夜雨聆风写在前面
AI Coding 交流群中最老生常谈的一个问题便是，大家都是订阅的什么工具，这个问题太频繁了，以至于我觉得有必要写一篇文章，如果愿意拿出 200 美元左右订阅 AI 工具，这笔钱到底该怎么花？
这事儿放在半年前，我可能会说：挑一个顺手的工具，买些额度就行。但现在我的答案变了。
AI 编程工具和通用 AI 产品在过去半年迭代得太快，已经不是简单的“买 Token”问题。尤其是 200 美元这个预算，对大多数个人开发者来说并不便宜，所以它必须同时回答两个问题：第一，能不能实实在在提升我的生产力；第二，能不能帮我建立对 AI 工具和工作流的判断力。
我觉得订阅几款头部产品至少有四层价值。
第一，是直接提升生产力。 这不是一个虚的理由。一个靠谱的 AI 编程工具，确实能帮你更快读懂陌生代码库、更稳地改跨文件需求、更省力地写测试、补文档、做调研。只要你每周有几次真实开发任务能被它加速，订阅费就不只是“尝鲜成本”，而是实打实的工具投入。
第二，是认知层面的更新。 AI 编程工具的变化速度非常夸张，每家的产品设计、Agent 架构、上下文管理方式都不一样。光看博客、发布会和评测，拿到的是二手信息；亲手用一个月，得到的是肌肉记忆。这种“知道”和“用过”的差距，在你和团队讨论方案、和客户聊产品、判断技术趋势时会立刻显现出来。
第三，是看看最先进的 AI 产品长什么样。 MCP、Skill、Plugin、Cowork、Spec Workflow、Harness Engineering 这些正在影响行业的新范式，很多都是 Anthropic、OpenAI 这类一线团队率先推出来的。订阅它们的产品，不只是为了多一个工具，而是为了第一时间摸到最新的产品边界。
第四，是看清 AI 当下的能力上限。 AI 时代选工具不是挑一把瑞士军刀，而是要在关键场景里用最强的那一档：写复杂代码看 Claude，做图片和多模态创作用 ChatGPT，做深度调研可以用 Deep Research，长任务自治可以看 Kiro。只有亲手体验过每家最强的部分，你才会真正知道当下 AI 能做到什么程度，否则很容易被零散评测或单个观点带偏。
所以下面这篇不是严格意义上的工具横评，而是我自己花钱、花时间订阅和使用之后的体感总结。按推荐顺序聊一下。
Claude —— 如果只能订一个，闭眼选它
写代码方面，Opus 4.6 / 4.7 是我目前用过最强的一档编码模型。代码理解深度、自主性、长任务纠错能力，在我的使用里都明显领先。
但只有 Opus 强还不够。产品能力本质上是“模型能力 × Agent 架构”的乘积。Opus 在第三方产品里也能用，可只有 Anthropic 自家最懂它的“脾气”：哪类任务可以放手让它跑，什么时候要收紧约束，上下文该在哪个时机 compact 才不丢关键信息，快溢出时怎么优雅降级。
模型对模型厂商是白盒，对第三方往往就是黑盒。这种默契第三方很难完全复刻。也因此，我宁可正经付一份 Claude 订阅，也不太愿意只在别的产品里“顺手用一下 Opus”。你拿到的可能是同一个模型，但发挥出来的效果不一定是同一个层级。
更重要的是它的“范式引领者”地位。 MCP、Skill、Plugin、Cowork、Claude Design 这些影响行业的新概念，很多都是 Anthropic 很早推出来的。这种“先做出来，再被全行业学成事实标准”的能力，在当前 AI 产品里非常稀缺。订阅 Claude 不只是订阅一个工具，也是在订阅“第一时间接触新范式”的机会。下次你和别人聊 MCP 时，你是已经用了一个月的人，还是只看过几篇文章的人，差别很明显。
而且 Claude 现在已经不只是程序员工具。Cowork 模式、Claude Design 把“AI 协作”的边界延伸到了产品经理、运营、设计师。哪怕你不是专业开发，也值得试试 Claude，因为它能让你看到一种更完整的 AI 原生工作台形态。
它的短板主要有两个。
一是订阅门槛。账号风控、KYC、支付方式、可访问性，都会影响稳定使用体验。如果你完全认可 Claude 的产品力，也依然要先确认自己能否稳定、合规地订阅和使用。 二是中文 native 程度差一截。我用 Claude Cowork 处理中文文档时，偶尔会出现一些不太自然的中文组合，读起来要停一下才能 get 到它想表达什么。最终交付的文档、邮件、博客，多半还需要自己再过一遍。
