Harness Engineering — 缰绳工程

围绕 AI Agent 构建约束、反馈和质量保障的系统工程实践。
来源：花叔《Harness Engineering又他妈是啥？》
最后更新：2026年3月

概述

Harness（缰绳/马具）指的是套在 AI 身上让它能被引导的那整套东西——没有它，AI 就是乱跑的野马，能力再强也白搭。Harness Engineering 是围绕 AI Agent 设计这套系统的工程实践。

三层递进关系

Context 是 Harness 的一部分，Harness 还多管了约束、反馈和质量检查。

核心证据

LangChain 案例

• Terminal Bench 2.0：成绩从 52.8% → 66.5%，排名 Top 30 → Top 5
• 模型完全没换，只改了：系统提示词、工具配置、中间件钩子
• 结论：模型可能已经不是瓶颈，瓶颈是你给它搭的环境

OpenAI Codex 实验

• 3→7 个工程师，5 个月，100 万行代码 beta 产品，零行手写
• ~1500 个 PR，每人每天 3.5 个 PR，速度约传统 10 倍
• 隐忧：速度快 ≠ 质量好，长期维护成本未知

Martin Fowler 的三块拆解

1. 上下文工程（Context Engineering）

• 给模型一张地图，不是 1000 页的说明书
• 维护持续更新的代码库知识库 + agent 能实时看到的系统状态
• 上下文是稀缺资源，塞太多反而挤占干活的空间

2. 架构约束（Architectural Constraints）

• 不光靠 AI 自检，还有 linter、结构测试在旁边盯着
• 硬规则，不遵守就编译不过

3. 垃圾回收（Garbage Collection）

• 专门一个 agent 周期性运行，只干一件事：找文档矛盾和架构违规
• 一个专职找茬的 AI

Anthropic 的三 Agent 架构

灵感来自生成对抗网络（GAN）：训练一个专门的评估者让它一直挑刺，比让生成者自己检查自己管用得多。

额外发现：Claude Sonnet 4.5 有上下文焦虑——上下文太多表现反而变差，必须定期清空重来。Harness 不是越大越好。

实践要素

配置文件（活的规则）

• CLAUDE.md / .cursorrules / CONVENTIONS.md 都是 harness 的一部分
• 每次 agent 犯错，就工程化一个方案，让它再也犯不了同样的错（Mitchell Hashimoto 方法）
• 文件是活的，一直在长

Hooks（物理拦截）

• 在 agent 关键操作前后注入脚本
• 编辑文件前自动跑 linting，生成代码后自动做类型检查
• 这不是 prompt 里写的"请注意规范"，是物理上拦住它

Skills（按需加载）

• 每个 skill 是独立能力包，平时不占 context，需要时才调

让 AI 查 AI

• 写完后开新对话，把结果贴进去：“找出所有问题”
• 第二个 AI 能发现第一个漏掉的很多问题

三条起步建议

1. 给地图不给说明书 — CLAUDE.md 应该像地图（项目结构、文件关系、关键约束），不要把每步写死
2. 每次犯错加一条规则 — 空文件开始，三个月后就是你的 harness，高度定制
3. 让 AI 查 AI — 别让 AI 自己查自己，用独立的评估者

Martin Fowler 的警告

如果太早把人类从「in the loop」移到「on the loop」，将来可能没人真正懂得怎么回事，也就没人能设计好的 harness。

现在能设计好 harness 的人，都是有丰富经验的老手。问题在于：不管积累的是什么经验，足够多的经验本身就是设计 harness 的前提。没有捷径，换了个赛道而已。

与历史工程实践的联系

• 航天工程 — 60 年前 NASA 就在做类似的事：约束、反馈循环、冗余检查、异常处理
• 工业控制 — PLC 编程里的安全联锁机制就是一种 harness
• AI 圈不是发明了 harness engineering，是终于意识到自己需要学几十年前就有的工程纪律

与其他概念的关系

• OpenSpec — 规范驱动开发，是 harness 中"约束"层面的具体实践
• CLAUDE.md — Claude Code 的项目配置文件，是 harness 的核心载体之一
• .cursorrules — Cursor 的项目配置文件

OpenSpec — 规范驱动开发 (Spec-Driven Development)

AI 编程助手的规范驱动开发框架，让人类与 AI 在写代码之前先对齐需求。
最后更新：2026年3月

概述

OpenSpec 是一个轻量级的规范层，核心理念是 先达成共识，再编写代码。它通过结构化的 Markdown 规范文档，让人类和 AI 在编码前就需求、设计和实现计划达成一致，从而解决 AI 编码中"需求模糊、结果不可预测"的问题。

