一句话记忆：模型是「大脑」，IDE/终端 Agent 是「手脚」，范式是「怎么用它」，MCP 等协议是「接口标准」，Coze/Dify 是「搭积木的台子」。

以下内容仅为一家之言，旨在统计AI相关的东西，目前以2026年8月份的数据进行整理：

一、大语言模型

1.1 国外模型

模型	厂商	核心优势	短板	适合场景
ChatGPT / GPT（GPT-5.x 系列）	OpenAI	综合最均衡，推理、数学、端到端编程都很强；生态（Codex、API、Copilot）最完整	中文语感略逊；强模型价格偏高	全能型主力，英语场景首选
Claude（Opus / Sonnet / Haiku，最新为 Claude 5 家族）	Anthropic	编程 + 长文本的「天花板」；Agent 能力（工具调用、自主任务）业界公认最强；代码质量、代码审查口碑好	多模态相对基础（图文为主）；价格较高	复杂编码、代码重构、Agent 开发
Gemini（Gemini 3.x）	Google	多模态原生最强；科学推理强；与 Google 全家桶（搜索/Workspace）深度集成；性价比高	编码 Agent 手感略逊 Claude/GPT	多模态、文档/图表理解、长上下文
Grok（Grok 4.x）	xAI	实时联网（X 数据）、风格活泼、多模态	生态与工具链不如前三家	实时信息、社交媒体相关任务
Llama / Mistral	Meta / Mistral	开源可私有化，是大量本地部署/微调的底座	旗舰能力略逊闭源头部	自建/私有化部署、垂直微调

1.2 国内模型

模型	厂商	核心优势	适合场景
DeepSeek（V4 / R 系列）	深度求索	成本效益之王，开源 MoE 架构；中文/数学/代码强；价格极低，是国产编程 Agent 首选「大脑」之一	编程、低成本规模化、开源生态
通义千问 Qwen（Qwen3.x）	阿里	国产第一梯队，Agent/工具调用能力突出；全尺寸开源，生态好	智能体、工程化部署、To B
Kimi（K2/K3）	月之暗面	长上下文国产领跑，多智能体协作能力强	长文档分析、多 Agent 任务
智谱 GLM（GLM-5.x）	智谱 AI	清华系，代码与 Agent 能力均衡，开源积极	学术/研究、国产替代
豆包 Doubao	字节	与 Trae/扣子生态绑定，编程模型 Doubao-Seed-Code 成本极低	字节生态内开发
文心一言 ERNIE	百度	中文理解 + 百度搜索/地图生态	中文内容、搜索增强
其他	MiniMax、阶跃星辰、百川、讯飞星火、腾讯混元	各有垂直优势（语音/多模态/政务等）	特定行业/垂直场景

1.3 选型建议

---

二、AI IDE 与编辑器

2.1 国外

工具	厂商	形态	定位与优势
Cursor	Anysphere	IDE（VS Code 分支）	独立 AI IDE 的综合最强；Tab 补全是行业标杆；并行子 Agent、插件/MCP 生态最全
Claude Code	Anthropic	终端 CLI	终端 Agent 的代表；大型多文件重构、代码库级理解的王者；被大量资深开发者选作主力
OpenAI Codex	OpenAI	终端 CLI	开源终端 Agent（Rust 重写，性能强）；与 ChatGPT/API 深度绑定；/goal 长时域任务、多 Agent 并行
Windsurf（→ Devin Desktop）	Cognition	IDE（VS Code 分支）	Cascade 结对编程体验好；2026 年 6 月已更名为 Devin Desktop，路线图有不确定性
GitHub Copilot	GitHub/微软	插件（各 IDE 通用）	老牌补全助手，覆盖面最广、上手成本最低；企业集成好
Cline	开源	VS Code 插件	开源自主 Agent，模型自由切换、MCP 生态成熟
Aider	开源	终端 CLI	轻量终端 Agent，git 集成好，适合脚本化
Zed	Zed	编辑器	性能极致，ACP 协议的推动者
Antigravity	Google	IDE	Google 的 Agentic IDE，与 Gemini 深度绑定
Devin	Cognition	云端自主 Agent	「AI 软件工程师」，云端独立完成整块工程任务

