当前位置： 首页 > news >正文

Cursor入门

news 2025/8/26 9:31:27

Cursor

cursor订阅个人使用的话每月20美元，claude也一样20美元，claude也一样20美元，claude也一样20美元。

建议投入claude的怀抱！

背景篇

Cursor AI 是一款基于 Visual Studio Code（VS Code）开源代码库构建的 AI 驱动代码编辑器 。它不仅仅是现有代码编辑器的插件，而是一个完整的“AI-first”集成开发环境（IDE），旨在通过深度集成大型语言模型（LLMs）来简化和加速代码的编写、编辑与理解过程 。这意味着 Cursor 将 AI 助手直接融入开发者的编码工作流中，允许开发者与代码编辑器进行对话，并指示它编写、修复或解释代码 。

​ Cursor 的设计哲学使其与许多其他 AI 编码工具区分开来。它作为 VS Code 的一个分支而存在，而非单纯的扩展，这使得其 AI 功能能够更深入地与 IDE 的核心功能融合。这种设计允许 AI 对整个开发环境拥有更细致的控制和更强的上下文感知能力，从而实现仅通过插件难以达到的深度集成 。这种将 AI 能力编织到 IDE 核心结构中的方式，预示着未来 IDE 可能会以 AI 为核心智能进行构建，而不仅仅是作为现有工具的附加功能。

介绍篇

Cursor AI 的核心功能与工作模式

基于 VS Code 的熟悉界面

​ Cursor AI 建立在广受欢迎的 Visual Studio Code 开源代码库之上 。这意味着其界面、布局、文件导航、终端以及对现有扩展、主题和快捷键的兼容性都与 VS Code 保持高度一致 。这种设计显著降低了现有 VS Code 用户学习和适应新工具的门槛 。

Composer：多文件与复杂功能实现

​ Composer 是 Cursor 处理复杂、多文件代码生成和功能实现的强大工具，通过按下 Ctrl + I（或 macOS 上的 Cmd + I）即可打开 。用户可以描述所需项目结构或功能，例如“创建一个具有独立路由、控制器和模型的 Node.js 项目”，AI 将根据描述生成必要的文件和代码，并进行合理的组织 。Composer 的引入，使得 AI 辅助编码从单文件、单块代码的生成，扩展到能够处理整个项目架构的复杂任务，极大地提升了开发效率 。

智能代码补全与建议

​ Cursor AI 提供了由复杂 AI 模型驱动的智能代码补全功能 。它能够预测并建议整个代码块，显著减少开发者在重复性编码任务上花费的时间 。这些建议不仅在语法上是正确的，而且具有高度的上下文感知能力，能够与项目架构紧密关联，从而提高代码质量并降低开发者的认知负担 。

Agent 模式：自主任务处理

​ Agent 模式是 Cursor 中最自主、最强大的工作模式，专为处理复杂编码任务而设计，只需最少的指导 。在此模式下，AI 可以独立探索代码库、运行终端命令、识别（或创建）并编辑相关文件 。它特别适用于构建新功能、重构现有代码、设置新项目以及进行复杂的跨文件更改 。Agent 模式旨在提供更统一、更强大的 AI 体验，整合了之前分离的聊天和代码编写功能，并能自动识别任务所需的上下文，减少了开发者手动指定上下文文件的需求 。

​ Agent 模式代表了 AI 辅助编码从被动代码建议到主动、目标导向自动化的一次重大飞跃。它将交互方式从“AI，完成这一行代码”转变为“AI，构建这个功能”。AI 能够自主探索代码库并执行终端命令，意味着它能更像一名初级开发者或一个自动化脚本，承担更大、更综合的任务。自动上下文识别进一步降低了开发者的操作负担。这一功能将 AI 辅助开发的边界推向了真正的“AI 代理”，能够管理复杂的开发工作流。虽然仍将开发者保持在“循环中” ，但它预示着未来开发者将定义高层次的目标，而 AI 则负责处理跨整个项目的复杂、多步骤的实现细节。这可能为功能开发和代码重构带来巨大的生产力提升，但同时也引入了当 AI 的自主行为出现偏差时，如何进行信任、控制和调试的新挑战。

