Claude Code 和 Kimi 用起来差别不大。
GLM	官方套餐买不到，买了火山引擎。但火山对 GLM 5.1 计费系数大，一小时就能用完 5 小时额度。速度也不算快，在 Claude 中用经常报错，体验不好。
OpenCode	用起来不错，该有的都有，还免费支持 MiMO 2.5 和 DeepSeek V4 Flash。每个 BE 都能看到版本号和调试信息。
DeepSeek	Pro 打了折但不算便宜，一天约 20 元。Flash 还行但没重度使用（因为用了 OpenCode 免费版）。之前火的 DeepSeek TUI 已改名 Reasonix。
Codex	要惊艳一些，体感老成，基本不会出错。用 ss 访问速度还不错。购买流程复杂，还得把 iPhone 捡起来。
Claude	模型 4.7 感觉不如 4.6，生态最好（基本大家按 Claude 标准设计），源代码已泄露可多研究。源码还是基于 system、user 提示词方式，创新在于引入 harness 理念和细致的提示词拆解（尤其跟 OpenClaw 相比），按需加载、上下文压缩都很专业。

AI 绝不是仅用来编程，AI 编程只是一个垂直场景

23、24 年我看原来出来的时候，大家其实都是在做聊天工具，各种桌面应用，转折点在 24 年 Claude Code 横空出世，大家突然发现原来 LLM 写代码能做这么好。

架构层面的思考

在这里我还有一个观点：即使用 AI 编程，也不是仅仅修改原有代码，系统架构也要跟着调整。就像从单机应用→Web→分布式应用，一系列的技术变更都会带来技术框架、组件的变化，AI 也一样。

什么会新增？

涉及到人、交互的部分，有了 AI 的出现可以协助人完成一系列操作。就拿一个网站来说，之前需要一个人点击几个页面分析完数据后由人脑得出一个结论，未来会是一个 skill，由 AI 串联执行直接得到结果。

什么会保留？

基础功能、工具、数据接口。

什么会消失？

从第一点也能看出来，一些使用频率不高、对于时效性要求不高的场景都不需要做页面了（严重冲击前端）。

未来的架构形态

Agent Channel：从页面、App 升级到各种交互工具：文本、图片、表格、语言、视频、审批流等等。例如飞书。
Agent 应用：搭好基础架构，做好 Harness（未来还应有新的方案）、上下文压缩、插件化。
业务应用：提供 Skill、Plugin；提供 CLI、OpenAPI、MCP。

flowchart TD
    LLM[LLM]

    subgraph Channel[Channel]
        Lark
        Telegram
    end

    subgraph Agent[AI Agent]
        Claude
        Codex
        OpenClaw
    end

    subgraph Open[Open]
        cli
        MCP
        HTTP
    end

    Skills((Skills))
    Local[("local data")]

    Channel --> Agent
    Agent --> LLM
    Agent --> Open
    Agent --> Skills
    Agent --> Local

架构变化也会导致产品形态变化。真正的竞争核心已不是“谁会聊天”，而是“谁能把模型、工具、系统、入口和成本整合成可执行产品”，尤其是部分之前是由人工完成的整合工作。

我们现在要做的

如何学习 AI？要去了解最新的技术、交一些学费。不光是为了用最好的模型，关键是要去了解最新的技术和趋势，这个在很多免费工具里是见不到的。AI 技术发展很快，避免掉队，更关键是避免用落后技术开发迭代造成时间浪费。需要调整一下。

原文链接： AI 编程这一年：工具体验、架构变革与未来思考，转载请注明来源！

– EOF –

AI 33