2.2 国内

工具	厂商	形态	定位与优势
Trae（含 SOLO）	字节跳动	独立 AI IDE	国内首个 AI 原生 IDE；SOLO 模式多智能体协同、白盒可监督；月活数百万
Qoder / Qoder CN（原通义灵码）	阿里	插件 + IDE + CLI	2026 年 5 月通义灵码更名；国产模型自由切换（Qwen/DeepSeek/Kimi/GLM）；企业合规强
CodeBuddy	腾讯	插件 + IDE + CLI	国内首款同时支持三种形态；混元+DeepSeek 底座；微信生态集成深；引入 Skills/Plan 模式
文心快码	百度	插件 + IDE	百度 Comate，中文场景、百度生态
Kiro	AWS（亚马逊）	独立 IDE	主打 Spec-Driven 规范驱动开发 + Hooks 自动化

2.3 选型流程图

---

三、开发范式

3.1 Vibe Coding（氛围编程）

• 提出者：OpenAI 联合创始人 Andrej Karpathy，2025 年 2 月；被《柯林斯词典》评为 2025 年度词汇。

• 定义：用自然语言描述需求，让 AI 直接生成/修改代码，人不再逐行审查、甚至不完全理解代码，「感觉对了就行」。

• 典型做法：下指令 → 点「全部接受」→ 报错直接贴给 AI → 修不好就绕过去。

• 优点：门槛极低、原型产出极快。

• 风险：技术债、安全漏洞、难以维护大项目。

• 适用：周末 demo、一次性脚本、验证想法。

3.2 Spec-Driven Development（规范驱动开发）

• 定义：先让 AI 写「规格文档」（需求 → 设计 → 任务清单），人确认后再写代码。

• 代表：Kiro 的 Specs 机制、Trae SOLO 的 Plan 模式、Claude Code/Codex 的 plan。

• 优势：解决 Vibe Coding「边做边想、反复返工」的问题，更可控、更适合工程化项目。

3.3 Agentic Engineering（智能体工程）

• 趋势：Karpathy 2026 年提出的新阶段——99% 的时间不再直接写代码，而是指挥、监督 AI 智能体干活，并加入审查与质量控制。

• 本质：Vibe Coding 的「进阶成熟版」——保留了自然语言驱动的高效，但补回了工程严谨性。

---

四、核心概念 / 热词

4.1 Agent（智能体）

• 定义：能自主规划、调用工具、多步执行、自我纠错的 AI 系统。区别于「你问一句它答一句」的聊天模型，Agent 是「给目标，它自己干完」。

• 关键能力：任务拆解（Plan）、工具调用（Tool use / Function calling）、记忆、循环执行（直到目标达成）。

• 在编程里：Claude Code、Codex、Cline 本质都是「编码 Agent」。

4.2 Skill（技能）

• 定义：把「一类任务的固定做法」沉淀成可复用的指令文件（如 SKILL.md），Agent 遇到对应任务时自动加载执行。

• 意义：让 AI 从「每次都重新摸索」变成「调用已知套路」，质量更稳定。

• 关联：Claude Code、CodeBuddy、OpenClaw、Hermes 等都已支持 Skill 机制。

4.3 Superpowers（超能力技能库）

• 定义：一个开源「技能包」（由 Jesse Vincent/obra 发起），给 Claude Code 等 Agent 装上一套结构化的工程方法论——brainstorming（头脑风暴）、TDD（测试驱动）、systematic-debugging（系统化调试）、writing-plans（写计划）等。

