AI Coding 演义(一)：AI Coding 为什么不再只是插件

我认真开始用 AI 写代码，差不多也是 ChatGPT 爆火之后。
这几年一路用下来，从 Copilot 到 Cursor，再到后来的 Cline、Kilo Code，回头再看这些工具，会发现 AI Coding 的变化其实特别明显：它已经不是“帮你补两行代码”那么简单了，甚至于已经远远超脱了 Coding 的范畴，AI Anything。

想借这个时机，梳理总结一下自己经历过使用过的工具以及看法，仅以自己的视角来描述，必然会有很多的局限性与偏颇，但也能一窥 AI 演化的道路，供自己和大家作个参考。

我想先从 Copilot、Cursor 和后来的 Cline / Kilo Code 讲起，我们能看到 AI Coding 的演进，不只是模型升级，而是交互形态在变：从插件式辅助，到 IDE 级接管，再到成本与可用性的重新平衡。

一、GPT 一马当先，微软率先布局

不得不说，微软在 AI Coding 领域布局已久。2018 年收购 GitHub，2019 年投资 OpenAI，随后的 2021 年便发布了 GitHub Copilot，不过彼时仍没有这么大的影响力。
我真正开始关注 Copilot，也是在 GPT 爆火之后。到 2023 年前后，Copilot 的整体体验已经明显上了一个台阶，依托 GitHub 庞大的开源项目代码，在同时期产品中表现了惊艳的能力。其作为插件的灵活性，也让使用各种 IDE 的开发者都能很便捷地接触进而使用。

What is GitHub Copilot?

GitHub Copilot is an AI coding assistant that helps you write code faster and with less effort, allowing you to focus more energy on problem solving and collaboration.

GitHub Copilot 是一款 AI 编程助手，能助您更高效、更轻松地编写代码，让您将更多精力集中于问题解决与团队协作。

说实话，现在已经很难完整回忆当时具体都用了哪些功能了，但印象最深的大概还是这三点：

1. 智能补全更准了。 相比传统的自动补全，智能补全更准确，一次补全的也更多。
2. 可以先写注释，再让它补实现。 当时的 AI 编程能力还没有进化那么强，上下文关联能力也很弱。小型算法或者工具代码级别的生成尚能胜任，整个功能流程的实现还不大现实。
3. 和 AI 对话方便多了。 不用再去网页中找 ChatGPT 了，粘贴错误信息，与 AI 沟通交流变得更便捷，省去了切换窗口的复杂性，代码特化的 Copilot 也相对更专业，更有针对性。

此时，受到 ChatGPT 的冲击，全球最出名的程序员代码问答平台 Stack Overflow 已经到了危险的边缘。AI 编程进入主流 IDE 工作流，AI 编程开始挑战“古法编程”，我也在那时候慢慢从 IntelliJ IDEA 切了出来。

二、Tab, Tab, Tab

在大家都默认 AI 编程只是辅助，仅仅以 IDE 插件发布的时候，Cursor 站出来了，打破了 JetBrains 编程全家桶的霸权。

Cursor 是一款 AI 编辑器与编程助手。只需用自然语言描述您想要构建或修改的内容，Cursor 便能为您编写代码。

Cursor 最出名也是最好用的，莫过于它的 Tab 代码预测，在当时可谓是降维打击。当时的 Copilot 除了补全更智能一些、补全代码更多一些，其他的与传统补全并无太大区别，仅能在鼠标光标处给出提示；而 Cursor 会预测你任何有可能会修改的地方给出修改提示，你只需 Tab，Tab，Tab 即可，这对于修改字段尤为方便（再也不用检查代码一个一个修改了，也无须担心 mapper 文件之类的改漏字段）。

Tab 是用于自动补全的专用 Cursor 模型。你用得越多，它就会变得越聪明，因为你通过接受 Tab 或拒绝 Escape 的建议来传达意图。使用 Tab，你可以：

• 一次修改多行
• 自动补全缺失的 import 语句
• 在文件内及跨文件跳转以进行协同编辑
• 基于最近的更改、linter 错误和已接受的编辑获得建议

Cursor 的出现进一步拓展了 AI 编程的边界，此时已有很多略懂编程的跨界人士开始投入编程创作中来，借着 AI 带来的便利拓展自己的能力范围，网络也开始唱衰程序员，人人编程的时代似乎已经不远了。
如果说 Copilot 让我第一次觉得 AI 编程“能用”，那 Cursor 则让我第一次感觉，AI 开始主动参与修改代码，而不只是等着我在光标处触发它。

三、成本优先 - deepseek 时刻

很多人聊 AI Coding，只盯着能力上限，但对普通开发者和个人用户来说，成本其实会直接决定你能不能长期用下去。

GitHub Copilot 月套餐最低 10 美元，Cursor 月套餐最低 20 美元，除了无限试用大法外，是否有更实惠的 AI 编程途径呢？有的，2025 年初，DeepSeek 一炮而红，以其开源、思维链与绝对的性价比火爆海内外，随后的 DeepSeek-V3-0324 更是使得其成为物美价廉的一个选择。
配合着 Cline 系列插件的崛起，已经可以在极度廉价的选择下与 Cursor 掰一掰手腕。

Cline 系列

graph LR
    A[Cline] -->|forked| B[Roo Code]
    B -->|forked| C[Kilo Code]

Kilo Code 插件

Cline 系列最终还存活在我开发环境中的是 Kilo Code，它目前有几个不可替代的优势：

1. 虽然当前环境以 Claude Code 等为主，但是总归有一些便宜（或公益）渠道的接口不兼容，可以配置到插件中使用。
2. Kilo Code 可以一键生成 commit message，并且能指定生成的 prompt，也就是可以规定提交信息的格式等，我们也可以选择更便宜快速的模型去完成这一任务。
3. Kilo Code 使用了 RAG 技术，对代码预建立了索引，某些时候有奇效。
4. Kilo Code 也支持代码自动补全，经过几次迭代后限制了自动补全模型，使用得比较少。

所以直到今天，即使主力环境已经切到 Claude Code 一类工具，我还是会把 Kilo Code 留在环境里，因为它在兼容性、低成本模型接入和某些轻量任务上，依然有自己的位置。

除了 DeepSeek 本身便宜之外，插件的崛起离不开（当时）有着大量途径让我们免费（或者极低的价格）使用模型，经典的 OpenRouter（当时很慷慨，DeepSeek、GLM、Kimi 都曾长期免费，逐步收紧后，目前仅剩几款很鸡肋的模型），国内的 iflow、ModelScope 等，足够日常使用。

四、最后

AI Coding 从能用，开始往高性价比、好用两个方面不断发展，已经完全回不去“古法编程”的时代了，未来已来。

回头看这一段变化，AI Coding 真正改变的，不只是代码补全效果，而是它在开发流程里的角色。它先是插件，后来变成 IDE 的核心能力，再后来又开始在成本和可用性之间找到新的平衡。

我们熟悉的 Claude Code、Gemini CLI、Codex 等终端工具，也开始逐步登场，AI Coding 又进入了一个新的阶段。