我用了一个月的免费 AI 编程工具,说实话,挺香的

你听我说，关于 AI 写代码这事儿，我之前是持怀疑态度的。

我在 IT 圈混了快二十年，从写 Perl 到写 Python，从手写部署到 K8s 自动调度——什么工具没见过？说实话，很多所谓的"革命性"工具，用过三个月就扔一边了。

但这次有点不一样。过去一个月，我把自己日常的编码工作全部转到 AI 辅助下走了一遍。

结论是——这玩意儿不是"革命"，它是"顺手"。 顺手到你用回去没它的编辑器，会觉得空落落的。

今天我就把这一个月折腾过的工具，老老实实讲给你听。

先说结论

我现在的组合是：Trae（主力 IDE） + Agnes（补模型） + CodeBuddy 插件（微信小程序场景）。

全免费，不用绑信用卡，不用翻墙。

你没看错——全部免费。

下面一个个说。

第一个：Trae —— 字节出的，全功能永久免费

Trae 是字节跳动出的 AI 原生 IDE。我不扯什么"革命""颠覆"这种词，直接讲它能干嘛。

它解决的是什么问题？

你以前写代码，可能是：打开 VS Code → 查文档 → 写几行 → 跑一下报错 → 回头改。

Trae 把这个流程改了。它把"写代码"变成"描述你要什么，AI 帮你搭框架，你去填细节和审核"。

举个例子，我最近写一个 Shell 脚本，用来监控几台 PVE 宿主机的状态。

新手版本：

# 手动查命令，复制粘贴，跑一下报错再改

# 折腾半小时，凑出来能用的版本

Trae 版本：

用中文描述："写一个 Shell 脚本监控 PVE 宿主机

1. 检查 CPU 负载、内存、磁盘、网络

2. 超过阈值发告警到邮件

3. 有日志，有错误处理

4. 可以配置 systemd 定时任务"

然后它直接给你生成一份完整的脚本，注释、日志、错误处理全有。你看一遍，改改路径和阈值，就能跑。

这不是省时间的问题——这是把"会不会写"变成了"说得清不清"。

只要你能用中文描述清楚需求，它就能把代码搭出来。你需要做的，是读它写的代码，判断逻辑对不对，然后改。

它的优点

•永久免费：个人用户完全免费，这不是试用，是真的一直免

•多模型切换：内置豆包、DeepSeek、通义千问、GLM 等模型

•支持自定义模型：可以接入 Agnes 这种自定义 OpenAI 协议的 API

•中文友好：原生中文模型，注释写得比你自己还清晰

它的缺点

•独立 IDE，不是插件：你没法在 VS Code 里用它（VS Code 插件版有限制），必须用它自己的界面

•模型不是万能的：复杂逻辑它会跑偏，需要你不停地修正

•偶尔会"幻觉"：它会很认真地给你写一段完全错的逻辑，你必须自己读代码审核

踩过的坑

⚠️ 坑一：不要让它"写完"再检查。

我一开始也是让它从头到尾写一大段，结果检查的时候发现中间逻辑错了，返工成本极高。

正确的用法是让它一步一步写——先搭框架，确认 OK 了，再让它填下一个函数。每一步都审核，比最后一次性省事得多。

⚠️ 坑二：上下文不要太长。

一篇对话里塞的文件太多，模型会"记不住前面说过什么"。

解决方法：每隔一段时间，开一个新的对话，把当前文件重新贴进去，从头开始。

⚠️ 坑三：它写的测试是垃圾，别信。

它写的单元测试，十有八九是走流程的，覆盖率看起来好看，但真能测边界情况的少之又少。

测试你自己写，别让它写。

第二个：Agnes AI —— 一个 API 搞定所有事

Agnes 是国内新出的一个聚合 API 平台。我最近才发现的，挺有意思。

它的定位不是 IDE，它是一个提供多种大模型 API 的平台——文本、生图、生视频都有，全部免费。

它能干嘛？

我把它接进 Trae 的自定义模型里，作为一个补充模型使用。

当我想让 AI 写代码的时候，用 Trae 的内置模型；当我想让 AI 帮我做一些偏"理解"的工作时（比如整理需求、写技术文档、做代码审查），就切到 Agnes。

