AI 编程这一年：工具体验、架构变革与未来思考
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
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。
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。
一个正在运行的例子：把学习平板接入 Agent
上面的架构不是只适用于“写代码”。最近做的学习平板，正好把它落成了一套很小、但边界很清楚的系统：平板既是一个作业应用，也是一个可被 Agent 调用的设备。
核心不是把所有能力塞进一个接口，而是把两种通信分开。
- HTTPS REST 是数据链路：平板直接连接
cyeam_web，完成设备配对、同步作业、提交完成状态与上传作业照片；cyeam_web再通过 Trello API 读写作业卡片。设备配对和提交记录是服务端自己的主数据，并不依附于 Trello。 - WSS + MCP 是设备控制链路：平板主动连接小李服务端的 Gateway，注册通知、拍照、临时解除学习模式、查询本地作业状态等能力。小李 Agent 根据对话选择工具，Gateway 再按
device_id把 MCP 调用路由回对应的平板。 - Agent 不替代业务系统：它通过 Trello CLI 查询和管理作业，通过 MCP 管理设备；作业数据和设备操作各有明确的来源、权限边界与失败处理方式。
这也是我认为 Agent 应用更可靠的一种形态：业务系统继续拥有数据和确定性流程，Agent 负责理解意图、选择工具和编排步骤；MCP 不做“万能后端”，而是把设备能力变成可发现、可调用、可返回结果的接口。
相关代码：
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 –