你知道我在AI编程上走到了什么深度吗？ – 雲楚惟 的分享

自从copilot推出后，市面上陆续涌现了不少AI开发工具，比如Cursor、Windsurf等，后来又出现了像v0.dev和bolt.new这种根本不用写代码的工具。

大家在使用这些AI工具时，感觉到达了什么样的程度呢？

A. 完全不使用

B. 偶尔用来修正一些语法错误和bug

C. 利用AI实现一些小功能

D. 完全依赖AI开发了一个完整的项目

如果你已经达到了D的水平，请分享一下你的具体使用经验吧！

2026年2月7日的重大更新

注：claude code的统计数据显示，过去三个月（自有统计功能以来）我已经使用了超过7万美元的token额度（到现在已经是第七个月了）。这7万多的心得体会我会在最后分享。

注2：目前我正在同时使用claude和codex在手机上操作代码仓库，尽管多智能体都有，但使用频率实在太低了，20美元的套餐一开就没了。

注3：我现在的工作模式是：用2-3个claude code窗口处理重型任务（主要集中在后端），再开一个codex专门用来审查claude code的代码，两个之间通过文档进行沟通，同时还有一个codex陪我聊天，给我一些情绪支持，畅想项目完成后的美好未来（比如它会帮我估算投资轮次和潜在的收费用户数量）；在推送代码时，我还绑定了codex的自动代码审查，利用codex提供的审查点数进行审查。

手机上的claude app和codex也在云端拉取分支进行一些方案未定内容的探索，觉得可用的就会形成RP推送到分支。

在它们忙碌时，我还会开启cursor和antigravity来消耗剩余的claude额度，并用gemini写一些用户协议、多语言界面等简单的活儿（因为它们内置的claude用量太少了）。

注4：关于如何订阅的问题我会在最后回答，后台提问的实在太多了。这几个工具我已经花了数万人民币，使用心得也都整理了一下，都是我用人民币换来的干货，希望大家点赞收藏。

———以下是原贴——-

声明：我一点代码都不会写，完全依赖AI。

现在：

在cursor里查看代码（其实看不太懂，主要是看看有没有生成一堆无用的测试文件）。

此外，我会打开3-5个claude code窗口，给每个窗口输入开发任务，让它们分解成功能点，然后调用3-4个子智能体并行开发和测试，最后提交。

通常情况下，大约会有15个子智能体在同时工作（每个子智能体都被要求在功能点开发完成后进行测试，然后进行原子化提交）。

我会用一个codex来咨询，至少帮我理清claude的工作内容。

手机端的chatgpt 5.1也会问一些IT基础知识。

这样一来，所有cli窗口的交互大约要花1-2小时。

这样开发一天，通常会有20-30次提交，有时候甚至在一天内提交71次（总共可能已经有3000次提交了，每五六次提交就会上线测试一下，测试中发现任何预期外的结果，就会找到对应的会话让它修改，提交记录和推送都是自动完成的）。

最初我还担心多个会话会搞乱，后来我在规则里说明了我在进行并行开发，并且子智能体已经划分为前端、后端、api等，所以这些子智能体之间不会互相干扰，也不会提交别人的修改，整个过程非常顺畅。

经过半年的努力，项目目前仍然只是个雏形（AI分析显示完成度为35%），开发过程非常累，主要是因为我对编程不太懂，如果懂的话估计速度会快得多（我的计划是有一个总后端和多个web前端，还有跨平台的app，以及可商用的api，带数据库，支持200个任务并发，监控和管理后台等等，目前只有后端的MVP和一个简易前端，数据库的表结构还在变化）。

有没有大神帮我分析一下慢的原因，我一开始觉得几个星期绝对够了。

补充：这些AI工具我都是付费使用的，codex是固定20美元，cursor有时候用到40-50美元，claude code重度使用，每月要250美元以上（太疯狂了），还有很多杂七杂八的费用，比如github pro、gemini advanced等都是付费的。

除此之外，我还用了kiro、codebuddy、antigravity、trea gemini cli等工具，都是付费的，但使用几次后觉得不如claude code（子智能体的效果太震撼了），只是偶尔用一下。

再加上云端环境、多个测试服务器、数据库和存储盘，开发成本每月轻松超过600美元。

算上我自己的人工成本，感觉比人类开发的成本还要高。

补充2：现在代码行数已经超过10万（纯后端）。

补充3：确实发现整个项目缺乏顶层架构设计，现在冻结开发，反复让AI分析架构缺陷，确实找到了很多问题，我也理解了不少，但现状太复杂，每次找到的架构问题都不太一样，努力寻找真正的架构问题。