订阅方面，我个人使用的是老账号，支付渠道是海外信用卡。新账号可以根据所在地区和平台政策尝试官方支持的订阅方式。这里不展开任何绕路方案，核心建议只有两条：不要共享账号，尽量保持稳定、合规的使用习惯。
Codex —— OpenAI 的诚意之作
如果 Claude 暂时不适合你，Codex 是我会推荐的另一份订阅。
先插一句不太讨巧的观察：最近你可能也看到很多人在夸 Codex 好用。我认同它确实强，但也要警惕一个幸存者偏差：对很多人来说，Codex 是少数能稳定订阅、稳定使用、体验还足够完整的产品。这种可及性会天然放大它的口碑。所以我下面尽量把“能不能方便用上”和“产品本身强不强”拆开聊。
Codex 真正的杀手锏是全能。日常办公任务，比如搜索、写作、数据分析、生图，速度明显比 Claude 快，体验也更均衡。它不一定在每个垂直场景都第一，但作为一个常驻工作助手，它的综合体验非常扎实。
单说 gpt-image-2 这一项，就足以让 ChatGPT 订阅值回票价。 nano banana pro 已经足够惊艳，我原本不太相信图片生成还能继续拉开明显差距，但 gpt-image-2 的提升是肉眼可见的。如果你对生图有强需求，比如做文章配图、海报、架构图、产品 mockup，光这一点就值得认真考虑 ChatGPT 订阅。
本文的图片创作和文字创作，基本是 Claude + Codex 配合完成。我也借这次写作对比了一下两者的体验：在校准文字表达、扩写段落、处理日常中小任务时，Codex 速度明显更快，对中文表达和已有段落的修正也更顺手。写复杂代码时，我愿意为了更好的结果在 Claude 里多等一会儿；但在调研、生图、办公和内容创作里，Codex 的优势非常明显。
还有一个不太被强调的事实：Harness Engineering 这套方法论本来就是 OpenAI 自己总结出来的。 他们用 Codex + GPT-5 跑出了大规模工程实践后，才提炼出这套方法。换句话说，订阅 Codex 等于把 OpenAI 自己跑通的工程范式直接搬到你的工作流里，这是“产品和方法论同源”的优势。
坦白讲它的短板：GPT-5.5 的纯编码能力相比 Opus 4.6 / 4.7 仍有可见差距，上下文窗口的体感也差距很大。对我的工作流来说，GPT-5.5 在编码场景里最突出的优势是速度，但在复杂代码理解、长任务自治和纠错稳定性上，Opus 仍然更让我放心。
所以 Codex 在我这里不是主力编码工具，而是“通用任务专家”。Codex 处理调研、生图、办公和内容创作，Claude 或其他 AI 编程工具承担核心编码，这套搭配对我来说更舒服。
订阅方面，ChatGPT 的官方订阅渠道相对成熟。无论走 App Store 还是信用卡，都建议优先选择官方支持的方式，并保留必要的订阅凭证和账单信息。
Cursor —— 你可以不订，但你得用过
Cursor 是我心里最纠结的一个。
它的优点真的很多。AI Editor 时代很多被广泛借鉴的特性，最早都是 Cursor 涌现出来的：Cursor Tab（多行预测补全）、@ 上下文引用、Cmd-K 内联编辑、Apply Model（极速应用 diff）、Composer（多文件编辑）、Background Agent、Bugbot、Codebase Index。可以说，后来的很多 AI 编辑器都是站在 Cursor 肩膀上的。
它在 Agent 工程和产品稳定性上，是非模型厂商里最靠前的一档。很多细节会让人感觉这家公司是真的“产品至上”。
最近 Cursor 3 还做了一件挺重要的事：推出 Agents Window，把 Agent 任务从侧边栏升级为独立视图。前段时间业内对“IDE 已死”的讨论背后，其实是整个赛道意识到：面向 Agent 的工作台才是新范式。Cursor 在这一波判断上的果断，让我挺佩服。
但是，它的自研模型 Composer-2 食之无味、弃之可惜；而搭配的 Opus 额度又比较有限。
