前两天吃饭的时候，朋友突然问我：

VS Code 和 Claude Code 有什么区别？

这个问题很好回答，又很不好回答。

它们根本不是同一个物种，但彼此之间又有关系，一时半会还真讲不清楚，所以就有了这篇文章。

这是一篇给新手的扫盲贴，希望能帮你构建起对 AI 工具的全局认知。

当脑子里有了这张全景地图，看懂了它们各自的站位，自然也就消除了对新工具的陌生和无措。

全文预计5000字，如果你准备好了，我们就出发啦~

先分清公司、模型和产品

OpenAI、Anthropic、Google，是公司。

GPT、Claude、Gemini，是它们开发的大模型家族，可以理解成藏在产品背后的“大脑”。

ChatGPT、Claude 和 Gemini 网页版，是普通用户打开网页就能使用的 AI 产品。

而 Codex、Claude Code 和 Antigravity，则是这三家公司面向编程和项目任务推出的 Agent。

为了方便记忆，你可以简单把它们的关系对应起来：

作为“大脑”，这些模型本身也在不断迭代，会有不同的版本。

比如 GPT-5.5、Gemini 3.1 Pro、Claude Opus 4.8、Claude Sonnet 4.6。数字通常代表模型代际，Pro、Opus 一般更偏复杂任务，Sonnet 更强调能力、速度和成本的平衡，Flash、Haiku、Instant 通常更快、更便宜。

除了处理文字和代码，还有专门生成图片、视频或音乐的模型，比如目前生图领域最顶尖的 OpenAI 的 GPT Image 2，以及 Google 的 Nano Banana 2。

这些名字不用背，新手真正需要分清的只有三件事：

• 它是哪家公司开发的？
• 它是一个直接面向用户的产品，还是背后的模型？
• 它的定位更适合复杂的长线任务，还是日常的快速问答？

普通人最常用的：Chatbot 与 Agent

如果不考虑复杂的技术分类，普通人最常用的 AI 工具基本就是两类：

Chatbot 和 AI Agent。

Chatbot 就是我们已经很熟悉的聊天框（ 如ChatGPT、Claude 和 Gemini网页端）。

你打开网页，输入问题，它回答你。

我现在仍然高频使用 ChatGPT 和 Gemini 网页端，不仅是因为包月模式下可以节省token，更重要的是网页端本身就有不可替代的优势。

Agent 不只和你讨论“怎么做”，它还能自己动手。 它可以进入真实的工作环境，读取资料、调用工具、修改文件、检查结果，然后自动往下推进。

Claude Code、Codex 和 Antigravity，都属于这一轮 Agent 化趋势中的代表产品。

一句话概括：

Chatbot 主要给你答案，Agent 开始接过任务。

当然，这两者的边界也正在变得模糊。ChatGPT、Claude、Gemini 这些聊天产品也在不断增加搜索、文件处理、工具调用和电脑操作能力。

这正是现在 AI 演化最明显的方向：

AI 正在从聊天框里走出来，越来越深入地进入我们的电脑和真实工作。

三家的编程 Agent 正在越来越像

虽然 Claude Code、Codex 和 Antigravity 在产品定义上各有侧重，但从我的实际体验来看，它们都在进化成高度趋同的全能型编程 Agent。

只要给它们一个本地项目，它们都能独立跑通完整的闭环：

读取文件 → 理解规则 → 调用工具与命令 → 修改内容 → 检查并自动修复报错。

即便是一开始主打多 Agent 管理的 Antigravity，在升级 2.0 并整合 Gemini CLI 后，也彻底看齐了这套标准。

所以，新手不必急着研究它们之间每一个功能差异，它们本质上都在做同一件事：

让 AI 不只回答问题，而是进入真实项目，把任务接过去。

Agent 是打工人，它还需要一个“工作环境”

前面说到，Agent 能帮你接管真实的本地任务，但这中间还缺一环。

这就像一个人很聪明，不代表他进入一家新公司后马上就能工作，他还需要办公桌、工作资料、软件权限、操作规范和验收标准。

Agent 是干活的人，而 VS Code、Cursor、终端和桌面 App，就是它进入电脑、开展工作的不同场所/环境。

先看可视化的工作台：VS Code 与 Cursor

VS Code、Cursor 这类工具经常被统称为 IDE。IDE 的中文是“集成开发环境”，听起来很专业，但其实它就是一个工作台，把文件编辑、项目管理、运行命令和各种扩展都集中在了这里。