• GitHub: Fission-AI/OpenSpec
• 官网: intent-driven.dev
• 许可: MIT
• 要求: Node.js 20.19.0+

核心理念

1
2
3
4
5

→ 流式而非僵化 (fluid not rigid)
→ 迭代而非瀑布 (iterative not waterfall)
→ 简单而非复杂 (easy not complex)
→ 支持棕地项目，不限于绿地 (built for brownfield not just greenfield)
→ 从个人项目到企业级可扩展 (scalable from personal projects to enterprises)

工作流程

OpenSpec 的核心是一个三阶段循环：Propose → Apply → Archive

1. Propose（提案）

通过斜杠命令让 AI 生成规范文档：

1

/opsx:propose "add-dark-mode"

AI 会自动创建 openspec/changes/add-dark-mode/ 目录，包含：

• proposal.md — 为什么要做、改变什么
• specs/ — 需求和场景
• design.md — 技术方案
• tasks.md — 实现清单

2. Apply（实施）

确认规范后，让 AI 按照任务清单执行：

1

/opsx:apply

AI 会按 tasks.md 中的清单逐步实现，完成后标记每个任务。

3. Archive（归档）

实施完成后归档，将变更合并到源规范中：

1

/opsx:archive

归档后，delta 规范合并到主规范，保持单一信息源（Single Source of Truth）。

快速开始

1
2
3
4
5
6
7
8
9

# 全局安装
npm install -g @fission-ai/openspec@latest

# 在项目中初始化
cd your-project
openspec init

# 告诉 AI 开始
/opsx:propose "your feature idea"

斜杠命令

简化工作流（推荐）

扩展工作流

通过 openspec config profile 切换到扩展模式后可用：

三种规范文档

1. Delta Specs（变更规范）

标记为 ADDED、MODIFIED、REMOVED，清晰传达提案内容，无需对比整个文档。

2. Source of Truth（源规范）

系统当前状态的唯一权威参考，所有 delta 变更最终合并到此文档。

3. Archived Specs（归档规范）

已合并的 delta 规范历史记录，保留决策脉络和审计轨迹。

支持的 AI 工具

OpenSpec 支持 20+ AI 编程助手，包括但不限于：

• Claude Code
• Cursor
• GitHub Copilot
• Windsurf
• Aider
• OpenCode
• ChatGPT
• Replit Agent

与同类工具对比

适用场景

• 需求频繁变化 — 需要快速迭代规范
• AI 编码结果不可预测 — 需要事先对齐需求
• 棕地项目 — 现有项目需要增量引入规范
• 团队协作 — 需要统一的信息源
• 功能交互复杂 — 需要检测功能间 unintended interactions

最佳实践

1. 推荐模型：使用高推理能力模型（如 Opus 4.5、GPT 5.2）效果最佳
2. 上下文管理：开始实施前清空上下文窗口，保持干净的上下文
3. 小步迭代：每次提案保持小范围、聚焦的变更
4. 及时归档：完成后尽快归档，保持源规范的准确性

CLI 常用命令

1
2
3
4
5
6
7
8
9
10
11

# 初始化项目
openspec init

# 配置 Profile
openspec config profile

# 更新 agent 指令
openspec update

# 升级 OpenSpec
npm install -g @fission-ai/openspec@latest

相关资源

• OpenSpec GitHub
• OpenSpec 官方文档
• OpenSpec 中文版
• OpenSpec Skills 扩展
• OpenSpec Discord

Claude Code：核心功能与配置域

精简说明常用能力：做什么、怎么用。细节与版本差异以 code.claude.com 与本地 claude --help 为准。

三种权限模式

作用： 控制 Claude 执行工具（读写文件、Bash 等）前是否询问你。

使用方式：

• CLI： 启动时 claude --permission-mode plan；会话中 Shift+Tab 循环切换（是否含 auto 等取决于版本与订阅）。
• VS Code / Desktop / Web： 提示框旁的模式选择器（名称与上述键对应）。

后台任务管理

作用： 长任务不阻塞你离开；多会话并行。

使用方式：

• CLI： /tasks 查看与管理后台任务（以当前版本列表为准）。
• 云端： claude --remote "…"（若本版 CLI 支持）或网页 claude.ai/code 发起任务，稍后查看。
• 并行本地： claude -w <worktree名> 在独立 git worktree 里开会话；桌面端可多窗口会话。