接入方法

# 一句话测试 API 是否正常

curl -s https://apihub.agnes-ai.com/v1/chat/completions \

-H "Authorization: Bearer sk-你的key" \

-H "Content-Type: application/json" \

-d '{"model": "agnes-2.0-flash", "messages": [{"role": "user", "content": "你好"}]}'

返回 {"id": "...", "choices": [...]} 就是通了。

在 Trae 中接入 Agnes

1. 打开 Trae → 设置 → 模型 → 添加模型

2. 选"自定义配置"

3. 填 API 地址 https://apihub.agnes-ai.com/v1

4. 填模型 ID agnes-2.0-flash

5. 把 Agnes 的 API Key 贴进去

搞定后，在模型选择器里就多了一个 Agnes 可选。

它的优点

•免费：所有模型都是免费的

•协议兼容 OpenAI：不需要改代码，换个 URL 就行

•一个 API Key 用多个模型：文本、生图、生视频一个 Key 搞定

它的缺点

•代码能力不如 Trae 内置模型：偏理解和写作，不擅长写代码

•偶尔不稳定：毕竟新平台，有时响应会慢

•没有图形化界面：纯 API，需要自己接客户端

第三个：CodeBuddy —— 腾讯云出的，微信生态神器

如果你做微信小程序开发，这个东西你可以直接装，不用想。

它解决什么问题？

微信小程序有一套自己的开发文档、组件库、API 接口。一般开发流程是：翻文档 → 复制模板 → 改 → 查错 → 再改。

CodeBuddy 把这套流程简化了。它知道微信小程序的全部玩法，你描述需求，它直接给你写可运行的代码。

举个例子：

描述：写一个微信小程序页面

- 顶部是一个轮播图，展示 3 张图片

- 中间是商品列表，每行两个商品卡片

- 点击商品跳转到详情页

- 有下拉刷新和上拉加载

它直接给你输出 .wxml + .wxss + .js + .json 四个文件，你贴进项目里就能跑。

我不是说它写的代码可以直接上线——有很多细节需要调整。但它把"从零开始"这件事，变成了"在基础上改"。

这中间差的时间，至少是两三倍。

它的优点

•微信生态深度集成：小程序、公众号、小游戏全支持

•有 IDE 插件版：可以直接装在 VS Code 或 JetBrains 里用

•免费：个人用户免费，企业版要付费

它的缺点

•偏前端/小程序：后端代码生成不如前端强

•Craft 模式有额度限制：高级模式每天有限次数

•不如 Trae 灵活：模型选择少，自定义空间有限

第四个：ZCode —— 智谱出的"长任务"专家

这个工具我不是天天用，但遇到特定场景的时候，它是真好用。

什么场景？

代码重构。

你有一个几千行的老模块，跑了好几年没人敢动，现在要改它。你需要把整个模块的逻辑读一遍，再拆解成新的结构。

这种"长上下文 + 持续推理"的场景，ZCode 做得比其它工具好。

它不是一个 IDE 插件，它是一个桌面应用，围绕 GLM-5.2 大模型优化。GLM-5.2 的上下文窗口很大，它能把你整个代码库"读一遍"，然后帮你做跨文件的重构。