VS Code 官方更常称自己为代码编辑器，它最初主要服务于编程，但现在它早已打破了“只能写代码”的限制，你可以用它打开本地文件夹，查看和修改文件。

如果要找一个东西来方便理解，你可以把它理解成手机的操作系统——它具有极其丰富的生态，Claude Code 和 Codex 都可以作为扩展（插件）安装到里面。

这也是我目前给新手最推荐的入口：

先装 VS Code，再从 Claude Code 或 Codex 里选一个使用。

原因不是它最先进，而是它足够通用，你不需要一次性研究所有工具，先在 VS Code 里让 Agent 进入一个真实文件夹，帮你完成一件具体的事就够了。

Cursor 则是一款基于 VS Code 改造的 AI 编程工具。

它把 Agent 能力更深地做进了编辑器，也支持 Claude、GPT、Gemini 和自研的 Composer 模型。

我没有实际使用过 Cursor，所以本文只帮助大家认识它，不作具体推荐。对于已经习惯的人可以继续用，但新手完全没必要因为大家都在讨论，就专门去更换编辑器。

再看命令行的工作台：终端（Terminal）

除了可视化的编辑器，终端（Terminal）同样是 Agent 的工作场所，但因为这一组词涉及的操作和概念稍微复杂一点，我们需要单独把它理清。

我最初学习AI时，最先接触到的就是终端，经常被 Terminal、PowerShell、CLI 这几个词搞晕，再加上非常极客的黑色终端界面和红色的报错代码，心里的抗拒感被拉满了，学的非常痛苦。

最简单的理解方式是：

• Windows Terminal： 输入和显示命令的“窗口”。可以理解成是收银台那台点单机。它本身只是一块屏幕和一个输入框，不负责做菜，只负责把“客人要什么”传进去。
• PowerShell： 负责理解和执行命令的“环境”。可以理解为点单机的收银系统。同一个点单机可以装不同的系统——PowerShell 是其中很懂厨房流程的一套；你也可以换成 CMD、Git Bash 这种别的系统。
• CLI：中文叫命令行接口，是软件开放出来的“文字操作门”。可以理解是餐厅给外卖员留的取餐窗口。平时你去店里吃饭，是走大门、坐着点菜（这是给人走的路）；CLI 是给“会暗号的人”留的快速通道——只要报出特定的一串口令，后厨立刻出货，不需要走常规流程。

以前用 CLI，往往需要人手动去记、去敲命令，但在 Agent 时代，人不需要亲自操作。以飞书 CLI 为例，你只需要告诉 Agent：“把这个文件上传到飞书”，Agent 就会自动调用飞书 CLI 完成操作。

所以，今天 CLI 最大的价值不只是“让人在黑色窗口里敲命令”，更在于：

它给 Agent 提供了操作其他软件的可调用入口。

不过，虽然终端也是 Agent 的工作场所，但我强烈建议前期碰到终端时，直接跟着靠谱的教程无脑照做就行，不要去死磕。因为终端界面不够直观，一旦出错，很容易让新手心态崩溃。

补充说明：为什么没讲桌面 App？

你可能注意到了，前面提到了 Agent 也有桌面 App 形态，但这里没有深入说明。 我个人体验，桌面端会更好用。但不在这里展开，是因为它的网络配置和登录条件往往更苛刻，极易在一开始就把人卡住。

总结一下工作台的打怪升级路线：

无论是难啃的终端，还是门槛高的桌面 App，新手先别碰。一律先在配置最友好的 VS Code 里把 Agent 用起来。

等你清楚了它的运行逻辑，再去找教程慢慢迁移，饭要一口一口吃，工具要一步一步换。

为什么 Codex 看起来有很多种

很多新手第一次接触 Codex 时，还会遇到一个疑惑：为什么有人在 VS Code 里用，有人在终端里敲命令，有人打开的是独立 App，还有人在网页上用？

其实，它们并不是四个完全不同的 AI，而是 同一个 Agent 开了四扇不同的“门”：

• VS Code 扩展
• Codex CLI
• Codex 桌面 App
• Codex Web

Claude Code 和 Antigravity 也是一样的逻辑。

所以，千万不要被这些形态唬住，觉得要学四种不同的工具。这也是为什么我们在上一段强烈建议：既然背后都是同一个“打工人”，新手直接走最好进的那扇门（VS Code）就行了，其他的形态暂时全都不用管。

Git 与 GitHub：你的代码“游戏存档”

GitHub 也经常和 AI 编程一起出现，它是一个存放、分享和协作管理项目的云端平台。对新手来说，前期它可能只是一个经常需要去上面下载开源工具、环境包和插件的“资源网站”。

Git 是版本管理工具，负责记录项目文件发生过哪些变化。最直白的理解：

它就是你代码项目的“游戏存档”。

这里很想插一句自己的碎碎念：我一直觉得，把学习 AI 类比成打游戏，是最贴切的。看，这里又出现了“游戏存档”的概念。打游戏有时候就像人生，酸甜苦辣啥都会发生；但不同的是，游戏里试错和重来的成本极低，N 次尝试后，你总能找到正向的反馈。

在“乱拳打死老师傅”的新手阶段，Git 和 GitHub 看起来并没有那么重要。

你甚至完全不懂 GitHub，也可以让 Agent 帮你做出第一个脚本、网页或者本地工作流。

我自己一开始也是这么过来的。

但当你真正开始维护一个长期项目，需要知道 Agent 改了哪些文件、某个错误从哪里出现、怎么恢复以前的正常版本时，你会发现 Git 这个“存档功能”极其重要。

这一部分值得以后专门研究。我也准备后面认真补一次 Git，再单独写一篇。

模型竞争，已经进入 Harness Engineering 阶段

这里很想插一句吐槽：今年以来，每次看到铺天盖地的新模型发布、跑分比拼，我就觉得特别吵。

这些信息不仅会带来海量噪音，评测时还经常夹带私货，给普通人制造了毫无必要的焦虑。每个人的真实场景千差万别，跑分怎么可能代表全貌？就像大家普遍认为 ChatGPT 的模型比 Gemini 更强，但我自己在做深度文本修改、需要多模态识别时，就是觉得 Gemini 更好用。