这里简单解释一下 Cursor 的额度结构：它把 Auto + Composer-2 和 Opus 4.7 拆成了两个独立的池子。前者在多数档位下都给得很大方，基本花不完；后者无论你订 Pro、Business 还是 Ultra，都可能很快见底。所以如果你订 Cursor 是冲着“稳定使用 Claude 模型”去的，大概率会失望。想长期高频用 Opus，还是要回到 Claude 自家订阅或其他更适合的方案。
结果就是：想用强模型，额度不够；想用它的自研模型，水平又没强到非它不可。Cursor 是一个所有人都能列出一百个优点、但很难找出一个“必须长期订阅它”理由的产品。
这其实是非模型厂商的结构性难题，不是 Cursor 团队不够努力。
不过我仍然建议所有开发者至少认真用一段时间 Cursor。你不一定要长期订阅它，但你应该感受一下它对 AI Editor 这件事的理解。很多后来被认为“理所当然”的交互，最早就是从这里长出来的。
Cursor 国内订阅非常友好，可以支付宝付款。
Kiro —— 长任务自治的最稳搭档
Kiro 是我会订、但不会订最高档的产品。
它最核心的能力是三阶段 Spec：Requirements → Design → Tasks，每一步都强制人类确认。这套工作流的细节，在所有产品里它做得最深入。每个版本迭代几乎都围绕 Spec 打磨：Design-First Spec、Quick Spec、并行 Task 执行，每一项都是真正深耕过 Spec 用户痛点之后的产物。
Spec 真正解决的不是“仪式感”，而是“对齐”问题。 现在的模型早就够聪明，Agent 写代码跑偏，根因通常不在编码能力本身，而在对需求的理解：你只是想要一个 POC，它给你造了个生产级工程；你只是想加一个开关，它顺手把半个模块都重构了。
Spec 强制在动手之前把“做什么、怎么做”对齐到位，避免后面写完代码再倒推需求的尴尬。Requirements 阶段还有个被低估的隐性价值：AI 会主动帮你把错误处理、空状态、权限校验、边界条件这些容易遗漏的项列出来。审一遍 Spec，本身就完成了一次结构化的需求梳理。哪怕你最后把一半条目删掉，这个思考过程也是赚的，Design 阶段同理。
本质上，Kiro 把 prompt engineering 和 context engineering 这件事产品化了，降低了门槛，代价是流程变重。
Kiro 的产品定力让我印象深刻。当其他家都在跟进 Agents Window、Multitask 和各种 UI 改造时，Kiro 几乎不为所动。它清楚自己服务的是“愿意为长任务投入设计成本”的用户，所以把全部精力都压在 Spec 工作流上。这种“我就做这一件事，但做到极致”的态度，在内卷的赛道里反而稀缺。
Kiro 还有一个隐形优势：它适合用较低成本跑 Opus 长任务。对“想用强模型处理长任务，又不希望高强度占用主力订阅额度”的用户来说，这点很有吸引力。
我的使用方式：白天用主力 AI 编程工具跑日常开发，遇到需要长时间自治执行的 Feature，比如改一个跨模块的大需求、做一次复杂重构，就睡前在 Kiro 上写好 Spec，让它夜里跑，第二天早上验收结果。每一次需要“睡前设计、醒来验收”的场景，Kiro 都是我的首选。
订阅方面，Kiro 的门槛相对高一些，支付方式和地区支持需要提前确认。建议先从较低档位试起，确定自己真的适应 Spec 工作流后，再考虑是否升级。
Qoder —— 国内开发者最应该认真试的 AI 编程工具
Qoder 必须单独好好聊一下。原因很简单：如果你是国内开发者，又想稳定使用全球 SOTA 模型做真实开发任务，它可能是目前综合体验最顺的一档。
很多人吐槽 Qoder 贵，这个感受我理解。但这里有一个很容易混淆的参照系：Qoder 不是在和 DeepSeek V4 这类高性价比国产模型比单次推理价格，而是在和“能稳定接入全球 SOTA 模型、还能把 IDE / Agent / 工程工作流一起做好”的产品比。
如果按前一个标准看，它当然不便宜；但如果按后一个标准看，Qoder 反而已经算便宜的。因为你真正买到的不是某个模型 API 的裸调用，而是一整套可以直接落到日常开发里的工程化体验：模型接入、上下文管理、代码库理解、任务执行、IDE 集成、国内可访问性，以及少折腾很多账号、支付和网络问题的确定性。
这也是为什么我觉得外部开发者应该认真试一下 Qoder。它不只是“国产平替”，更像是一个面向国内开发者工作环境重新打包过的 SOTA 编程工作台。