回滚（Checkpoint / Rewind）

作用： 按「轮」撤销 Claude 编辑工具造成的文件变更，或同时回退对话；也可从某条消息起做摘要以省上下文。不跟踪纯 Bash 改盘、会话外手工改文件。

使用方式：

• 连按 Esc Esc，或输入 /rewind（别名 /checkpoint）。
• 在列表中选检查点：恢复代码+对话 / 仅对话 / 仅代码，或 Summarize from here（从该点起压缩对话，不动磁盘文件）。

添加 MCP Server

作用： 通过 Model Context Protocol 连接外部工具与数据（Figma、DB、Slack 等）。

使用方式：

• CLI： claude mcp add --transport http <名> <URL>；stdio：claude mcp add -e KEY=val <名> -- npx …；JSON：claude mcp add-json <名> '<json>'；管理：claude mcp list | get | remove；会话内 /mcp 做连接与 OAuth。
• 作用域： -s local|user|project（CLI 默认多为 local；project 常写入 .mcp.json，团队共享，首次使用往往需单独批准）。

恢复会话

作用： 接着上次对话与上下文继续。

使用方式：

• claude -c / claude --continue：当前目录最近一次会话。
• claude -r / claude --resume [id或名]：指定会话或打开选择器。
• 会话内：/resume、/continue。
• 分支尝试：--fork-session 与 --resume 同用，保留原会话 ID。

上下文压缩

作用： 对话过长时保留要点、丢掉逐字历史，腾出 token。

使用方式：

• /compact [可选说明]：按你的侧重点生成摘要替换尾部消息。
• /rewind → Summarize from here：从选中消息起向前压缩，前面细节保留更完整。

清空上下文

作用： 丢弃当前对话历史（不等价于撤销文件）；释放上下文，从零开聊。

使用方式：

• /clear，或别名 /reset、/new。

CLAUDE.md 与 /memory

作用： 项目级长期说明（栈、命令、禁忌、架构），每次会话自动注入；可配 auto-memory 让 Claude 自动记下构建命令等。

使用方式：

• 在项目根（及子目录）放 CLAUDE.md；复杂项目可拆 .claude/rules/ 按路径加载。
• /memory：编辑记忆文件、开关 auto-memory、查看自动记忆条目；/init 可生成初始 CLAUDE.md。

Hook

作用： 在固定生命周期（如工具执行前后）跑确定性脚本（格式化、Lint、通知），不经过模型。

使用方式：

• 配置写在项目 .claude/（或用户级 ~/.claude/）的 hooks 定义中；会话内 /hooks 查看。
• 详见 Hooks。

Agent Skills（Skills）

作用： 可复用的说明 / 流程 / 知识；可 /命令名 触发，也可由模型按描述自动选用（可配置为仅手动触发以省上下文）。

使用方式：

• 放在 .claude/skills/ 等约定目录；插件可带 命名空间 命令（如 /plugin:cmd）。
• 会话内 /skills 列出；官方 Skills。

Agents（Subagents）

作用： 独立上下文里的子代理：大量读文件、专项任务只把摘要写回主会话，避免主对话被撑爆。

使用方式：

• 配置在 .claude/ 下 agent 定义；claude agents 列出；会话内 /agents 管理；启动时可用 --agents '<json>' 临时注入。

Skills vs Agents（对比）

Plugin

作用： 把 skills、agents、hooks、MCP 等打成可安装包，经 marketplace 分发，团队统一环境。

使用方式：

• claude plugin install <名>[@marketplace]；list / enable / disable / update / uninstall；plugin marketplace 管理源；会话内 /plugin、/reload-plugins。
• 详见 Plugins。

配置文件与保存域（Scope）

配置会落在 用户全局 / 项目 / 本地（常 gitignore） 等不同层级，合并与覆盖规则以官方为准；下列便于自查「改的是哪一台、哪一个仓库」。

实用建议： 密钥用环境变量或 local scope；团队共识放 project；个人偏好放 user。

另见

• 命令全集（CLI + /）
• 使用手册（分章教程向）

Cursor

简介

Cursor 是目前最流行的 AI 原生代码编辑器，基于 VS Code 构建。被 NVIDIA、Stripe、OpenAI 等顶级公司的工程师广泛使用。

Cursor 本质不是 IDE + AI，而是一个可编程的 AI Agent 系统。

核心能力架构（4层模型）

1
2
3
4

① 模型层（LLM）
② 上下文层（Rules / Memory / Agents.md）
③ 能力层（Skills）
④ 工具层（MCP）

一句话总结：

• Rules = 约束 & 长期记忆
• Skills = 可复用能力模块
• MCP = 外部工具系统

一、Rules（规则系统）——“长期记忆 + 行为约束”