Manual 模式与 Ask 模式

除了高度自主的 Agent 模式，Cursor 还提供了两种特定用途的工作模式：

  • Manual 模式：此模式专为对代码库进行有针对性的编辑而设计。与 Agent 模式不同，Manual 模式不会自动在多个文件之间进行更改；用户必须明确提及需要更改的文件以及所需的编辑内容 。
  • Ask 模式：这是一种只读模式，专为学习代码库而设计，不会对代码进行任何更改 。它非常适合理解项目结构和组件之间的关系，例如新员工入职时学习新代码库 。用户也可以粘贴错误消息并请求解释，而无需担心意外的代码修改 。

​ 这些模式的区分表明，Cursor 理解并非所有 AI 交互都需要相同程度的自主性，开发者需要灵活性。Manual 模式为特定任务提供了精确控制，而 Ask 模式则满足了安全探索和学习的关键需求，对于入职培训或在不承担意外修改风险的情况下调试代码尤其有价值。这种精细的控制允许开发者根据手头任务选择适当的 AI 辅助级别，从而增强了对工具的信任和实用性。Ask 模式的引入，也突显了 AI 在开发者教育和团队知识传递中的日益增长的作用。它将 AI 定位为不仅仅是代码生成器，更是智能导师和文档助手，这可以显著加速入职流程，并减轻理解复杂、不熟悉代码库的认知负担。

终端集成与命令生成

​ Cursor 内置了终端集成功能，允许 AI 执行终端命令并监控其输出 。通过在内置终端中按下

​ Ctrl/⌘ K，用户可以用自然语言描述所需的终端操作，AI 将生成相应的命令 。

​ 这一功能将 AI 辅助的范围从代码编辑扩展到更广泛的开发工作流，包括系统操作。它降低了执行复杂或不熟悉的终端命令的门槛，可能加速环境设置、运行测试或部署应用程序等任务，特别是对于那些不熟悉特定命令行工具的开发者。这代表着向更统一、自然语言驱动的开发环境迈出了一步，开发者可以通过对话式 AI 与整个系统（代码、文件、终端）进行交互。它预示着未来编码、脚本编写和系统管理之间的界限将变得模糊，所有这些都可通过直观的 AI 界面进行访问。

代码审查、调试与重构辅助

Cursor AI 在软件开发生命周期中扮演着关键角色，尤其是在代码审查、调试和重构方面提供了显著帮助。它通过错误检测、智能建议和对项目上下文的理解，使这些过程更加高效 。

  • 调试：Cursor 通过自然语言交互简化调试过程 。用户只需描述问题或粘贴错误消息，AI 就能分析问题、建议解决方案，并用通俗易懂的语言解释技术细节 。它还能解析复杂的日志数据，找出错误原因，提供可操作的修复建议和下一步行动，从而最大限度地减少试错调试 。此外，Cursor 的 AI 模式如 YOLO 和 Auto Run 可以自动化代码验证和持续测试，减少手动检查并加速错误修复高达 40% 。Auto Run 模式还能确保每次代码更改后所有测试都能通过，从而保持代码的可靠性 。
  • 代码审查：Cursor Bugbot 可以主动扫描拉取请求，发现错误、安全漏洞和样式问题，并提供详细、优先级的报告，将审查时间缩短高达 30% 。它能自动检测跨语言和框架的错误和安全漏洞，并根据代码库标准标记样式不一致 。
  • 重构：AI 建议可以指导代码重构，例如根据项目命名约定建议更清晰的变量名、简化嵌套逻辑、突出未使用的导入或废弃函数 。AI 甚至可以建议替换重型算法，并在应用前验证更改以避免引入错误 。

