最近，程序员论坛有个帖子火了。

问的是：AI编程工具，哪个最好用？

65条真实回复，全是写生产代码的老手。

不是试玩两天就吹的那种。

我认真刷完所有评论，发现一个大变化。

AI编程圈，已经出现明显的“阵营分化”。

有人死磕Claude Code。

有人全面转向Codex。

还有人开始用DeepSeek + OpenCode，图个低成本。

今天这篇文章，就把讨论整理出来。

不是广告，不是测评。

就是看看真正的开发者，现在是怎么用AI写代码的。

先说结论。

Codex，已经成为当前口碑第一。

我统计一下这个帖子的所有回复。

提到次数最多的，就是Codex。

而且不是随便提一嘴。

说的是：“Codex最好”、“智商在线”、“review强”。

“逻辑最清晰”、“比Claude更稳定”、“主力已经切过去了”。

很多人现在的组合，已经很明确了。

用Claude Code写功能。

用Codex做代码审查。

或者Cursor加Codex，两个一起用。

这说明了一件事。

AI编程工具，正在从“聊天”走向“工程化”。

现在决定体验好坏的，不再是能不能生成一个演示程序。

也不是会不会写个待办事项应用。

而是：能不能长期记住上下文。

会不会把代码改坏。

回滚方不方便。

代码审查靠不靠谱。

多文件修改稳不稳定。

适不适合真实项目。

所以很多人开始觉得：Codex越来越像一个真正的工程师。

为什么大家突然开始吹Codex？

帖子评论里反复提到三个点。

第一，逻辑非常稳定。

很多人觉得Codex更像个“理工科脑子”。

它不会像Claude那样疯狂发挥产品思维。

它就像一个老程序员，一个强迫症工程师，一个审查型开发者。

特点就是：废话少，目标明确，不容易跑偏。

改bug很稳，代码审查非常强。

很多人甚至说：Codex写的逻辑，比Claude更可靠。

第二，多文件修改能力很强。

真实项目里最怕什么？

不是AI不会写代码。

是AI一口气改了10个文件以后，彻底失控了。

很多开发者现在开始强调：可控性比智商更重要。

Codex在这方面口碑非常高。

尤其是大项目、重构、代码审查、修bug、多轮连续修改。

优势特别明显。

第三，不容易封号。

这个在帖子里被疯狂吐槽。

很多人都说：Claude的账号全被封完了。

甚至有人说：Anthropic和智谱，在我这里坐一桌。

现在大家对Claude最大的不满，已经不是能力了。

而是太容易封号，限额太狠。

所以很多人开始转向Codex、Cursor、DeepSeek、OpenCode。

原因很简单：稳定性也是生产力。

当然，Claude Code仍然是最强模型。

虽然帖子里Codex热度最高。

但有一点大家都很统一：没人否认Claude Code很强。

很多人原话就是：“Claude写得最对”。

或者“Claude做需求理解最牛”。

这其实就是Claude最大的特点——产品思维非常强。

它会主动理解业务，主动设计结构，主动扩展功能，主动优化体验。

但问题也来了：它经常想太多。

有个开发者形容得特别真实：“Claude会把自己当成codebase的主人。”

什么意思呢？

你让它改A。

它顺手就把B重构了，把C优化了，把D修改了。

顺便再抽象一下架构。

最后，项目炸了。

现在高手们基本都不是只用一个AI。

而是多个AI协同干活。

最常见的是Claude + Codex的组合。

Claude负责理解需求，负责生成功能，负责设计架构。

Codex负责代码审查，负责修bug，负责细节优化。

很多人说：两个AI交叉验证以后，稳定性提升非常大。

第二种是Cursor + Codex。

适合那些习惯用VS Code的人，喜欢图形界面和IDE工作流的人。

很多人现在已经明确表示：命令行工具不适合长期开发。

原因很简单：看代码改动不方便，代码审查效率低。

多文件修改不好看，回滚操作不直观。

所以Cursor这种图形界面的IDE，优势越来越明显。

第三种是DeepSeek + OpenCode，低成本流。

这是这次讨论里非常值得注意的新趋势。

很多人提到：DeepSeek V4 Pro Max真不差。

甚至有人说：“比GLM强一万倍”。

因为它便宜，稳定，智商在线，长期使用成本极低。

所以有人开始用DeepSeek做日常开发，用Codex做关键任务。

因为真正生产环境下，token成本会越来越重要。

国产AI编程工具的问题，也暴露了。

帖子里对国产工具的评价两极分化。

比如Trae CN、Qoder、CodeBuddy、Pi、GLM这些。

很多人承认：国产工具的界面确实更好。

漂亮，上手简单，功能入口明显，更像一个“产品”。

但问题也很明显：工程能力不够稳定。

很多评论提到：工具调用容易炸，长上下文容易乱。

真实项目容易跑偏，复杂逻辑不稳定。

有句评价说得很准：“国外是工程师思路，国内是消费者思路。”

这次讨论里最有价值的一句话是：

“短demo看起来都强，真正拉开差距的，是连续改一个真实项目时的可控性。”

这句话非常关键。

因为AI编程已经进入第二阶段了。

第一阶段，大家比的是谁生成代码快。

谁一句话就能做个网站，谁的演示程序更酷。

第二阶段，也就是现在，大家开始比长上下文的稳定性。

比代码审查能力、回滚能力、工程可控性。

比与Git工作流的融合、多Agent协同。

这些，才是真正的生产力。

帖子里还有一句话特别值得警惕。

“谨防AI写得太随意，在项目里立假灯塔。”

什么意思呢？

就是AI一开始写错了架构。

但因为它写得很自信，文件越来越多，代码越来越复杂。

最后整个项目，会沿着错误的方向疯狂前进。

最后变成token黑洞，无限修bug，永远重构不完。

所以很多老程序员现在开始强调：AI越强，人类越要懂工程。

我自己这半年也明显感觉到。

AI编程已经从玩具，变成了生产工具。

以前AI更像自动补全，帮你偷个懒。

现在AI已经开始接管重构、接管代码审查、接管文档。

接管测试，接管架构草稿。

但现阶段，没有任何一个AI能完全替代工程师。

真正高效的人，已经不再是“让AI自动写完代码”。

而是知道“什么时候该用哪个AI”。

未来大概率会形成这样的格局：

Claude负责理解世界。

Codex负责实现世界。

DeepSeek负责降低成本。

Cursor负责工程交互。

而真正的核心竞争力，仍然是你的工程经验和你的判断力。

最后总结一下当前AI编程工具的真实梯队。ai编程的进化是月月新，以下的排名只适用于2026年5月。

第一梯队（生产级主力）：Codex、Claude Code、Cursor。

第二梯队（性价比流）：DeepSeek + OpenCode、Trae CN。

第三梯队（争议较大）：GLM、Qoder、Pi、Kimi Code。

AI编程最危险的阶段，不是AI不会写代码。

而是它已经“看起来很会写代码”了。

但最后决定项目生死的，依然是架构、代码审查、可维护性和工程纪律。

这也是为什么越来越多的高手开始让Claude负责创造，让Codex负责审判。

这里是「小白说遥感」

如果你也在做遥感、GIS、AI、Python。

欢迎一起交流。