1. 本质

Rules 是 Cursor 最核心能力之一，解决：

• 每次都要重复 prompt
• AI 风格不一致
• 不理解项目约定

Rules = Prompt 工程化

2. Rules 类型

（1）Project Rules（最重要）

• 存在：.cursor/rules/*.mdc
• 特点：
  • 跟代码库绑定
  • 可 version control
  • 支持作用域（目录级）

用途：

• 代码规范
• 架构约束
• 业务知识

（2）User Rules

• 全局规则（类似 ChatGPT 的 system prompt）
• 例如：
  • “回答用中文”
  • “写 Go 代码必须加 context”

（3）Agent / AGENTS.md（轻量替代）

• 用 markdown 定义 agent 行为
• 比 rules 更简单

（4）Memory（自动生成规则）

• 从聊天中自动提取规则
• 类似"隐式规则"

3. Rule 的执行机制

Rules 会被插入到 prompt 最前面（system context），并按策略加载：

4. .cursorrules 示例

1
2
3
4
5

# 项目编码规范
- 使用 TypeScript
- 遵循 Airbnb 风格指南
- 所有函数必须有 JSDoc 注释
- 测试覆盖率 > 80%

二、Skills（技能系统）——“可复用能力插件”

1. 本质

Skills 是一组"结构化 prompt + workflow"，让 AI 会做某件事。

Skills = 函数化 Prompt / Playbook

2. 官方内置技能

• /code-review → 代码审查
• /test → 生成单测
• /fix-merge-conflicts → 修复合并冲突
• /pr → 自动生成 PR

3. Skills 核心特点

4. 心智模型

• Rules = “法律 / 公司制度”
• Skills = “员工技能包”

或者：

• Rules = “长期人格”
• Skills = “临时能力”

三、MCP（Model Context Protocol）——“工具扩展系统”

1. 本质

MCP 是一种标准协议，用来把外部工具接入 AI。

LLM + Tool = Agent

2. 能做什么

通过 MCP，Cursor 可以直接：

• 调 GitHub
• 调 Figma
• 调数据库
• 调内部 API

3. MCP vs Skills（核心区别）

4. MCP 核心价值

（1）结构化工具调用

• 参数 schema
• 返回格式
• 错误定义

AI 不用猜怎么调用

（2）安全性

• 权限控制
• 不暴露 token

（3）生态化

• 一次开发，多 agent 复用

5. 配置示例

1
2
3
4
5
6
7
8

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["@modelcontextprotocol/server-github"]
    }
  }
}

四、三者关系（最重要总结）

1. 统一心智模型

1
2
3

Rules → 决定"怎么做"
Skills → 决定"做什么"
MCP → 决定"用什么工具做"

2. 类比现实世界

3. 实际工作流

一个复杂任务：“帮我修 bug 并提 PR”

执行链路：

1
2
3

Rules → 约束风格/架构
Skills → /fix-bug /pr workflow
MCP → 调 git / GitHub API

五、Cursor 真正的核心能力

1. 代码库理解能力

• 全局索引
• 跨文件推理

2. Agent 化执行

• 多步任务拆解
• 自动修改代码

3. Context Engineering（核心）

Cursor 真正厉害的点：不是模型，而是上下文管理

包括：

• Rules（显式）
• Memory（隐式）
• Skills（任务化）
• MCP（工具化）

六、其他核心功能

Agent 模式

• Cloud Agents - 云端自主运行，可并行处理多个任务
• Composer 2 - 新一代代码生成引擎，支持跨文件大规模修改
• 自主开发 - 独立完成规划、编码、测试、部署全流程

编辑器功能

• Tab 补全 - 智能代码补全，支持多行生成
• Cmd+K 编辑 - 选中代码后通过自然语言描述修改
• Chat 对话 - 与 AI 对话，询问代码问题、调试、解释
• @符号引用 - 引用文件、文件夹、文档等作为上下文
• Apply 功能 - 一键将 AI 代码应用到当前文件

多平台集成

• BugBot - GitHub PR 自动代码审查
• Slack 集成 - 在 Slack 中直接调用 Cursor
• CLI 工具 - 命令行中的 AI 助手
• Mobile Agent - 移动端访问云端代理

核心特性

• 最新模型 - GPT-5.4、Opus 4.6、Gemini 3 Pro、Grok Code
• 代码库理解 - RAG 技术索引整个项目
• 隐私模式 - 代码不会被存储用于训练
• Marketplace - 丰富的插件生态
• 企业级 - SOC 2 认证，自托管 Cloud Agents