它的优点

•长上下文处理好：几千行代码一次性读入没问题

•思考模式：可以让它在给出答案前先"想一想"，逻辑更严谨

•多模型支持：可以接 Claude、Gemini、自家 GLM，共用一个上下文

它的缺点

•桌面应用，不是插件：没法嵌入 VS Code 工作流

•需要 API Key：虽然客户端免费，但模型调用额度需要花钱

•界面不够精致：功能型工具，UI 略粗糙

我的日常使用流程

说了这么多，你可能会问——你自己到底怎么用的？

我给你讲我的一天：

早上 9:00 —— 新需求来了

工具：Trae

用中文描述需求，让它搭框架。生成项目结构、核心函数占位、测试文件。

我读一遍它生成的代码，改个文件名和路径，然后开始写真正的逻辑。

上午 11:00 —— 写业务逻辑

工具：Trae + CodeBuddy

普通 Python/Shell 代码用 Trae；如果涉及微信相关的模板，切到 CodeBuddy 让它给我出模板。

下午 2:00 —— 老代码重构

工具：ZCode

如果遇到重构老模块这种"读了后面忘前面"的工作，开 ZCode，把整个目录导入，让它帮我分析结构，拆函数，写注释。

下午 4:00 —— 写文档/整理需求

工具：Agnes（接入 Trae 自定义模型）

把需求文档、会议纪要扔给它，让它整理成结构清晰的技术方案。这活儿它比写代码干得好。

任何时候 —— 遇到看不懂的代码

工具：随便哪个都行

把看不懂的代码贴进去，问它："这段代码在干嘛？有什么问题？"它的解释比你翻源码快十倍。

⚠️ 三个必看的提醒

这一个月踩过的坑，我整理成三条，你照着做，省掉我踩过的时间。

提醒一：永远审核它写的代码

我犯过一个低级错误——让 AI 写了一段处理文件路径的逻辑，我看了一眼觉得对，就提交了。结果第二天线上告警，日志里满是 FileNotFoundError。排查了半天发现——它把路径拼接写反了，前面是绝对路径，后面又加了一层相对路径。这段逻辑我如果自己写，肯定会写对；但让 AI 写的时候，我就放松了警惕，觉得"它写的应该没问题"。教训：AI 写的代码，审核标准要比你自己写的还严。

提醒二：别让它写测试

AI 写的单元测试，看起来是这么回事——有断言、有覆盖率、有 mocks。但真跑起来你就发现，它测的都是"开心路径"——正常输入下的正常输出。边界情况？空输入？异常场景？它十有八九没覆盖。教训：测试自己写，别省这份心。AI 写的测试，你还得自己删，更费劲。

提醒三：免费不等于免费

所有这些工具都是免费的。但你要知道，你付出的不是钱，是"训练数据"。你让 AI 看的代码，会被平台用于模型训练（当然是脱敏后的）。这对个人开发者没什么大问题，但对有保密要求的企业代码——小心。教训：涉密的代码库，别粘进去。要么本地模型，要么别用。

📋 老柴总结一下

最后给你一张表，看完你就知道自己该用什么了。

| 场景 | 推荐工具 | 原因 |

|---|---|---|

| 日常写代码（Python/Shell/前端） | Trae | 全功能免费，中文好，多模型 |

| 微信小程序开发 | CodeBuddy | 原生微信集成，模板全 |

| 老代码重构、长任务 | ZCode | 长上下文，推理严谨 |

| 写文档、整理需求、代码审查 | Agnes | 接入 Trae 当补充模型 |

| 纯 IDE 插件模式 | CodeBuddy 插件版 | 不用换编辑器 |

一句话总结：

AI 编程工具这事儿，现在的状态是——能让你干得快 2-3 倍，但没法替代你。它写的代码，最后审核的还是你；它出的方案，最后拍板的还是你。你不会用它，你就比会用的人慢。你太依赖它，你就比会用它的人容易踩坑。它不是自动驾驶，它是个副驾驶。 方向盘还得你来握。

最后一句

有人问我：老柴，你干了二十年写代码，现在让 AI 帮你写，你不怕自己"退化"吗？

我说：你开车用导航，你会退化到不会看地图吗？

不会。你只是把找路的时间省下来，去做更重要的事——判断路线对不对，决定去哪里。

AI 编程工具，就是你写代码的导航。

它帮你找路，但路还得你自己选。

有空的时候，把它装上试试。试完你会回来感谢我的。

（本文所用工具均为个人实测，无广告合作，纯个人体验）