8 月，VibeCoding 工具使用经验总结（个人薅羊毛版）

被各种"AI 编程神器"营销轰炸了大半年，电脑都被塞满，也该沉下心来总结一下这些VibeCoding到底怎么样。不是测评，是个人薅羊毛实录——能用免费就绝不开订阅。

一、工具类型分类

  • CLI：opencode、Claude Code、Codex CLI 等；
  • 编辑器：基本都是基于 VSCode 魔改，国内三厂——字节 Trae、腾讯 CodeBuddy、阿里 Qoder；
  • 工作台：Codex、Claude、WorkBuddy；
  • "龙虾"（其实就是一堆 Markdown 文件，代表：OpenClaw、Hermes）；
  • 工作流：扣子、Combi。

网上有不少博主对主流 AI Coding 工具做过"从神到拉"的评价，但工具到底好不好用，最终还是得自己上手试。下面是我自己的体感。

某博主对主流 AI Coding 工具的 Tier List 评价 某博主对主流 AI Coding 工具的 Tier List 评价
某博主对主流 AI Coding 工具的 Tier List 评价

二、我常用的编辑器与工具：Trae、CodeBuddy、OpenCode

Trae：1 月到 6 月一直免费，除了排队人数越来越多，没花一分钱；6 月开始限流，8 月改为积分制，免费 500 积分。

  • 使用体验：刚开始做 Web 小工具和小任务还凑合，但遇到稍难的问题，往往很多轮对话都定位不到症结，最后还得自己读代码。它内置的 AI 在输入和输出上似乎都有严格限制，导致遇到问题就爱"编一个理由说解决了"，也不验证就草草收尾。

CodeBuddy：每月 500 积分，前几个月还有推广福利 2000 积分。

  • 使用体验：现在主要用这个。优点是很少早停，一个问题跑半小时、一小时都正常，虽然不保证一定解决，但解决概率明显高于 Trae。

OpenCode：每天限流，以前免费额度还算宽裕，这个月开始随便用一下就用完了。

  • 使用体验：这个 CLI 的 Harness 工程做得不错，应该是借鉴了 Claude Code。常规编程领域（比如 Web 开发）比 Trae、CodeBuddy 略强。但没有 GUI 的话，还得靠编辑器看它改了什么；另外管理 model、skills、mcp 这些有些繁琐，所以用得不多，还是更习惯编辑器。

三、Coding 的大致流程

  • 开发较大新功能前，先手写一段需求，尽量把前端操作逻辑或算法逻辑说清楚；
  • 让 AI 先出一版功能 PRD，把功能逻辑讲清楚；确认后再让它出设计文档；我对一些决策点做调整后，再开始开发；
  • 开发完后，让 AI 先写测试用例自己跑一遍，输出测试报告；有问题就让它先修；
  • 最后自己测，可以参考 AI 写的测试用例；它写的用例常常与实际不符，需要边改边测；
  • 改 Bug 是最耗时的环节。AI 开发的功能，逻辑简单的尚可，稍微复杂一点就会埋一堆坑，需要自己挨个测，再把上下文喂给 AI 让它改。要么你一开始就对功能和程序设计了然于胸，才能及时发现它跑偏的地方——最好不要让它一条路独走到底，否则后面 Bug 改不过来。

四、Skills

Coding 时 AI 很少会主动调用 Skills——大概因为编程需求都比较个性化，匹配命中率低。感觉这类固定流程更适配工作流场景（比如"生成 + 剪辑视频"这种有套路的链路）。

五、MCP

目前用得最多的是 Chrome DevTools MCP 和 MySQL MCP，主要是让 AI 自己调试 Web、自己查数据库。基本上遇到几轮解决不了的 Bug，让 AI 调用这两个工具自己排查，多半都能搞定。但 Chrome DevTools MCP 调用多了之后，上下文 token 消耗会非常夸张。

另外，现在很多 AI 工具在推"插件"机制——把 Skills、System Prompt、规则、MCP、Hooks 打包成现成的方案，比如"电子表格智能助手"，就需要多种工具、规则、Skills 配合。我还没怎么用，以前试过配 System Prompt，效果一般，就先放着了。

六、Memory

记忆系统我用的是 CodeBuddy 自带的方案：

  • 一个主记忆 MEMORY.md，最多 85 行，超过后 AI 会自动剔除不重要的，或者再提炼一遍；
  • 每日开发有"开发日记"——遇到什么问题、什么原因、怎么解决的、坑点在哪，编辑器都会自动记下来；
  • Memory 机制体验下来还行，我自己忘了之前做过什么时，翻一翻还能想起来；AI 干活时也会瞄两眼，正确率能稍微高一点。

七、上下文

各编辑器、AI 工具如何拼接和管理上下文，是 Agent 好不好用、省不省 token 的核心。

  • 所谓"百万上下文"，感觉也没让 Agent 变更聪明，只是不用频繁压缩上下文了；该记不住的还是记不住（见仁见智）；
  • 上下文缓存命中：相似问题或场景尽量放在同一会话，能提高缓存命中率；但一个会话对话轮次过多也会影响效果，大约 20 轮对话之后建议换个新会话；
  • API 订阅的 token 消耗：长对话下上下文越来越大，token 烧得越来越快，往往最后一轮对话消耗的 token 是前面几轮的好几倍。

八、Harness 与模型的配合

怎么读文件、怎么调终端、怎么运行测试——这些围绕模型运转的工程系统，统称为 Harness。很多 AI 工具干的活就是把这些拼进上下文再喂给基座模型。但有些模型在工具调用、上下文管理、思考内容回放方面有自己专属的接口规则，所以有时候用 AI 工具自带的模型，比自己接 API 的兼容性更高。

九、基座模型

现在一般用 DeepSeek V4 Flash 0731 版比较划算，效果也还行。但我用的时候出现过几次循环回答的问题，可能是接入工具的 Harness 还没完全适配。还有过几次"欺骗性回答"——它会自作聪明地走捷径，制造"问题已解决"的假象，回避问题的实质。

当前常用的部分基座模型 当前常用的部分基座模型
当前常用的部分基座模型

其他基座模型：

  • GLM 系：前几个月用得比较多。GLM-5.2 做工作量大的任务确实还可以，出错概率稍小一点；
  • MiniMax 3：用过一段时间，思维比较活跃，偶尔有点儿创意；
  • Kimi：以前只用过 2.7，Coding 感觉中规中矩，但网页版用来查资料、写文章或做点儿艺术相关的事，还是不错的；
  • GPT：只用过网页版，回答风格一句一段，比较符合人的阅读习惯。

十、当前个人包月订阅的部分 API / 工具价格

主流订阅每月几十到几百元不等，关键还是看自己用得多不多、用得顺不顺手。

个人包月订阅的部分 API / 工具价格（一） 个人包月订阅的部分 API / 工具价格（一）
个人包月订阅的部分 API / 工具价格（一）
个人包月订阅的部分 API / 工具价格（二） 个人包月订阅的部分 API / 工具价格（二）
个人包月订阅的部分 API / 工具价格（二）

薅羊毛党尽量选免费额度大的组合（Trae + CodeBuddy + OpenCode 的免费额度基本能撑住轻度使用）；重度使用者直接订阅主流模型 API 更划算，省得在限流和积分之间来回博弈。

写在最后

这一两个月用下来，最大感受是：AI Coding 没有银弹。免费工具的天花板是"能跑通一个能改的初版"，真正上线还得自己上手。把它当成一个会偷懒、会编理由、偶尔灵光乍现的实习生来用，比当成"全自动码农"靠谱得多。