Cursor Bugbot 需要在 https://cursor.com/cn/dashboard?tab=integrations 连接代码仓库

表 1: Cursor AI 核心功能速览
功能 (Feature)描述 (Description)主要用途 (Primary Use Case)快捷键 (Shortcut)
AI Chat Panel与 AI 助手直接对话，上下文感知代码生成、解释、优化、问答Ctrl + L / Cmd + L
Composer指导 AI 生成多文件或复杂功能构建项目结构、实现复杂功能Ctrl + I / Cmd + I
智能代码补全预测并建议整个代码块提高编码速度、减少认知负担Tab
Agent 模式自主处理复杂任务，探索代码库构建新功能、重构大型代码、项目初始化(通过 Composer 启用)
Manual 模式对代码库进行有针对性的编辑精确的代码修改、局部功能调整(通过 Composer 启用)
Ask 模式只读模式，用于代码库学习与理解代码库探索、新员工入职、错误解释(通过 Composer 启用)
终端集成AI 执行终端命令并生成命令环境设置、运行测试、部署Ctrl/⌘ K (在终端内)
代码审查 (Bugbot)自动检测代码中的错误、安全漏洞和样式问题提升代码质量、加速代码审查N/A
调试辅助AI 分析问题、建议解决方案、解释技术细节快速定位和解决 bug自然语言交互
重构辅助AI 建议代码改进、简化逻辑、优化性能提高代码可读性、可维护性Cmd + K / Ctrl + K (选择代码后)
表 2: Cursor AI 工作模式对比
模式 (Mode)主要目的 (Primary Purpose)自主性 (Autonomy Level)典型用例 (Typical Use Cases)对代码的影响 (Impact on Codebase)
Agent 模式处理复杂、多文件任务高度自主构建新功能、重构大型代码、项目初始化可独立探索、创建、编辑多文件，执行终端命令
Manual 模式对代码库进行有针对性的编辑低（用户指定文件和编辑）精确的代码修改、局部功能调整仅对用户指定的文件进行修改
Ask 模式学习和理解代码库无（只读）代码库探索、新员工入职、错误解释无代码修改

提升效率与代码质量的关键特性

上下文感知与代码库理解

​ Cursor 的核心优势在于其深度上下文感知能力 。它能够索引整个代码库，并创建文件的向量表示，从而提供更准确、更具项目特定性的代码建议、解释和搜索结果，而非通用的样板代码 。AI 聊天机器人可以参考当前打开的文件或用户选定的特定代码片段，提供高度准确的响应 。Cursor 的上下文控制和引用系统允许用户明确告知 AI 需要考虑哪些信息，例如通过

​ @ 符号引用文件、文件夹、代码、文档、历史聊天记录、Cursor 规则或网络搜索 。这种机制类似于检索增强生成（RAG），有助于提高系统响应的准确性 。

​ Cursor 对上下文的先进管理是其实现所宣称的生产力和代码质量优势的根本所在。通过确保 AI 对特定项目有全面而准确的理解（超越仅仅是打开的文件），它能够提供真正相关且可操作的建议，从而减少手动纠正或重复提示的需求。这直接解决了通用 AI 模型在编码中最大的痛点之一。这种能力也突显了 AI 工具发展的一个关键趋势：从通用智能转向高度专业化、上下文感知的智能。对于编码而言，这意味着超越那些仅在大量公共代码上训练的模型，转而使用能够深入理解开发者私有、专有代码库的模型。这种能力对于企业采纳至关重要，因为在企业环境中，代码质量、安全性以及对内部标准的遵守是不可妥协的。Cursor 的上下文管理方法为 AI 工具如何在复杂、真实世界的开发环境中变得真正不可或缺提供了蓝图。

Cursor 工具集：精化控制 AI 行为

Cursor 提供了一系列工具，允许开发者精细控制 AI 在项目中的行为 。这些工具包括：

  • Read File：允许 AI 读取代码库中文件的内容（可读取 250 到 750 行代码）。
  • List Directory：使 AI 能够查看目录结构而不读取文件内容 。
  • Codebase：允许 AI 在索引的代码库中执行语义搜索 。
  • Grep：使 AI 能够在文件中搜索精确的关键字或模式 。
  • Search Files：帮助 AI 通过模糊匹配快速按名称查找文件 。
  • Web：允许 AI 在需要时执行网络搜索 。
  • Fetch Rules：使 AI 能够根据类型和描述检索用户设置的特定规则 。
  • Edit & Reapply：允许 AI 建议并自动应用文件编辑 。
  • Delete File：赋予 AI 自主删除文件的能力 。
  • Terminal：允许 AI 执行终端命令并监控其输出 。
  • MCP servers：通过模型上下文协议（MCP）允许 AI 与外部服务（如数据库或第三方 API）集成，从而使 AI 系统能够访问外部资源 。
自动化验证与测试

