实验0补充：AI 工具详细说明

本文用途

本页只保留助教偏经验向的工具推荐与选型建议。

如果你想看网页 chatbot、model、agent、vibe coding、使用工作流和课程红线，请先阅读 实验0：AI 工具与 Vibe Coding 入门。

助教推荐（偏经验向）

以课程正式公告为准

本节仅作为经验参考，不代表课程采购建议，不代表官方定价，也不代表唯一推荐路线。

当前常见起点

• GitHub Copilot：通过学生认证后免费，安装 VS Code 插件即可开始使用。
• Codex：适合希望在编辑器或终端里结合仓库上下文完成任务的同学；按官方入口开通相应权限或使用官方 API key。
• Cursor：提供开箱即用的编辑器体验，安装客户端后即可直接打开项目。
• Claude Code：更适合习惯命令行工作流、愿意让工具分步读取仓库并执行任务的同学。
• Trae：当前也可以作为一个更容易上手的国内工具入口，适合先体验带项目上下文的日常工作流。

当前主观模型观察

纯粹个人主观模型排序：Claude Opus 4.6 > GPT-5.4 ≈ Claude Sonnet 4.6 ≈ Gemini 3 Pro > 其他模型。

不过这类排序会明显受到任务类型、提示方式和上下文长度影响，不能把它理解成固定结论。

第三方中转价格截图（仅示意）

下面两张图仅作为“某些第三方中转服务价格示意”的截图参考，不代表课程推荐采购渠道，也不代表官方定价。

2026 年 3 月：如果你只是想先低成本上手，GitHub Copilot 和 Codex 往往是更常见的起点：前者学生有Pro计划，后者更适合希望尽快体验“终端 agent 工作流”的同学。当前也推荐先用 Trae 做初步尝试，它已经能覆盖日常的一部分使用场景。

2026年 4月：Copliot学生会员已经不允许指定模型使用，但是因为其还是可以免费使用，当前还是较为推荐，其余工具基于大家的使用频率和经济水平自行选择。

几个常见工具怎么开始用

GitHub Copilot 使用

GitHub Copilot 最适合把它当成一个“装在编辑器里的解释器 + 局部补全器”。如果你平时主要在 VS Code 里写代码，它通常是最容易无痛接入的一种选择。

你至少需要什么

• 一个 GitHub 账号；
• 一个可用的 Copilot 计划；
• 本地安装好的 VS Code；
• 在 VS Code 中登录你的 GitHub 账号。

学生如果想先确认自己是否有资格使用优惠，可参考 GitHub Education Benefits。

最简单的开始方式

根据 GitHub 官方快速上手文档，一个很典型的起步路径是：

1. 在 VS Code 中安装 GitHub Copilot / GitHub Copilot Chat 扩展；
2. 用 GitHub 账号登录；
3. 打开课程仓库；
4. 先用聊天面板提问，再决定是否启用补全建议。

Ask / Plan / Agent 这几类模式怎么区分

不同工具对模式的命名并不完全一致。有的工具写 Ask / Plan / Agent，有的工具写 Chat / Edit / Agent。对初学者来说，可以先按下面这个更稳定的理解来区分：

• Ask / Chat 模式：主要负责回答问题、解释代码、分析日志。通常不会直接大范围改文件，更适合学习阶段和排查阶段。
• Plan / Edit 模式：先给出步骤、受影响文件和修改方案，再由你决定是否继续。它比纯聊天更贴近工程任务，但仍然强调“先计划、后执行”。
• Agent 模式：工具会主动读取更多上下文、决定改哪些文件，必要时还会建议或执行命令。能力最强，但也最容易放大错误。

对实验课最稳妥的使用顺序

建议默认按 Ask -> Plan -> Agent 的顺序推进。先让工具解释，再让它提最小方案，最后才考虑是否放开到更自动化的模式。

一个很常见的误区

Copilot 的补全体验很顺手，这恰恰容易让人低估风险。越是顺滑补出来的代码，越要回头检查它是否真的符合实验上下文，而不是只“语法上看起来没问题”。

学生会员不够？

建议某黄鱼探索一下，而且由于Copliot Pro 10＄/m，比其他的工具会便宜一半，也可以尝试

Codex / Claude Code 使用（终端 CLI 代表）

如果你希望 AI 不只是“在编辑器里补一段代码”，而是能在仓库根目录中读文件、查结构、给出最小修改方案，必要时再运行命令，那么 Codex、Claude Code 这类终端 agent 会更接近你想要的工作方式。

