夜雨聆风这两天，阿里“反向禁用”Claude 的新闻，把很多程序员都看沉默了。
表面上看，这是一家大厂对一个海外 AI 工具的封禁。可如果你把时间线拉长一点，会发现这件事真正戳中的，不是某个工具能不能继续用，而是一个更现实的问题：
再强的 AI 编码工具，只要你不能稳定地拥有它，它就不是你的生产力。
很多人是这两天才开始讨论 Claude Code 的不可控，但说实话，我几个月前就已经开始往回撤了。
不是因为它不强。恰恰相反，正因为它太强，所以我对它的依赖风险感受得更早。
当时我已经明显感觉到几件事在同时发生：封号越来越频繁，规则说改就改，国内使用门槛越来越高，生态里到处都在研究怎么“模仿 Claude Code”或者给它找平替。
你会发现，自己不是在用一个稳定的生产力工具，而是在赌一个随时可能抽梯子的外部平台。
所以那时候，我就开始提前切换方案，买了我当时觉得国内最具性价比的智谱 AI。那会儿coding plan 还没有现在这么难抢，我自己连续三天，每天十点定时去抢，最后还真抢到了。
现在回头看，这事不是我判断有多神，而是因为这个趋势太明显了：
以前大家追求的是“最强模型”，现在更该追求的是“最稳工作流”。
阿里禁用 Claude，真正暴露的是三个问题
这次事件为什么会引起这么大反响？因为它把很多开发者私下里的焦虑，直接摆到了台面上。
第一个问题是可控性。
AI 编码工具不是普通聊天机器人。它一旦进了研发链路，读的是你的代码库，碰的是你的终端，接的是你的工程环境。对企业来说，最怕的从来不是它写错几行代码，而是它的行为边界不透明，规则变更你无法提前预期。
第二个问题是稳定性。
个人开发者还能忍一忍，大不了换个号、换个节点、再折腾一轮。但团队不行，企业更不行。一个靠封号风险、地区限制、支付门槛和风控策略维持的工作流，本质上就不适合当主力基础设施。
第三个问题是地缘现实。
以前总有人说技术无国界。但这几年，现实已经把这句话改写了。尤其到了 AI 这一层，不只是模型能力在竞争，账号体系、服务边界、风控策略、合规要求，甚至政治环境，都会直接影响你今天还能不能继续开发。
所以问题已经不是“Claude Code 好不好用”，而是：
它还适不适合继续作为中国开发者的默认主力。
我的答案很直接：能用，但不该再当唯一主力。
Claude Code + GLM，为什么还不是一个完全可靠的答案
前段时间，很多人都在走一条路线：保留 Claude Code 这套 Agent 外壳，再把底层模型路由到国内模型上，比如 GLM、DeepSeek 之类。
这条路有没有价值？当然有。
它最大的好处，是能在相对熟悉的交互方式里，保留一部分 Claude Code 的任务拆解和执行体验，同时把模型成本和部分访问问题降下来。
但我现在越来越觉得，这更像一个过渡方案，而不是最终方案。
原因也很简单：
第一，外壳还是别人的。只要核心工作流仍然依附在海外工具上，你就始终绕不开版本变化、服务策略和兼容性风险。
第二，模型层替代，不等于产品层替代。很多人以为把模型换成国产的就完事了，但真正影响体验的，不只是模型本身，还包括上下文工程、Repo 理解、任务规划、工具调用、权限控制、执行回放这些“壳能力”。
第三，企业真正需要的是整套国产链路。模型是模型，Agent 是 Agent，执行环境是执行环境。只有这三层都逐步国产化，工作流才算真正稳下来。
所以我现在的看法是：
Claude Code + GLM 可以继续用，但更适合当桥接方案、备份方案，而不是终局方案。
国产替代，真正有机会的不是一个工具，而是一套组合拳
如果把这件事看透，你会发现，国产 AI 编码工具真正的机会，不在于做一个“长得像 Claude Code”的产品，而在于补齐整条链路。
我现在更认可的，是下面这种分层思路。
第一层：模型层，用国内模型兜住可用性和成本
这一层里，智谱的 GLM 依然是很值得关注的一档。
我买它，最早看中的其实不是“绝对最强”，而是性价比、可获得性和长期可用性。对于国内开发者来说，这三件事很多时候比榜单分数更重要。
如果你只是想先把日常编码问答、轻量改文件、脚本生成、方案讨论先跑起来，国内模型已经完全不是“凑合能用”的阶段了。它们未必在所有极限复杂任务上都稳赢海外第一梯队，但在日常开发里，已经能接住很大一部分工作。
第二层：Agent / IDE 层，要找真正能接研发主力位的工具
这层里，我认为 Qoder 和 Trae 是绕不开的。
原因不是因为它“国产”两个字，而是它已经不满足于做一个普通补全插件了。它现在明显在往智能体编程平台走，强调的是复杂任务规划、代码库理解、多任务推进、CLI/IDE/插件一体化这些能力。
说白一点，如果你要找一个更接近“主力开发位”的国产方向，Qoder 是现在最值得重点观察的一条线。
它的价值不只是写几行代码，而是逐步把 AI 从“副驾驶”往“代驾”推进。这点很关键，因为未来真正有壁垒的，不是聊天框里答得多聪明，而是能不能在真实工程里把活干完。
第三层：执行层，不只是写代码，还要把电脑上的活接过去
这一层我会把 WorkBuddy 放进来。
严格来说，WorkBuddy 不是一个纯粹对位 Claude Code 的编码工具，它更像一个桌面智能体工作台。但也正因为这样，它补上了另一块非常现实的能力：很多程序员真正浪费时间的地方，其实不在“敲代码”，而在围绕代码的一堆杂活。
比如文件处理、知识整理、浏览器操作、日报周报、数据清洗、资料归档、脚本执行、跨工具搬运，这些事如果还是你自己一点点点来点去，再强的模型也救不了你的总效率。
如果一定要说得更准确一点：纯编码主战场，更适合看 Qoder、Trae、CodeBuddy 这类产品；而 WorkBuddy 的价值，在于把“代码之外但又和开发强相关”的执行层工作一起接过去。
所以我现在反而越来越觉得，未来中国开发者最实用的组合，可能不是单点神兵，而是这样的协作关系：
GLM/DeepSeek 这类国内模型，负责兜住模型供给和成本 Qoder、Trae、CodeBuddy 这类 Agent/IDE，负责扛起研发主工作流 WorkBuddy 这类桌面智能体，负责把文件、浏览器、办公和自动化杂活一起吃掉
这才更像一套真正能长期跑的生产力方案。
如果你不想只做一个AI时代的旁观者，而是想搞清楚怎么用AI员工给自己打工、做出自己的小生意，成为AI超级个体，恰好破局研发了一套三天体验卡，大家可以扫码直接学习课程。