​ Cursor AI 能够通过 YOLO 和 Auto Run 等模式自动化代码验证和持续测试，从而减少手动检查并加速错误修复高达 40% 。YOLO 模式可以自动生成并验证代码的正确性，不断迭代直到找到解决方案，从而大幅减少重复的测试周期和试错调试的挫败感 。Auto Run 模式则自动化测试周期、构建和代码检查，提供持续、自动化的反馈循环 。Cursor AI 还支持测试驱动开发（TDD），帮助开发者编写并自动运行测试，确保新代码得到验证并及早发现潜在错误，从而最大程度地减少技术债务 。

​ Cursor 不仅仅是生成代码，它还积极参与质量保证。通过在 IDE 内部自动化测试和验证，它建立了一个持续的反馈循环，有助于在代码编写过程中保持代码质量。这种主动的方法将质量保证的负担从手动检查转移到 AI 驱动的自动化，可能导致更少的错误进入开发的后期阶段和部署。AI 为功能“生成测试”的能力 是一个强大的概念，确保新代码从诞生之初就带有自己的验证机制。这标志着向“AI 辅助质量工程”的转变。通过将自动化测试和 TDD 支持直接嵌入到 AI 工作流中，Cursor 促进了持续质量的文化，并减少了技术债务的积累。它预示着未来 AI 不仅编写代码，还积极帮助确保其正确性、健壮性和可维护性，从根本上改变了开发者从“编码者”到利用 AI 维护高标准的“质量协调者”的角色。

比较篇（VS CLAUDE CODE）

Claude CodeCursorClaude Code
定位终端/IDE 双形态的 Agentic Coding CLI，主打“全仓库-全链路”自动化以 VS Code 为核心、内置 RAG + Chat/Agent 的 AI 原生 IDE
模型后端默认 Claude 4 (Opus / Sonnet)，200 k+ 上下文，支持 Web Search、Shell、Git 等工具(docs.anthropic.com, docs.anthropic.com)可在设置里切换 GPT-4o、Claude 4、Gemini 2.5 等主流模型(cursor.com)
交互介质本地终端 & VS Code/JetBrains β 插件（diff 可直接在 IDE 展示）(docs.anthropic.com, anthropic.com)完整 IDE 体验：代码-视图同屏、所见即所得补丁，可一键 Run/Debug
定价Opus 4 API：$15/百万入参 token；桌面版随 Claude Pro/Max 订阅（$20–$100/月）(anthropic.com, anthropic.com)Hobby 免费；Pro $20/月 500 次高质调用；Business $40/人/月(cursor.com)
基准任务类型Claude CodeCursor
Terminal-Bench (Core-v0)无人值守终端多步骤任务35.2 %，榜首(tbench.ai)（Opus 4 内测版官方宣称 43.2 %(anthropic.com)）尚未提交，官方社区称“主要面向交互式场景”(forum.cursor.com)
SWE-bench Verified真实开源仓库 Bug 修复Claude 4 Opus 单模型 72.5 %，全球最高(anthropic.com)无官方成绩（可调用同一模型，但整体效果＝模型×Agent 设计）
HumanEval函数生成小任务Sonnet 3.5 92 %，略高于 GPT-4o，但对整仓库意义有限(anthropic.com)依赖所选模型，同类对比价值不大

​ 很多Ai Coding Agent工具，在模型方面使用的都是Claude，那相比之下 为什么要多一步来使用cursor而非claude。经过网络大量收集资料，很多经验丰富的开发者开始采用"混合策略"：