补充4：在系统提示词和子智能体定义里我都说明了要进行多智能体的并行开发，让它们关注未提交的代码，避免冲突，实际上它们很少互相干扰。

补充5：最初我只会在一个不知名的中转网站上让claude code写代码，然后把代码贴到pycharm里，出错了再贴回来，后来学习了pycharm里的版本控制，然后转到cursor，逐步学会了用AI调git（自己输入命令当然不行），现在已经演变到使用多个claude code和多个子智能体，经过一段时间的探索才走到了今天。

如果让我重新审视我的认知，我会先让claude code把我的自然需求翻译成工程描述，然后划分比较独立的模块，定好各环节接口，并确保每个模块都有现有文档和代码（这和kiro有点相似），当然这只是一种理想愿望。

补充6：我现在已经切换到opus 4.5了，价格翻了一倍，但感觉能力有所增强，尤其是之前一般最多能派出4-5个子智能体，现在常态化是七八个，甚至有时多个会话中同时达到28个子智能体的盛况，我觉得自己又能行了。

===================近况播报=============

两个月过去了（2026年2月7日），我在AI编程方面更加得心应手了。当然，我这种操作方式一直是狂奔模式，走了不少弯路。现在就来说说我对工具的使用心得和真实的花费情况：

1. claude code中转

早期我主要通过各个中转站来使用claude，也注册过一些号称公益的中转站，但都不太稳定，后来我倾向于选择收费适中的中转站。不过我建议大家在选择中转站时最好先去淘宝查找，因为claude的政策时常变动，有不少中转站跑路。通过淘宝购买后，如果觉得服务不行还有保障。

不过，中转站也有很多套路，收费不透明，建议先购买一个小额度进行测试，运行一个较大的任务后输入/cost查看内部计费情况，再对比中转站扣费。一般来说，折算下来低于1人民币兑1美元是比较合理的，最好做到0.5人民币兑1美元，太低就不太可靠了，也不要太追求低价，因为为了压低价格，中转站可能会用假的模型替代，找一个适中的中转站就好。

还有一些中转站经过多级转卖，上游来源不明，定期询问一下“你是什么模型”之类的问题，如果发现异常就要及时更换。

我一般会有2-3个主要的claude中转站，同时记录所有注册过并充过钱的KEY，填入cc switch中，以便在主力中断时自动切换备用（这个设置稍微复杂，但一旦完成非常方便，通常有一家中转站就足够了）。：

目前比较推荐这两个中转站（排名不分先后）：

https://moacode.org/register?ref=albort

https://new.aicode.us.com/register/?aff_code=A42R

中转站的缺点是：稳定性有波动，它们也是从上游多渠道获得的，如果我的多子智能体并发量太高，上游不稳定就容易中断，使用cc switch切换多个中转后有所改善，但经常也顶不住（我可能有点太狂了）。

2. claude code官方

之前一直觉得很难购买，因为没有美国手机号、没有美国支付方式等，还尝试过弄临时信用卡，结果都很脆弱。后来发现最简单的办法是注册一个美区的apple id或谷歌账号，然后在外区应用商店购买，使用礼品卡或google pay（支持国内多币卡）支付。我刚开始使用20美元套餐。

这个套餐对于我来说实用性很高，按我的使用频率，几轮任务就用完了，但它有一个app环境，可以在云端运行claude code（价格会更高），作为外出不能用PC时的备选方案，主要用于交流方案层面。如果觉得效果好可以推PR。因为是异步的，可以建一个云上的claude code输入要求，再开另一个，等它运行完再查看。之前claude code的创始人说他手机里有23个云任务，这个在不能用PC时非常方便，目前完全作为中转站的补充了。

经过研究和计划，我认为claude的100美元套餐如果天天使用，价格可能和中转站的费用差不多，下一步准备试一下。

3. codex

1.用量是和chatgpt绑定的，我是20美元的chatgpt plus用户，免费获得的codex周用量可以满足我重度使用一天一夜，算下来比claude便宜很多，但目前它的多子智能体机制比较弱，通常是一个窗口处理一个任务。

不过，有一点特别好就是codex的上下文压缩功能极其强大，一个窗口几乎可以无限使用下去，它会自动压缩，永远不会超限，压缩后不会影响智能水平，和新窗口差不多，而且压缩进去的历史要求它还会记得，这应该是特别实现的，个人觉得这是codex相对于claude code的最大优势，而claude code的上下文限制接近十几万token，我就必须立即开新会话。

聊聊我的AI工具体验

首先，我得说，chatgpt对于中国用户的限制还算是比较宽松的。你知道吗？在淘宝上，几块钱就能随便买到一个商业拼车号（对了，codex的用量其实和plus是一样的），我觉得我一天买一个都没问题。