（当前这页先以 Codex 为代表说明 CLI agent 的基本使用方法；Claude Code由于其反华政策，不在此说明。）

两种常见入口

目前可以把 Codex 粗略理解成两种入口：

• Codex 图形界面 / Web 入口：先登录 ChatGPT 账号，再选择一个本地文件夹或 git repository，然后发起任务；
• Codex CLI：直接在终端里运行，适合配合课程仓库、make、gdb 和日志排查一起使用。

CLI 怎么开始

根据 OpenAI 官方 Codex 起步页、Codex CLI Getting Started 和 Using Codex with your ChatGPT plan，Codex CLI 的最小起步流程是：

npm i -g @openai/codex
codex

第一次运行时，Codex 会提示你登录。当前官方支持使用 ChatGPT 账号登录，也支持 API key 路线。官方文档同时说明：Codex CLI 正式支持 macOS 和 Linux，Windows 支持仍偏实验性质；如果你在 Windows 上用它，更推荐放在 WSL 环境里跑。

如何获得价格较为便宜的ChatGPT？

当前OpenAI的Free账号有一些额度，并且如果使用量比较大，可以多注册几个账号（；对于其他Plan，可以到某黄鱼自行寻找（当前低价Plus为20/m，Team为8/m），注意不要被骗，如果你并不擅长使用该软件，建议走官方渠道！！！

国产 CLI / 国产模型入口（参考）

如果你不想一开始就折腾海外账号、国际支付或国外服务链路，那么先从国产模型和国产 IDE/CLI 入手是完全可行的。更实际的思路通常有两种：

• 走官方一体化入口：例如 Trae、Qoder这类工具，优点是注册和支付更直接，缺点是工具生态、模型选择和跨平台体验可能各有差异。
• 走通用 agent + 自定义模型接口：如果某个终端 agent 或 IDE 支持自定义 endpoint / API key，那么你可以把它接到兼容接口的国产模型上。但这条路线更灵活，也更容易因为配置、计费和兼容性踩坑。

下面这张表更适合当作“入口索引”和“继续搜索的起点”，而不是固定排名。模型名字、订阅价格、免费额度和官方工具支持都会变化得很快，使用前请务必回到官方页面核对。

国产编程模型	定位	个人最低订阅价	CLI & IDE	其他
GLM-4.6 Coding	智谱「通用+编程」双模长上下文	20 元/月（Coding Plan） 季付 54 元≈18 元/月	GLM-CLI（官方） Claude Code / Roo Code / Cline 等第三方工具已适配	iFlow（开源流程编排）
Kimi K2 Thinking	月之暗面「推理+代码」长思考模型	49 元/月（K2 会员） 放量 199 元/月	Kimi-Code-CLI（内测） 也可在支持自定义接口的工具中接入	Qwencode（阿里开源轻量 CLI）
Doubao-Seed-Code	字节「Agentic 编程」专用模型，256k 上下文	Lite：首月 9.9 元，续费 40 元/月 Pro：首月 49.9 元，续费 200 元/月	veCLI（火山引擎） Trae（官方 AI IDE） 部分支持兼容接口的工具可切换到该模型	CodeBuddy（腾讯开源）
DeepSeek-Coder	深度求索开源系列，可本地部署	模型开源免费 API 按量计费	DeepSeek-Coder（官方入口） continue.dev / OpenCoder 插件	同上
Qwen3-Coder-Flash	阿里通义「甜品级」开源编程模型	模型开源免费 API 按量计费	Qwen-Code-CLI（官方） Qoder（阿里 AI IDE） 部分支持兼容接口的工具可切换到该模型	同上

如果你只想先快速开始

• 想少折腾配置：优先选一个官方 IDE 或官方 CLI。
• 想保留终端 agent 工作流：优先确认该工具是否真的支持自定义 endpoint 和 API key。
• 想省钱：不要只看订阅价，还要看额度、速率限制、上下文长度和是否容易超额。

Trae / Cursor / Antigravity / Kiro（IDE 代表）

这一类都是 IDE 工具，通常需要安装一个类似 VS Code 的客户端，再导入你已有的编辑器配置或直接打开现有仓库。它们的共同特点是：更容易上手，更适合图形界面工作流，但也更容易让初学者在“不知不觉中接受太多自动修改”。

• Trae：更适合作为一个更容易上手的国内 AI 编码入口来理解。它的优势通常在于注册与支付相对直接、项目工作区体验完整、对中文用户比较友好。
• Cursor：目前仍是很多同学接触“AI IDE”的一个常见起点。优点是社区讨论多、工作流成熟；缺点是模型与套餐策略变化快，最好始终以官网和应用内页面为准。
• Antigravity（Google）：可以把它看成 Google 系路线下的 AI IDE / agent 型工具入口。额度和接入方式变化较快，更适合你已经在用 Google 生态时再尝试。
• Kiro（AWS）：更偏 AWS 生态和规范化流程。它的 CLI/IDE/Spec 工作流值得关注，但价格、免费额度和学生活动经常调整，使用前请先看官网当前说明。