• Claude Code - 用于复杂的架构设计、多文件重构、数据库操作

• Cursor - 用于UI调整、小bug修复、快速原型开发

• GitHub Copilot - 用于团队协作、企业级项目管理

注册篇

注册cursor需要使用国外邮箱，建议使用outlook。gmail需要使用国外手机号接收验证码。

注册cursor时也需要使用国外手机号，因此 国外邮箱以及虚拟接码平台必须要注册或拥有。

虚拟接码平台需要==充值2$==才可以使用

国外邮箱

outlook邮箱注册
  • 访问 微软OUUTLOOK邮箱注册地址
  • 点击创建免费账户
  • 注册地址选择大陆以外地区
gmail邮箱注册
  • 访问gmail注册地址
  • 注册gmail会要求使用国外手机号进行验证
虚拟接码平台

访问登录 https://sms-activate.io/

注册登录，并充值2$，登录之后点击左下方 搜索要使用的服务，如google

如果租用的手机号没有收到验证码，可以点击取消或更换，费用会返还

cursor注册

  • 访问 https://cursor.com/

  • 点击登录

  • 点击使用邮箱，使用上面注册的邮箱账号

  • 访问虚拟接码平台 https://sms-activate.io/ 搜索如google或其他应用，获取手机号并等待验证码

设置篇

下载cursor的应用后，按照下图完成设置，其中 proxy 需要改为你的VPN代理的http的地址
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述

使用技巧篇

提示词/描述篇

  1. 让AI复述需求：先让AI复述需求，确认理解一致后再执行，避免误解。

    提示词是AI理解任务的关键。提示词应明确说明技术背景、行为要求和最终目标。

    • 不同的提示词会导致截然不同的代码结果。
    • 推荐先在Ask模式下将自然语言转化为化提示词，再切换到Agent模式执行。
    • 该方法适用于所有AI IDE，极大提升提示词的有效性。

    Cursor默认自动选择模型。有意识的自主选择模型

    • 高精度任务用Gmaili模型。

    • 范围管控或代码生成用Cloud模型。

    • 选择合适模型有助于控制成本和提升效率。

  2. 明确需求范围：将需求细化，限定修改范围，避免AI乱改无关代码。

    Cursor支持多种上下文限定方式，如文件、文件夹、Git提交记录等。

    • 优点：
      • 限定范围后，AI不会访问不相关代码，减少误操作。
      • 提升性能和回答准确度。

  3. 需求拆解：将复杂需求拆解成小单元，逐步提问，提高准确率。

    当AI生成的代码错误明显时，建议开发者直接手写。

    • 理由：
      • 节省时间，避免反复验证AI错误。
      • Cursor会从修改中“学习”，提升后续表现。

  4. 把AI当作小孩子：逻辑清晰、条理分明地表达需求，辅以示例和思路引导AI，提升沟通效果。

开发流程篇

  • 先在Chat模式与AI沟通需求和方案，优缺点。

  • 选择方案后，在Composer模式中详细描述需求，生成代码。限定AI操作范围的技巧，提高回答精准度。

  • 对于已有项目，先生成Cursor规则文件，录入项目文档，做好索引，提升AI理解。限定AI行为的约束条件，防止AI“过度聪明”导致错误。项目级和用户级的规则设置，分别针对单个项目和所有项目生效

  • 通过多轮沟通和拆解，逐步完善代码。

  • 代码审查

    AI虽强大，但仍会犯错。审查AI输出是保证代码质量的重要环节。

    • 建议：
      • 具备一定编程经验，学习计算机基础知识。
      • 当AI犯错时，通过提示词告知AI正确做法，逐步“教育”它避免重复错误。
      • 可以将错误及修正方案写入规则(Project Rules)中，自动避免类似错误。

总而言之：

  • 规则制定和提示词设计是Cursor高效使用的核心。

  • 小范围修改、测试驱动开发和审查输出保障代码质量。

  • 上下文限定和任务文档管理提升AI回答的精准度和项目管理效率。

  • 持续教育AI及复用历史对话让AI更懂用户习惯。

  • 合理选择模型和等待索引完成则是提升性能和体验的关键。

    这些技巧不仅适用于Cursor，也为所有AI辅助编程工具的高效使用提供了宝贵经验。掌握这些方法，开发者能更好地驾驭AI，提升开发效率与代码质量，迎接智能编程新时代。

