夜雨聆风这周我决定做一个实验：用同一个任务，分别喂给 Cursor、GitHub Copilot、Windsurf 和 Claude Code，看它们各自怎么解题。
01 实验任务
一个中等复杂度的后端小需求：用 Python 写一个 Markdown 文件的元信息提取 + 批量重命名脚本。
要求：
递归扫描目录 提取 frontmatter 中的 title 和 date 按 date-title.md格式重命名支持 dry-run 模式预览 冲突检测，重名文件自动加后缀
选中这个任务是因为它不简单也不极端，很接近日常工作中"让 AI 帮忙干掉的脏活"。
02 Cursor：最像人类同事的那个
评分：8.5 / 10
Cursor 是我目前的日常主力，所以测试结果本身有先发优势——我已经熟悉它的行为模式。
表现：
我打开一个干净的 workspace，在 Composer 里用自然语言描述了需求。Cursor 在第一次生成时就给出了一个接近可用的版本，frontmatter 解析用了 python-frontmatter 库而不是手写正则，这个选择让我很舒服。
代码结构分成 4 个函数：scan_files、parse_frontmatter、build_new_name、main。逻辑拆得合理，不是那种把所有东西塞进一个 200 行函数的写法。
翻车点： dry-run 模式它实现了，但输出格式体验一般——只打印了 old -> new，没有高亮冲突项。我追加了一句"冲突时在预览中用红色标注"，它立刻改了。
最大优势：
- 上下文感知极强
：它知道我的项目用 uv 管理依赖，自己加了 pyproject.toml - Apply 功能
：diff 级别修改，不像别的工具整段重写 - 多文件编辑
：同时改了脚本和 README
最大槽点： 贵。Pro 版 $20/月，而且免费版限制太多，基本逼着你付费。
03 GitHub Copilot：靠谱的老实人
评分：7.5 / 10
Copilot 最近一年升级很快，尤其是 Chat 模式和 Agent 模式。我同时在 VS Code 和 Neovim 里各测了一次。
表现：
在 VS Code 里用 Agent 模式，Copilot 的规划和执行明显是稳健路线。它没有像 Cursor 那样直接上来写代码，而是先问我："扫描深度是否限制？递归是否跳过隐藏文件和 .git 目录？"这种确认行为老程序员应该会喜欢。
代码质量不错，但它选择手写 frontmatter 解析而不是用库。不算错，但不够聪明——它没有问我"用现成库还是手写"，直接走了更原始的路。
翻车点： 第一次运行时，dry-run 模式下它也创建了目标目录的空壳。这是逻辑 bug，不是语法错误，说明它对这个场景的理解出现了偏差。修复需要我把错误信息贴给它才改对。
最大优势：
和 VS Code 的集成度最高，补全体验丝滑 Workspace 索引让它在大型项目中更准 团队协作层面优势明显
最大槽点： Agent 模式偶尔过度谨慎——改一行代码可能会输出 4 段解释文字，像是在写技术文档而不是干活。
04 Windsurf：被低估的黑马
评分：8 / 10
Windsurf 的前身是 Codeium，这两年变化很大。我用的是 Windsurf Editor + Cascade 模式。
表现：
这个工具让我意外。它的 Cascade 模式在意图理解上表现突出。我给的 prompt 是口语化的："帮我把一个文件夹里所有带 frontmatter 的 markdown 文件重命名成日期-标题的格式，顺便加个预览功能。"它几乎没有任何追问，直接出手。
代码质量也很能打：用了 pathlib 替代 os.path，类型注解完整，docstring 也写了。这个细节说明它的训练数据质量或者 RLHF 偏好做得到位。
翻车点： 冲突处理的逻辑有边界 case 遗漏：如果一个文件重名两次，第二次的自动后缀会覆盖第一次的重命名结果。这个 bug 我花了 10 分钟排查——AI 写的代码，debug 成本并不会消失，只是转移了。
最大优势：
意图理解是四个里最强的，口语化也能准确执行 代码风格现代化， pathlib/ type hints 都用得很自然价格有竞争力
最大槽点： 生态相对小。插件市场、社区资源、教程都比 Cursor 和 Copilot 少很多。遇到问题能搜到的解决方案有限。
05 Claude Code：博学但话痨的研究员
评分：7 / 10
Claude Code 是 Anthropic 官方出的 CLI 工具，在终端里跑。交互方式和前三个完全不同——纯文本对话，没有可视化 diff。
表现：
Claude Code 的第一步是系统分析。它先列出了一个执行计划：确认 Python 版本、检查项目结构、列出依赖。这个行为很像一个严谨的工程师做 code review 前的准备。
代码写得非常工整，甚至有单元测试。对，它自己主动写了测试用例，这件事让我心情复杂——一方面觉得被尊重了，另一方面觉得你先把功能搞对再写测试行不行。
翻车点： 它在运行脚本前问了我三次"准备好了吗？"第三次的时候我直接打了"JUST DO IT"。它的确认癖在整个测试过程中反复出现，修改一行引号也要问你。
另一个问题是速度——每次对话轮次都慢半拍，尤其是涉及到文件操作时，感觉它在深思熟虑人类存在的意义。
最大优势：
代码质量极高，架构意识强 主动写测试，适合对质量有要求的项目 长上下文处理能力强
最大槽点：
啰嗦到令人烦躁 纯 CLI，没有可视化 diff，不符合大多数人的习惯 API 调用量算下来比 Cursor 月费贵多了
06 横向对比总表
07 我最后的结论
日常主力选 Cursor。虽然贵，但"Apply + Composer + Tab"这套组合拳的效率提升是实打实的。如果你是个人开发者且预算有限，Windsurf 是性价比最优解，能力跟 Cursor 差距不大，价格友好很多。
团队协作场景下，Copilot 的地位短期难以替代。它的企业级功能、安全合规、与 GitHub 生态的深度绑定，不是纯技术层面的事。
Claude Code 适合特定人群：你喜欢终端、你写代码时习惯先规划后执行、你对代码质量有洁癖。如果你只是想要一个帮你写 CRUD 的助手，它会让你血压升高。
最后说一句，这些工具的差距在动态缩小。我三个月前结论可能是"Copilot 完全不够看"，但今天它的 Agent 模式提升巨大。明年这时候，排第一的可能是任何一个。
08 写在最后
AI 编程工具最大的陷阱不是技术不成熟，而是让你以为自己变聪明了。
我用了半年后发现一个规律：用 AI 写得越快，后面 debug 的时间就越长。 它写出来的代码我需要一行行看，比自己手写更费脑——因为我在理解别人的逻辑。
所以现在我的策略是：让它写框架和样板，核心逻辑自己写。不是为了情怀，是算过账——debug AI 代码的时间，够我手写三遍了。
如果觉得有用，欢迎转发给同样在跟 AI 较劲的朋友。
