2026 AI编程助手现状:HN程序员们到底在用什么

官方宣传和程序员真实反馈往往两回事。

hnup.date/hn-sota项目收集了HN上关于AI编程工具的真实讨论。每日流程：从HN API获取200个热门帖子，用LLM筛选出关于LLMs/coding的帖子（最多50个），然后用Gemini分析每个帖子评论中的模型提及和情感倾向。结果记录到Google Sheet供审计。10天滚动聚合数据（2026/4/25-2026/5/3）追踪模型提及数和用户情感。

这套方法的好处是透明：每个模型提及都记录了评论ID，可以在HN上打开对应评论查看原文。可以审计整个分析过程。

不过我得先说清楚：这项目的核心价值是数据收集方法论，不是某个模型的具体提及数。因为数据来自LLM分析HN帖子，HN本身的帖子量级和抽样方式决定了数据不会是全量统计。所以下面的横评更多是”HN上讨论了什么”，不是”HN上多少人说好或坏”。

模型横评：Claude/GPT/Gemini的口碑特点

先说清楚，这些观察来自HN帖子中的讨论模式，不是精确统计。

Claude系列在HN上的讨论集中在reasoning能力和code quality。程序员欣赏其思考过程和代码输出的可读性。Sonnet版本被提到时往往和”速度与能力平衡”相关联。

GPT-4系列的讨论中，”快”和”知识面广”是高频词。但在复杂代码理解相关帖子下，hallucination的抱怨也时不时出现。评价两极：有人当主力，有人只做快速原型。

Gemini在代码任务上的HN讨论相对少，但长上下文处理和多模态能力被部分程序员提起。用Gemini做大型代码库阅读的用法在相关帖子下能看到。

Harness框架：Cursor/Windsurf/Copilot的讨论模式

Cursor在HN上被讨论时往往和”AI-native IDE”这个标签绑在一起。不是给传统IDE加AI，而是从第一天就为AI协作设计。Cmd+K workflow和composer模式在讨论中出现频率较高。

Windsurf作为VS Code fork的讨论保持了兼容性这个维度。部分程序员prefer是因为上手快，不需要改变已有的VS Code使用习惯。

GitHub Copilot的讨论量不小，但评价比较微妙。普及度高是事实（几乎所有developer都有接触），但”只是autoregression”、”没有真正的reasoning”的表达在讨论中也能看到。部分程序员把它当作快捷工具而不是主力。

自托管趋势：HN上讨论的几个原因

自托管在HN上是个持续话题，不是一个新趋势。

讨论中提到比较多的原因：隐私/机密代码不想发给第三方API；本地模型可以给更大的context window（完整代码库加载）；大规模使用时的成本对比；有些公司不开放外部API访问。

Ollama在相关讨论中出现频率较高，作为本地模型运行方案被提起。CodeQwen、CodeLlama、DeepSeekCoder是编程专用本地模型讨论中常被提到的名字。

本地模型的局限性HN程序员也讨论过：同等参数规模下和API模型的能力差距、GPU资源需求、自己管理更新和安全patches的成本。

诚实说数据的局限

我得说清楚这个分析的数据局限。

第一，这是HN帖子中的讨论模式分析，不是精确的问卷调查或使用统计。讨论多的模型不一定用的人多，HN用户群体也不能代表所有程序员。

第二，sentiment分析是LLM做的，有误差可能。Google Sheet虽然记录了sentiment评级，但具体某个模型的评价是正面还是负面，取决于HN帖子本身的语境。

第三，讨论模式随时在变。10天滚动聚合只是一个切片，2026年的模型格局可能和现在不同。

工具选择的原则

HN程序员讨论工具选择时关注几个维度：实际项目中的表现（不是benchmark）、API稳定性、与现有工具链的集成度、团队协作时的共享context。

没有银弹。最好的AI编程工具是适合你的技术栈、工作流和团队配置的那个。不同任务用不同工具是常态。

留个问题

你现在用的是什么AI编程工具？HN上的讨论和你实际使用体验一致吗？