它的三个特点决定了它在国内开发者群体里的位置。
第一是形态很全。 Qoder IDE、QoderWork、Qoder CLI、Qoder JB 插件，VS Code 党、JetBrains 党、终端党、非开发者，都能找到一款适配自己工作习惯的形态。这种产品矩阵在主流 AI 编程工具里并不常见，很多产品通常只押注一种形态。
第二是接入顺。 对国内用户来说，很多海外 AI 产品最大的问题并不是“不好用”，而是“能不能稳定用”。账号、支付、网络、地区支持，每一项都可能变成成本。Qoder 这类面向国内用户优化的工具，核心价值就在于把这些摩擦尽量抹平，让你把注意力放回代码和任务本身。
第三是性价比要放在正确坐标系里看。 如果你的需求只是便宜地调用模型，那确实有很多更低成本的选择；但如果你的需求是“稳定使用全球第一梯队模型来完成真实工程任务”，同时还希望产品形态、Agent 能力和国内使用体验都在线，Qoder 的价格并不离谱。很多时候，真正贵的不是订阅费，而是你为了省订阅费付出的折腾成本、等待成本和失败成本。
我个人主力用 Quest 模式。最近 Qoder 1.0 把 Quest 独立视图上线后，使用体验顺了很多。
Qoder 也有短板。和 Cursor 一样，它要面对非模型厂商的结构性问题：最前沿的范式通常会比 Claude Code 慢一两个月，虽然它已经是第三方里跟进很快的一类；Quest 在 IDE 内也还没有完整替代 Kiro 那种三阶段 Spec 的体验。
所以我最近的编码工作流大致是：Qoder 兜底日常开发，Claude Code 在前沿范式和复杂任务里承担更重的部分，两者互补，不是替代。 如果只能给国内开发者一个务实建议，我会说：先把 Qoder 当成主力开发工具认真用一段时间，再去横向比较 Claude、Cursor、Kiro，你对“AI 编程工具到底该怎么服务日常工程”会有更清楚的判断。
如果你的团队已经有 Qoder 或类似企业版 AI 编程工具，那它很适合作为日常生产力底座；如果你是个人开发者，也值得至少开一个周期认真试试。它未必取代所有海外产品，但在“国内可用 + SOTA 模型 + 工程化体验”这个交集里，Qoder 是少数真正值得推荐的选择。
插曲：聊聊我为什么主用 Claude Desktop 而不是 CLI
前面几款工具都过了一遍，最后想单独留一段：Claude Desktop 和 Claude Code CLI 之间，我为什么主用 Desktop。
很多人认为 Claude Code CLI 才是 Claude 写代码的“完全体”：能力最丰富、定制空间最大、命令最全。这一点我完全认同。但落到我自己的日常工作里，我反而更习惯用 Claude Desktop 里的 Code 形态。
最直接的原因是多会话管理。一个项目里同时跑 3-5 个 Agent 并不稀奇，重构、写文档、调 bug、改测试可以并行进行。Desktop 的会话切换比在终端里开多个 tab 直观很多，每个会话跑到什么状态也一眼可见。
产物预览也是质变。写一段 SVG、HTML、Mermaid，右侧可以立刻渲染，不用切到浏览器或另存为文件再打开。做架构图、出 demo 页、调样式时，这种体验和 CLI 完全不是一个维度。
多模态输入也更顺：截图直接拖进对话框，PDF 直接附件解析，设计稿直接喂给 Agent。CLI 里这些不是不能做，但通常要绕一圈。Claude Cowork 的 SVG 流式传输 + 动态渲染就让我很惊喜，原来 AI 产品还可以这样设计。
认知负担也更低。 不用记命令，不用配 alias，不用在 terminal session 间切换。“打开应用 → 说话 → 看结果”，这种心智模型对非纯工程时间特别友好，比如写文档、跑调研、做规划。还有一点容易被忽略：Chat、Cowork、Code 三种形态在同一个客户端里共存。从聊一个想法，到让它跑起来，再到看产物、继续追问，整个链路在一个窗口里闭环，不会被“切应用”打断思路。
CLI 当然有不可替代的场景：CI/CD 流水线里跑 Agent，远程 SSH 进开发机干活，写脚本批量自动化，这些都更适合 CLI。但对于绝大多数“人坐在电脑前主动思考”的场景，Desktop 的产品形态是更对的答案。