最新动态

• Mar 2026 - 自托管 Cloud Agents
• Mar 2026 - Composer 2 发布
• Feb 2026 - 自驾驶代码库研究预览

定价

• Hobby（免费） - 基础 AI 功能
• Pro（$20/月） - 无限快速请求，高级模型
• Business（$40/用户/月） - 团队管理，隐私控制

相关链接

• 官网：https://cursor.com
• 文档：https://docs.cursor.com
• 下载：https://cursor.com/download
• Marketplace：https://cursor.com/marketplace
• Rules 文档：https://docs.cursor.com/context/rules-for-ai
• MCP 文档：https://modelcontextprotocol.io

总结

Cursor 的本质：

• Rules = Prompt 工程化
• Skills = 能力模块化
• MCP = 工具协议化

一个可编程的 AI Agent 系统

GitHub Copilot

简介

GitHub Copilot 是业界标准的 AI 编程助手，已从简单的代码补全发展为完整的 AI 开发平台。现在提供免费计划，支持多种模型和自主编程代理。

核心功能

编辑器集成

• 实时代码补全 - 编写代码时自动提供智能建议
• Copilot Chat - 在 IDE 内与 AI 对话交互
• Agent Mode - 自主编程模式，可独立完成复杂任务
• 代码解释 - 选中代码后让 AI 解释其功能
• 单元测试生成 - 自动为函数生成单元测试
• 内联编辑 - 直接在代码中进行 AI 辅助修改

平台功能

• Copilot Spaces - 创建项目专属知识库，共享代码库上下文
• Copilot Code Review - 自动代码审查，在 PR 中提供反馈
• Copilot CLI - 命令行中的 AI 助手
• 第三方 Agent 支持 - 集成 Claude (Anthropic)、Codex (OpenAI) 等

GitHub 集成

• Issues 处理 - Agent 可以直接处理 GitHub Issues
• PR 自动创建 - 自主创建 Pull Request
• 代码审查 - 自动审查代码变更
• MCP Registry - 集成外部工具和服务

核心特性

• 免费计划 - 每月 50 次聊天 + 2000 次补全
• 多模型支持 - GPT-5 mini、Claude、Gemini 等
• Premium Requests - 使用最新模型的配额系统
• 企业级安全 - 完善的隐私保护和 IP indemnification
• 广泛 IDE 支持 - VS Code、Visual Studio、JetBrains、Neovim、Xcode 等
• 深度 GitHub 集成 - 原生集成到 GitHub 平台

最新动态

• 2026 - 多模型选择，可优化速度、准确性或成本
• 2026 - 第三方 Agent (Claude、Codex)
• 2026 - Copilot Spaces 项目知识库
• 2026 - MCP 集成

定价

• Free（$0/月） - 50 次聊天，2000 次补全
• Pro（$10/月） - Copilot Agent, Code Review, 300 次 Premium Requests
• Pro+（$39/月） - 所有模型访问，5× Premium Requests
• Business（$19/用户/月） - 团队管理

相关链接

• 官网：https://github.com/features/copilot
• 文档：https://docs.github.com/copilot
• VS Code 插件：https://marketplace.visualstudio.com/items?itemName=GitHub.copilot-chat
• Copilot Spaces：https://github.com/copilot/spaces

OpenCode

简介

OpenCode 是目前最流行的开源 AI 编程 Agent，拥有 131K+ GitHub Stars。支持终端、桌面应用和 IDE，完全免费且开源。

OpenCode 本质不是 IDE，而是一个 Agent Framework。

核心能力架构（4层模型）

1
2
3
4

① 模型层（LLM）
② 上下文层（Context / Instructions）
③ Agent层（Task / Plan / Execution）
④ 工具层（Tool / Function Calling）

一句话总结：

• Instructions = 行为约束
• Tasks/Plan = 任务规划
• Tools = 外部能力

一、Instructions（指令系统）——“行为约束”

1. 本质

持久化 Prompt + Agent 行为定义，类似：

• system prompt
• 项目约束
• 行为规范

2. 形态

OpenCode 通常是：

• instructions.md
• 或 config 内定义 system prompt

3. 能力点

• 约束输出格式
• 约束编码风格
• 定义 agent 行为（比如：必须先分析再改代码）

二、Tasks / Plan（任务规划）——“任务拆解执行”

1. 本质

把复杂任务拆解成步骤，并执行。

2. 能力点

• 自动拆解任务（Plan）
• 多步骤执行（Chain-of-Thought / ReAct）
• 状态推进（step by step）

3. 示例

1
2
3
4
5
6
7
8

用户：修复这个 bug

OpenCode：
1. 分析代码
2. 找问题
3. 提修改
4. 写 patch
5. 验证

三、Tools（工具系统）——“外部能力”