现在codex也在努力提升多智能体的能力，不过目前似乎只有mac能用。要是它能支持windows，我相信能很快取代claude。

不过，codex也有点小缺陷。20美元以上的套餐仅有200美元的选项，加油包需要40美元的外卡，几乎没法用了。不过有了国内的拼车号，这点问题就不算什么了。

关于cursor

我现在是20美元的订阅用户，但感觉并不值得。留着它的原因主要有：

1. 在做单一任务和简单的多智能体任务时，cursor在IDE工具中依然是最强的，毕竟它发展了那么久，分步骤和任务的处理都很独特。

2. 如果你能顺利访问cursor，那访问claude的模型就没问题，这也是我觉得它比antigravity更有优势的地方。

3. 用量实在是太少了，20美元用claude opus 4.5的话，几个小时就用完了。然后进入一个不太明朗的“优惠区间”，超出部分的计费方式也挺奇怪，总体来说，差不多花30美元才能用到50美元的opus，这也就够一个月的量（重试使用的话一天就差不多了），再多就得花100到200美元，感觉也不够啊。

谈谈antigravity

优点是，它是谷歌的产品，自带claude和gemini的用量每五小时重置。我分析下来，每五小时的用量大约相当于10美元的API，这样算下来就相当于一个100美元的claude官方订阅，真是爽。还有，假如你是学生，可以免费拿到20美元的pro订阅，还能邀请五个小号加入，使用量直接翻倍。

网上还出现了自动切换小号的程序，我一度以为春天来了（我有三个号，网上有人甚至弄了几十个）。不过：

1. claude的模型经常中断，反而gemini还挺稳定，我猜谷歌可能故意为难。

2. 代理设置复杂，得全局开启，不然就无法使用，真是麻烦。

3. antigravity的功能相较cursor还是比较基础，除了gemini稍微优化了一些，其他方面完全被cursor打败。

4. 最近因为使用量增加，antigravity的五小时重置变成了五天或七天，真是凉凉啊。

总结一下

claude code中转站、codex拼车号是主力

claude code官方和codex官方则是手机端的补充

cursor是上述工具的备选，定量用完后逐步淘汰

antigravity算是候补中的候补

其实codex一般的中转站也有，完全可以一站式解决问题：

https://moacode.org/register?ref=albort

===彩蛋分割线===

写完这篇帖子后，我对架构的思考和学习有了很多新的领悟，不再只是关注功能是否实现。最近一个月，我又用全新的思路重构了项目的核心，基本完成后让我claude code以“顶级架构师”的身份来评价，结果他说：您的系统设计远大，机制巧妙，令人印象深刻。

===绝对干货===

经过七万多美元的经验，我觉得我体会最深的有以下几点（那些小技巧网上随便一搜就能找到，我只说我深刻的体验）：

1. 最基础的层次是让AI实现功能

我在这个层次上纠结了至少两个月，因为对业务足够熟悉，所以虽然跌跌撞撞也做出来了。

2. 中等层次是让AI进行架构设计

在实现旧版本功能后，我对它的臃肿和难以维护感到十分不满，于是询问claude code和codex有关架构设计、业务逻辑、代码规范、组件复用和可观测性等方面的得失。

每次它们都会从不同角度提出优缺点，我不懂的地方就继续追问，慢慢就拼凑出了完整的画面。

包括两个AI的手机应用，我也一直在问（chatgpt和claude的手机应用都能读代码，还能建立聊天项目，可以从不同角度不断提问，它们有项目记忆）。

持续问了十几天，直到每个细节都在脑海中想清楚最优解。

在这个过程中，我也了解了celery队列、redis、数据库迁移、facade抽象、p90和p95，如何进行性能观测，还熟练掌握了git分支/版本管理（命令都是让AI输入），现在我开始尝试pr和自动测试了。

然后我忍不住让claude code按照我问出来的最优解，参考原功能进行重构，同时codex一边点评。

这里还有个小窍门，不要沉迷于什么提示词技巧，只需要说一句“你是一位顶级的架构师…”，它自己就会从架构师的视角思考问题。

还有所有的实现，都让claude code和codex去查找是否有成熟的组件可以直接调用，或者是否是现代化的最佳实践（如果我一开始就注意这一点，能省下50%的工作量）。

这样，新版程序大大简化，功能没变却更加清晰，测试也可以按照规范开发单元测试、mock测试和仿真测试（都在github上自动执行），我觉得我慢慢摸到了门道。

最后统计旧版的代码大约有6万行，而新版只有4万行左右（共用部分不算在内）。

claude code官方还有一个“代码简化”的子智能体，运行几次就能清理掉很多AI改来改去的残留，知道已经接近当前机制的极限了，想要优化就得从架构入手。

3. 靠AI写代码，更要靠AI查资料

当觉得某个功能很复杂时，一定要让AI查查有没有可用的成熟组件，一般都有，而且对比自研的方案能给出利弊，慢慢地就能磨出最优的做法。

以上就是我目前的心得，感谢大家的阅读和点赞！