我也建议大家至少体验一下 Desktop。原因不只是好用，更因为它是当下你能接触到的最完整的“AI 原生产品设计样本”之一。
未来一两年，几乎所有应用产品大概率都会以自然语言对话为入口。但同样是一个对话框，怎么组织上下文，怎么呈现产物，怎么在不同形态间切换，怎么把 Agent 任务从对话里剥离出来独立跑，怎么管理跨会话记忆，怎么把工具、技能、插件挂载进对话，这些设计决策会直接决定产品天花板。
Desktop 把这一整套思考都摆出来让你直接用，比看十篇博客都更有体感。做产品的同学尤其值得亲自体验一遍，这是当下最值得学习、也最值得反思的产品设计样本之一。
我的 200 美元最终方案
讲了这么多，我不打算给一个精确到月费的分配表。每个人的工作流不一样，照抄别人的清单意义不大。但有两个我自己比较笃定的判断可以分享。
第一，先给自己找一个稳定的日常开发底座。 如果你还没有稳定可用的 AI 编程工具，我会建议先认真试 Qoder。原因前面已经说过：在“国内可用 + SOTA 模型 + 工程化体验”这个交集里，它是很少数真正能直接进入日常开发的选择。别只拿它和便宜模型的裸 API 价格比，那个参照系不对。
如果你已经有一个稳定可用的日常 AI 编程工具，无论它是 Qoder、Cursor、Claude Code，还是团队提供的企业版方案，那这 200 美元的使用方式就可以更灵活：一部分继续投向最常用、最能提升效率的主力工具，另一部分拿来短周期试新产品。前者保证生产力回报，后者补足认知更新。
也别把预算全部花在“我已经熟悉的产品再续费一年”上。宁可在保留主力工具的前提下，短周期、多家轮着订，也比闭着眼睛吃满一家更划算。这笔钱既是工具成本，也是学习成本：它既要帮你更快完成今天的工作，也要帮你看懂明天的工作流会变成什么样。
第二，如果非要让我给一个自用组合，那就是 Qoder + Claude + Kiro。 Qoder 负责日常开发底座，胜在稳定、顺手、少折腾；Claude 负责“模型最强 + 范式最前沿 + 产品设计最值得学习”，是日常脑力激荡和复杂任务的主力；Kiro 负责“睡前设计、醒来验收”的长任务专项，跑那些我不想白天盯着的大需求。
Codex、Cursor 我也会按月轮订体验，但稳定保留下来的会是 Qoder、Claude 和 Kiro。它们之间的能力是互补的，不是替代的：Qoder 提供日常工程确定性，Claude 提供前沿范式和强模型体验，Kiro 提供 Spec 和长任务自治。
Gemini 可以放进体验清单，但我暂时不会优先为它单独开会员。 这不是说它不好用，恰恰相反，我一直在用 Gemini 的 Deep Research 和 NotebookLM。尤其是 NotebookLM，把 PDF、网页、视频字幕扔进去之后，它能生成播客式双人音频总结、思维导图、引用回链精准的问答，做深度学习和调研的体感非常好。
Gemini 本身的大上下文、原生多模态、视频和音频理解，也都是很强的结构性优势。只是对我目前的工作流来说，这些场景用免费额度已经基本够用，还没有强到让我必须单独订一份 Gemini 会员。
所以我的建议是：先把 Gemini 当成“一定要试、但不一定要订”的产品放进清单；如果你日常重度处理长文档、视频音频、深度调研，再考虑把它升级成付费订阅。
至于具体怎么搭、订哪一档，还是按你自己的工作节奏来。我能给的只是一个思考框架，不是购物清单。
写在最后
我对 200 美元这件事的看法，本质上不是“买 Token”，而是同时买两样东西：一是当下真实可用的生产力，二是面向未来的学习预算。
生产力这一层很现实：它要帮你更快写代码、更快读代码、更快做调研、更快把想法变成可交付产物。学习预算这一层也同样重要：Token 会越来越便宜，模型也会不断下放，但亲手体验最前沿 AI 产品设计、最先一步的范式迭代、最强一档的模型能力，这些东西没有太多替代渠道。
我的建议很简单：如果你愿意认真用，就去订。 订完之后别只拿来问几个问题，至少认真用一个月：写一段真实代码，做一次真实调研，改一篇真实文章，跑一个真实需求。只有这样，这笔钱才同时配得上“生产力工具”和“学习预算”这两个名分。
至少对我来说，这半年最大的收获不是多写了多少代码，而是更清楚地看见了“AI 时代的产品”正在长成什么样。