1. 本质

LLM 调用外部能力（函数 / API）。

2. 支持能力

• function calling
• shell 执行
• 文件操作
• HTTP API

3. 示例

1
2
3
4

{
  "name": "read_file",
  "args": { "path": "main.go" }
}

四、Context（上下文系统）——“信息提供”

1. 本质

给模型提供"当前需要理解的信息"。

2. 包括

• 当前文件
• 选中代码
• 历史对话
• 检索内容（RAG）

五、Agent Runtime（核心差异点）

这是 OpenCode 很关键的一层：真正的"Agent 执行引擎"。

能力

• 循环执行（loop）
• tool 调用决策
• 状态管理
• 错误重试

核心特性

• 完全开源 - GitHub 开源，社区驱动
• 隐私优先 - 不存储任何代码或上下文数据
• 免费使用 - 基础功能完全免费
• 灵活部署 - 支持隐私敏感环境
• 社区活跃 - 800+ 贡献者，10,000+ commits
• 多模型 - 支持几乎所有主流 AI 模型

安装方式

1
2
3
4
5
6
7
8
9
10
11
12
13
14

# curl
curl -fsSL https://opencode.ai/install | bash

# npm
npm install -g opencode

# bun
bun install -g opencode

# brew
brew install opencode

# paru (Arch Linux)
paru -S opencode

使用场景

• 日常编程开发
• 代码审查
• 调试问题
• 学习新技术
• 团队协作
• 隐私敏感项目
• 自动修 bug
• 批量改代码
• DevOps 自动化
• 生成项目

统计数据

• 131,000+ GitHub Stars
• 800+ Contributors
• 10,000+ Commits
• 5M+ 每月活跃开发者

定价

• Free - 开源免费，基础功能
• Zen - 优化模型服务（付费）
• Enterprise - 企业级支持和部署

相关链接

• 官网：https://opencode.ai
• GitHub：https://github.com/anomalyco/opencode
• 文档：https://opencode.ai/docs
• 下载：https://opencode.ai/download
• Discord：https://opencode.ai/discord
• X/Twitter：https://x.com/opencode

Replit Agent

简介

Replit Agent 是 Replit 平台的 AI 编程代理，支持在云端快速生成全栈应用。基于 Agent 4 引擎，可以并行处理多个任务，从设计到部署的完整流程。

核心功能

Agent 4 引擎

• Infinite Canvas - 无限画布，可视化设计和探索
• Parallel Agents - 并行代理，同时处理多个任务
• Multiple Artifacts - 多种产物，支持移动应用、Web 应用、视频等
• Team Support - 团队支持，多用户协作

开发功能

• 全栈生成 - 前后端一体化生成
• 实时预览 - 实时查看应用运行效果
• 一键部署 - 自动部署到生产环境
• 数据库集成 - 内置数据库支持
• 用户认证 - 内置认证系统
• API 开发 - 快速构建 API 接口

平台集成

• Authentication - 内置认证
• Database - 内置数据库
• Hosting - 自动托管
• Monitoring - 应用监控
• Integrations - 100+ 集成 (OpenAI、Stripe 等)

核心特性

• 云端 IDE - 完全在浏览器中运行
• 快速原型 - 从想法到产品几分钟内完成
• 团队协作 - 实时多人协作
• 企业级 - SOC 2、SSO/SAML 支持
• 全功能 - 开发所需的一切内置
• 自动扩展 - 自动扩展应用规模

使用场景

• 快速原型开发
• 全栈应用开发
• 团队协作项目
• 在线演示
• 教学培训
• 黑客马拉松
• 内部工具开发

定价

• Starter（免费） - 免费每日 Agent credits
• Core（$20/月） - $25 每月 credits，5 协作者
• Pro（$100/月） - $100 每月 credits，15 协作者，高级模型
• Enterprise - 企业定制，SSO/SAML

相关链接

• 官网：https://replit.com
• Agent 4：https://replit.com/agent4
• 文档：https://docs.replit.com
• 社区：https://replit.discourse.group
• 模板库：https://replit.com/gallery

Windsurf

简介

Windsurf 是 Codeium (现 Cognition, Inc.) 开发的 AI 原生 IDE，是首个"Agentic IDE"。以 Cascade 为核心，提供流畅的 AI 辅助编程体验，是 Cursor 的主要竞争对手。

核心功能

Cascade (核心特性)