• 本质：把「资深工程师的工作流程」做成一个个可调用的 Skill，让 AI 干活时先想清楚再动手，而不是瞎写。

• 一句话：Superpowers = 「教你 AI 按工程纪律干活」的一套技能集合。

4.4 MCP（Model Context Protocol，模型上下文协议）

• 定义：Anthropic 发起的开放协议，标准化 AI Agent 如何连接外部工具/数据/API。

• 类比：「AI 的 USB-C 接口」——一个 MCP 服务器（如 GitHub、数据库、文件系统）可以被任何支持 MCP 的 Agent 复用。

• 地位：已成为事实标准，几乎所有主流 AI 工具都支持。

4.5 ACP / A2A（容易混淆，务必分清）

协议	全称	解决什么	类比
MCP	Model Context Protocol	Agent ↔ 工具/数据	AI 的 USB-C
ACP	Agent Client Protocol	编辑器 ↔ 编码 Agent	Agent 的 LSP（语言服务器协议）
A2A	Agent-to-Agent	Agent ↔ Agent 协作	Agent 间的「通信协议」

• ACP（Zed/JetBrains 发起）：让「任何 Agent 都能跑在任何编辑器里」。

• A2A（Google 发起，已捐 Linux 基金会）：让多个 Agent 互相通信协作。

• 注意：缩写 ACP 其实对应三个不同协议，编码语境下通常指 Agent Client Protocol。

4.6 小龙虾（OpenClaw）

• 全称：OpenClaw（曾用名 ClawdBot → Moltbot），因图标是红龙虾被国内叫「小龙虾/龙虾」。

• 作者：奥地利程序员 Peter Steinberger。

• 定位：本地优先、开源的自主 AI Agent 框架（TypeScript/MIT），被称为「AI Agent 的操作系统」——让 AI 真正在电脑上「动手」：操作文件、终端、浏览器，自主拆解任务、纠错、重试。

• 与聊天 AI 的区别：聊天 AI「动口」，OpenClaw「动手」。

• 风险：权限大、误判可能误删文件；Skill 供应链安全；算力消耗大。

4.7 Hermes Agent（「爱马仕」）

• 厂商：美国 Nous Research（2026 年 2 月开源）。

• 定位：终端原生、可「自进化」的 AI 编程智能体——口号「与你一同成长的智能体」。

• 四大特色：① 持久记忆迭代（跨会话记住项目/习惯）；② 自主任务拆解；③ 技能自我沉淀（自动生成 SKILL.md）；④ 安全沙箱。

• 对比：Claude Code「活在仓库里读写代码」；OpenClaw「记忆静态、技能靠手写」；Hermes「自己长出能力，越用越懂你」。

4.8 扣子（Coze）

• 厂商：字节跳动/火山引擎。

• 定位：零代码/低代码 AI Agent 平台（SaaS），拖拽式编排，上手最快（约 15 分钟搭一个 Agent）。

• 优势：插件生态丰富（800+）、一键发布到微信/飞书/豆包等渠道。

• 局限：不支持私有化部署，数据过字节云。

• 适合：业务人员/非技术用户、智能客服、内容创作、快速验证创意。

4.9 Dify

• 厂商：开源社区（GitHub 50k+ Stars）。

• 定位：开源 LLMOps / Agent 开发平台，API 优先、支持 Docker 一键私有化部署。

• 优势：RAG 引擎深度可调（混合检索、分段、Embedding 可换）、20+ 模型供应商、每个应用自动生成 REST API。

• 适合：需要私有化/数据合规、复杂业务逻辑、深度二次开发、嵌入自有系统的团队。

维度	Coze 扣子	Dify
类型	零代码 SaaS	开源 LLMOps
用户	非技术/业务人员	开发者/企业
核心	易用 + 生态分发	工程化 + RAG + 私有化
部署	仅 SaaS	可私有化