下面以 Trae 为代表，说明这类 IDE agent 最常见的使用方式。

Trae 的两个模式

根据官方页面当前的描述，可以先把它粗略理解成：

• Code Mode：更适合读仓库、改代码、排查工程问题；
• Work Mode：更适合处理文档、说明、汇总、报告这类非纯编码任务。

对本课程来说，通常可以这样分工：

• 要解释仓库、分析 bug、整理改动方案时，用更偏 Code 的工作流；
• 要整理实验报告、总结代码路径、把日志改写成自然语言时，用更偏 Work 的工作流。

总结一下 Code Agent 的使用方法

可以把 Code Agent 粗略理解成三层东西叠在一起：

1. 模型（Model）：负责生成解释、代码和修改建议；
2. 工具（Tools）：负责读文件、写文件、搜索仓库、运行命令；
3. 工作流（Agent）：负责把“读上下文 -> 制定计划 -> 迭代修改 -> 验证结果”串起来。

所以，像 Codex、Claude Code、Qwen-Code-CLI 这类终端工具，本质上都不是“只有一个模型”。它们更像是一个能在终端里调用模型和工具的工作流外壳。

你实际在为哪一层付费

很多时候你真正付费的并不是“终端壳子”本身，而是下面这些能力之一：

• 某个订阅计划附带的模型使用额度；
• 某个平台的 API token 消耗；
• 某个 IDE / CLI 自带的高级功能配额；
• 某个企业或团队统一购买的组织额度。

这也是为什么看起来是“同一个 agent”，接到不同模型、不同套餐和不同 endpoint 后，体验会差很多。

官方接入和自定义接入有什么区别

常见有两种路线：

• 官方接入：直接登录官方账号，或使用官方提供的 API key。优点是稳定、兼容性好；缺点通常是价格和地区限制更明显。
• 第三方中转站接入（BYOK / custom endpoint）：如果某个 agent 支持自定义 base_url 和 api_key，你可以把它接到兼容接口的模型服务上。优点是灵活，便宜；缺点是更容易踩到兼容性、计费和安全问题。

一个常见的配置长相大概是这样：

base_url = "https://example.com/v1"
api_key = "sk-your-key"

这里有两个边界要特别注意

• 不是所有 agent / IDE 都支持自定义 endpoint；是否支持要看该工具自己的官方文档。
• 第三方中转服务虽然灵活，但你需要额外承担密钥泄露、日志泄露、封号、兼容性异常和计费不透明等风险。

对实验课最重要的一条判断标准

无论你最后选的是官方路线、国产路线，还是自定义接口路线，真正重要的都不是“它接的是哪家模型”，也不是你正在用哪个 Agent，而是下面这几件事：

• 你能不能准确说清楚当前的问题是什么？
• 你能不能把问题约束成一个可执行的小任务？
• 你能不能清楚知道它会读哪些文件；
• 你能不能限制它改哪些文件；
• 你能不能自己完成最后的编译、运行和调试验证。

对实验课来说，一个工具是否“适合你”，往往不取决于它是不是最贵、是不是最火，而取决于：它会不会让你更容易理解问题、控制改动范围，并完成最后的人工验证。

如果一个工具虽然很便宜、看起来也很强，但你并不知道自己现在的问题是什么，也不知道它下一步会读什么、改什么、跑什么命令，那么它对实验课未必是一个好选择。

补充站点

• LINUX DO: 活跃度很高，适合看大家对模型、工具、额度和踩坑经验的讨论。
• rate.linux.do: 更适合用来参考社区对第三方服务商的近期评价。

看社区信息时要注意

社区讨论更新很快，但也最容易夹杂广告、情绪化评价和短期结论。尤其是第三方中转、共享账号和“低价渠道”这类话题，一定要看最新时间、多个独立反馈，并且默认按高风险处理。

• CS146S: The Modern Software Developer: 一个非常值得看的 AI coding 课程站点，适合系统理解现代 AI 编程工具应该怎么用、怎么监督、怎么验证。
• CS146S 中文翻译项目: 适合结合中文材料快速浏览整体结构，再回到原站点看英文原文。
• The State of AI Coding 2025: 更适合当作行业观察材料看，帮助你理解大家究竟把 AI coding 工具用在什么任务上、常见失败模式是什么。