• 深度上下文理解 - 理解整个代码库结构
• 多步骤推理 - 处理复杂的编程任务
• 实时感知 - 感知用户操作，智能响应
• Flow 模式 - 开发者与 AI 协作的流畅体验
• 自动修复 - 代码不符合 linter 时自动修复

Tab 补全

• Autocomplete - 智能代码补全
• Supercomplete - 预测下一个动作，不只是插入代码
• Tab to Jump - 预测光标下一个位置，无缝导航

编辑器功能

• Windsurf Previews - 实时预览网站，点击元素直接修改
• In-line Command - Cmd+I 内联代码生成和重构
• Command in Terminal - 终端中的自然语言命令
• Codelenses - 代码透镜，快速理解或重构代码
• @ mentions - 引用函数、文件、目录作为上下文

高级特性

• Linter 集成 - 自动修复 linter 错误
• MCP 支持 - Model Context Protocol，连接自定义工具
• JetBrains 插件 - 也可作为 JetBrains 插件使用

核心特性

• Cascade Flow - 独特的多步骤推理和协作流程
• 免费额度慷慨 - 免费版提供较多使用额度
• 实时预览 - 直接在编辑器中预览和修改网页
• 上下文感知 - 深度理解代码库和项目结构
• 无缝迁移 - 可从 VS Code 一键导入设置
• 高采用率 - 59% 的 Fortune 500 公司使用

数据统计

• 70M+ - 每天由 AI 编写的代码行数
• 1M+ - 活跃用户
• 94% - AI 编写的代码占比
• 59% - Fortune 500 公司采用

定价

• Free - 基础 Cascade 功能，无限补全
• Pro - 完整 Cascade，高级模型访问
• Teams - Pro 功能 + 团队协作
• Enterprise - 自托管，企业级安全

相关链接

• 官网：https://codeium.com/windsurf
• 编辑器下载：https://windsurf.com/editor
• 文档：https://docs.windsurf.com
• Cascade 介绍：https://windsurf.com/cascade
• 对比 Cursor：https://windsurf.com/compare/windsurf-vs-cursor
• 社区：https://discord.gg/GjCYNGChrw

AI Coding Agents 概览

本目录汇总了当前主流的 AI 编程助手和 Agent 工具。
最后更新：2026年3月

快速对比

分类说明

AI IDE（AI 原生编辑器）

深度集成 AI 能力的代码编辑器，提供沉浸式的 AI 编程体验：

• Cursor - 最流行的 AI 编辑器，支持 Cloud Agents、Composer 2、.cursorrules 配置
• Windsurf - Cascade Flow 功能强大，实时预览特色鲜明

IDE 插件 + 平台

在现有 IDE 和平台中添加 AI 能力：

• GitHub Copilot - 业界标准，深度 GitHub 集成，现在有免费计划

对话式助手

通过对话方式进行编程辅助：

• Claude - 推理能力最强，支持 CLAUDE.md 配置，Claude Code 终端工具
• ChatGPT - 通用性强，生态丰富，GPTs 商店

命令行工具

在终端中使用的 AI 编程工具：

• OpenCode - 131K+ Stars，多平台支持，免费模型
• Aider - 开源免费，终端原生，Git 集成，CONVENTIONS.md 配置

规范驱动开发

让 AI 编码助手在写代码前先对齐需求的规范框架：

• OpenSpec - 轻量级 SDD 框架，支持 20+ AI 工具，Propose → Apply → Archive 工作流

工程方法论

围绕 AI Agent 构建约束、反馈和质量保障的方法论：

• Harness Engineering - 缰绳工程：Prompt → Context → Harness 三层递进，让 AI Agent 安全高效运行的系统工程实践

Web 开发工具

基于浏览器的 AI 开发工具：

• Replit Agent - 云端 IDE，支持全栈应用快速生成

核心功能对比

项目配置文件

模型支持

选择建议

🎯 日常开发首选

• Cursor 或 Windsurf - 如果想要 AI 深度集成到编辑器
• GitHub Copilot Free - 预算有限时的入门选择

💰 预算有限

• GitHub Copilot Free - 免费计划，功能足够入门
• Aider - 开源免费，只需 API 费用
• OpenCode - 开源免费，多模型支持

🧠 复杂任务

• Claude Opus 4.6 - 超强推理，适合架构设计
• Cursor Agent 模式 - 端到端自主开发

⌨️ 终端爱好者

• OpenCode - 多平台，免费模型，社区活跃
• Aider - CLI 原生，Git 集成，高度可控
• Claude Code - Anthropic 官方终端工具

🏢 企业团队

• GitHub Copilot Business - 团队管理成熟
• Cursor Business - 隐私控制完善，企业级功能
• Windsurf Enterprise - 支持自托管