4.10 其他关键概念

• RAG（检索增强生成）：让模型「先查知识库再回答」，解决幻觉、私有知识问答的核心技术。

• AGENTS.md / CLAUDE.md：项目级「AI 记忆文件」，告诉 Agent 项目的规则、命令、约定。

• Function calling / Tool use：让模型能调用外部函数/API 的能力，是 Agent 的基石。

• Embedding / 向量数据库：把文本转成向量做语义检索，RAG 的底层。

• SLOP（Structured Output Protocol）：开源社区推动的「用 prompt 声明输出结构」的轻量协议，与 MCP 互补。

---

五、开发 AI 应用需要学什么

按优先级展开：

1. Prompt 工程（必学，门槛最低）：怎么写清楚需求、怎么给上下文、怎么让输出稳定。这是所有 AI 开发的「基本功」。

2. Function calling / Tool use（必学）：让模型能查数据库、调 API、操作工具——没有它模型只是个「聊天框」。理解 JSON Schema 定义工具。

3. RAG + 向量数据库（高频刚需）：私有知识问答、企业知识库都靠它。理解「分块 → 向量化 → 检索 → 拼进 prompt」这条链路。

4. Agent 框架（进阶）：LangChain / LangGraph（编排工作流）、CrewAI / AutoGen（多智能体）、或直接用 Claude Agent SDK / OpenAI Agents SDK 手写循环。建议先手写一个最简 Agent 循环再上框架，理解本质。

5. MCP（工程化必备）：会写/会接 MCP Server，就能把任何工具「插」进任何 Agent。

6. 评测与微调（高级）：用基准（如 SWE-bench 测编程 Agent）、构建 eval 集评估你的应用；必要时做 Fine-tuning（微调）或 LoRA。

一个务实的建议：不要一上来啃框架。真正的核心链路只有一句话——「模型 + 工具调用 + 循环/记忆」。手写一个小 Agent（10 分钟能跑通）比背 LangChain 文档有用得多。

---

六、其他值得关注的热门

6.1 网页/应用「一句话生成」类（Vibe Coding 的产物）

• v0（Vercel）：一句话生成 React 前端 UI。

• bolt.new（StackBlitz）：浏览器内一句话生成并运行全栈应用。

• Lovable：面向非程序员的「想法 → 可上线产品」。

• Replit Agent：云端一体化「从想法到部署」。

6.2 智能体/工作流框架

• LangChain / LangGraph：最主流的 LLM 应用与有状态工作流编排框架。

• CrewAI：多智能体「角色协作」框架。

• AutoGen / Semantic Kernel（微软）：多智能体对话/编排。

• Anthropic Agent SDK / OpenAI Agents SDK：官方 SDK，手写 Agent 循环的首选。

6.3 基础设施

• 向量数据库：Pinecone、Weaviate、Milvus、Qdrant、Chroma，以及 pgvector。

• 模型网关/聚合：OpenRouter、硅基流动 SiliconCloud（国内）、OneAPI。

• 评测基准：SWE-bench / SWE-bench Verified（编程 Agent 能力）、Aider Polyglot、LMArena（模型盲测排行榜）。

6.4 趋势性概念

• Agentic IDE：IDE 从「补全工具」升级为「可自主完成任务的智能体环境」（Kiro、Antigravity 等都主打这个概念）。

• 长时域 Agent（Durable Goals）：让 Agent 跨会话、跨中断持续干一个长期目标（如 Codex 的 /goal）。

• AGENTS.md / 项目记忆：把项目规则写进文件，让 Agent「懂你的项目」。

---

七、快速选型建议

几句话总结：

• 写代码主力：国外 Cursor / Claude Code，国内 Trae / Qoder / CodeBuddy。

• 模型「大脑」：编程+Agent 选 Claude；全能均衡选 GPT；多模态选 Gemini；性价比/中文/私有化选 DeepSeek、Qwen、GLM、Kimi。

• 搭应用：快速上线选 Coze 扣子；私有化/深度定制选 Dify。

• 后台数字助手：OpenClaw（小龙虾）动手能力强；Hermes（爱马仕）记忆/自进化强。

• 底层协议：MCP（连工具）、ACP（连编辑器）、A2A（Agent 协作）——分清三者是理解现代 Agent 生态的关键。