我越来越明显地感觉到，对绝大部分日常任务来说，主流模型本身的能力已经足够强了。

国内模型当然还有差距，但在很多场景下已经完全够用了，国外顶级模型之间，也很难只用“谁的分数更高”来概括实际体验。

真正开始拉开差距的，是模型之外的东西：

• 它能拿到哪些资料
• 可以调用哪些工具
• 能不能进入真实工作环境
• 是否知道你的规则和边界
• 能不能检查自己做得对不对
• 出错以后是否可以继续修正

一个再聪明的模型，如果不看真实文件，也只能给通用废话。反之，哪怕不是第一的模型，只要能持续拿到你的项目资料和判断标准，也绝对比什么都不懂的模型强，这也是我一直以来的观点：

事实比模型更重要。

这背后对应的概念，就是 2026 年初进入公众视野的 Harness Engineering。

当时很多人还在纠结选什么模型、怎么装 OpenClaw 时，前沿的讨论重点已经转向：怎样给 Agent 搭一套能长期稳定工作的系统。

如果把大模型理解成大脑，Harness 就是围绕大脑搭建的工作环境、工具、资料、规则、权限和反馈机制,它可以压缩成一个极其简单的公式：

也就是 Agent 中除模型以外的其他所有东西。

模型决定它能想多远，而 Harness 决定它能不能稳定地把事情做完。

我的工作中心：铁打的本地项目，流水的 Agent

虽然我仍然建议新手从 VS Code 开始，但那只是一个更容易理解的入口，并不是我现在的使用状态。

我现在主要使用 Claude、Codex 和 Antigravity 的桌面端，再配合 ChatGPT 和 Gemini 网页端。

网页端主要用来进行初步的讨论、研究和想法碰撞；而桌面端的 Agent，则负责直接进入真实项目，读取资料并干活。

这里分享一个真实的细节：我目前使用 Claude 桌面端时，背后接入的是国产大模型 Minimax。

为什么？因为就像前面说的，当你的系统里沉淀了足够清晰的资料和规则（Harness），国内优秀的模型也完全能极其出色地把活干完。

但它们都不是我的工作中心。

我真正的工作中心，是电脑里的 Obsidian 仓库。

我的项目文件、公众号文章、工作记录、判断标准、表达偏好和工作流程，都保存在本地 Obsidian 中。

需要处理任务时，我可以把同一个项目扔给任何一个 Agent：今天让 Claude Code 处理，明天让 Codex 检查，另一个任务交给 Antigravity。

Agent 会变，背后调用的模型会变，使用的入口也会变。 但只要它们读取的是同一个本地项目、同一套真实的资料和规则，工作就可以完美继续。

这也是为什么我现在不再执着于“到底哪个 Agent 最好用”，我更关心的是：

无论换成哪个 Agent，它能不能快速进入我的工作环境，读懂事实，然后继续把事情做下去。

AI 分身不是复制一个会说话的我

很多人理解的 AI 分身，是训练一个说话很像自己的聊天机器人，但我理解的 AI 分身，更接近一套长期协作系统。

它知道我正在推进什么项目，能够读取我的真实资料，理解我的判断标准，知道哪些事情可以做、哪些事情必须先让我确认。当我不断把真实记录、纠偏过程和工作方法留在本地系统里，它就会在一次次任务中越来越懂我。

从这个角度看，AI 其实一直在不同程度、不同维度地代替人类原来亲自完成的工作：

• 最早它只是替我们回答问题；
• 后来开始替我们搜索、整理、写作、修改文件；
• 再往后，它开始操作软件、调用工具、运行任务和检查结果。

它不是某一天突然完整地“代替一个人”，而是在一点点接手具体环节。

人的位置也开始往上移动：从亲自执行每一个步骤，变成确定目标、提供事实、设置边界和验收结果。

真正应该留下来的，不是某个平台里的聊天记录

以前我会担心一个问题：如果某个 AI 账号突然被封了怎么办？我和 AI 产生的大量聊天记录、对我的了解以及长期积累的上下文，会不会一起消失？

如果所有东西都只存在某个平台里，这确实是一个巨大的风险。

但当项目、资料、记录、判断和工作方法都保存在自己的电脑上时，情况就不一样了。

模型、Agent、网页、插件、CLI 和桌面 App 这些入口，都可以更换。

但真正属于我的东西，一直会留在本地。

因此这套系统除了可以帮助我搭建 AI 分身外，它还有一个同样重要的价值：

它让我不再把自己的长期积累，绑定在任何一个模型、账号或者平台上。

我真正想保存的，从来不是和某一个 AI 聊过什么，而是我的项目、事实、判断和工作方法。

只要这些东西还在，换一个模型，工作仍然可以继续。

公众号内延伸阅读：