🚀 快速原型

• Replit Agent - 云端快速开发，团队协作

🎨 前端开发

• Windsurf - 实时预览，Cascade 模式
• Cursor/Windsurf - 全栈前端开发

趋势与展望 (2026)

1. Agent 化 - 从辅助工具到自主执行者的发展趋势
2. 多模型支持 - 越来越多的工具支持多种 LLM
3. 上下文增强 - RAG 技术让 AI 更好理解代码库
4. 开源化 - OpenCode、Aider 等开源工具越来越受欢迎
5. 免费计划 - GitHub Copilot Free 等免费计划降低门槛
6. 云端化 - Cloud Agents 允许可并行处理任务
7. 配置文件 - 项目级配置文件（.cursorrules、CLAUDE.md）成为标准

相关资源

• Cursor 官方文档
• GitHub Copilot 文档
• Claude API 文档
• Claude Code 文档
• Aider 文档
• OpenCode GitHub
• Replit 文档
• Windsurf 文档
• Cursor vs OpenCode 对比 ⭐ 新增

Aider

简介

Aider 是开源的 AI 结对编程命令行工具，在终端中与 AI 协作编辑代码。在 OpenRouter 上排名第一，是终端用户的首选 AI 编程工具。Aider 88% 的新代码由 Aider 自己编写。

核心功能

文件管理

• /add - 添加文件到聊天会话
• /drop - 从会话中移除文件
• 多文件编辑 - 同时编辑多个相关文件
• 自动上下文 - 自动拉取相关文件的上下文

Git 集成

• 自动 commit - 自动生成 git commit
• 语义化提交 - 生成语义化的 commit message
• /undo - 撤销 AI 的更改
• diff 查看 - 清晰展示每次代码变更

代码操作

• 代码重构 - 批量重命名变量、函数等
• 测试生成 - 自动生成测试代码
• 代码库地图 - 自动创建整个代码库的地图
• 100+ 语言支持 - Python, JavaScript, Rust, Go, C++ 等

高级特性

• 图像支持 - 添加截图、设计图等视觉上下文
• 网页支持 - 添加网页作为参考文档
• 语音输入 - 语音命令进行编程
• 自动 Lint 和测试 - 每次修改后自动运行
• Watch 模式 - 监听文件变化，自动响应
• 复制粘贴模式 - 与任何 Web Chat 配合使用
• CONVENTIONS.md - 指定编码规范

模型支持

• Claude 3.7 Sonnet - 效果最好
• DeepSeek R1 & Chat V3 - 高性价比
• OpenAI o1, o3-mini, GPT-4o - OpenAI 系列
• 本地模型 - 支持 Ollama 等本地模型
• 75+ LLM 提供商 - 几乎所有主流模型

核心特性

• 完全开源 - Apache 2.0 许可，可自托管
• 终端原生 - 适合命令行用户，高效快捷
• 精确控制 - 清晰展示每次代码变更
• 轻量级 - 无需安装 IDE，适合服务器环境
• 隐私可控 - 可使用本地模型，代码不出境
• 88% 自身代码 - Aider 88% 的新代码由 Aider 自己编写

使用示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

# 安装
python -m pip install aider-install
aider-install

# 进入项目
cd /to/your/project

# 使用 Claude 3.7 Sonnet
aider --model sonnet --api-key anthropic=<key>

# 使用 DeepSeek
aider --model deepseek --api-key deepseek=<key>

# 添加文件
aider factorial.py

# 在聊天中使用
> Make a program that asks for a number and prints its factorial

# 添加文件
> /add file1.py file2.py

# 移除文件
> /drop file1.py

# 撤销更改
> /undo

CONVENTIONS.md 示例

1
2
3
4
5
6

# 编码规范

- 使用 4 空格缩进
- 函数名使用 snake_case
- 类名使用 PascalCase
- 所有公共函数必须有 docstring

统计数据

• 42.4k GitHub Stars
• 5.7M+ 安装次数
• 15B tokens/周
• OpenRouter Top 20 应用排名

定价

• 开源免费 - 软件本身完全免费
• API 费用 - 需要自行承担 LLM API 费用

相关链接

• GitHub：https://github.com/Aider-AI/aider
• 官网：https://aider.chat
• 文档：https://aider.chat/docs
• 安装指南：https://aider.chat/docs/install.html
• 使用教程：https://aider.chat/docs/usage.html
• Discord：https://discord.gg/Y7X7bhMQFV
• LLM 排行榜：https://aider.chat/docs/leaderboards/