项目规则篇

Cursor Rules是Cursor中用于规范AI行为和团队协作的重要机制。它不仅帮助AI理解项目隐性知识和使用规则，还确保团队成员在大型项目中遵循统一的AI辅助标准，避免因个人习惯差异导致的代码风格和结构混乱。

  • 早期理解：Cursor Rules主要作为AI的行为规范，减少大模型随机性带来的不确定性。
  • 进阶理解在企业级应用中，Cursor Rules成为团队成员协作的纽带，尤其在大型项目重构时，保证各模块重构风格和标准一致。
  • 应用场景：模块拆分后，多成员协作重构，避免各自为政导致的问题。

Ryo Lu 强调，制定5到10条Project Specific Rules是Cursor高效工作的基础。通过斜杠命令/GenerateRules，用户可以快速生成针对当前项目的规则。这些规则限定了AI的行为范围，避免其产生“幻觉”或不符合项目规范的代码。

Cursor 会自动识别 .cursor/rules/ 路径下的规则文件：

项目根目录/
└── .cursor/└── rules/└── *.mdc   👈 规则文件（必须使用 .mdc 扩展名）
  • 📁 路径固定：必须为 .cursor/rules/
  • 📄 扩展名固定：必须为 .mdc
  • ✅文件可以有多个，每个规则建议单独拆分主题编写，如 unocss-guidelines.mdc, project-structure.mdc, naming-conventions.mdc 等

内容类似如下:

- **Text Blocks**：用于多行字符串，特别是SQL和JSON```javaString sql = """SELECT u.name, u.emailFROM users uWHERE u.status = 'ACTIVE'ORDER BY u.created_at DESC""";

项目规则可以参考

Cursor project rules

Java (Springboot, JPA) - Cursor rules for Java development with Springboot and JPA integration

番外

Vibe coding(使用AI辅助的编程范式)，程序员的工作从原来的撰写程式码，改为指导AI产生程式码，测试及优化程式。

​ GitHub Copilo、Claude Code、Amp、OpenAI Codex、Devin、YouWare，有非常多的AI 编码工具，其中最具代表性的、性能表现优秀的就是Claude。claude模型的anthropic公司旗下产品。

claude

Cursor 并非自研模型，而是通过 API 集成 Anthropic 的 Claude 系列模型（包括 Sonnet、Opus 等）。用户可通过配置中转服务（如 One API）将 Cursor 的请求路由至 Claude API，实现代码生成、补全和调试等功能。

Claude 在代码任务上的卓越表现（如 SWE-bench 74.5% 通过率）是 Cursor 选择其作为默认引擎的核心原因。实测显示，在 Cursor 中使用 Claude 时：

  • 代码补全响应速度（1.2秒）快于 GPT-4（1.8秒；
  • 长上下文理解准确率提升 37%。

简而言之：Cursor 是 Anthropic 最大的客户之一。Anthropic 优秀的 AI 模型，加上 Cursor 不断优化的交互体验，让 Cursor 本身业务增长强劲。

需要注意的是Claude AI 并不支持国内且claude 注册时需要使用国外的手机号用于接收验证码。

Claude AI 由 Anthropic 开发，被定位为下一代人工智能助手，旨在通过其安全性、准确性和可靠性来提升用户在各类专业任务中的生产力，其中编码是其核心应用领域之一 。该平台提供起草和迭代代码、生成数据可视化以及分析文本和图像等功能 。特别值得关注的是，Claude Code 被定义为一种“代理式编码工具”，它能够直接在终端环境中运行，深入理解整个代码库，并通过自然语言指令加速编码流程，从而简化开发工作流，无需复杂的配置 。Anthropic 公司强调其对负责任人工智能开发的承诺，将安全性和可靠性作为 Claude 设计的核心原则 。

Claude Code 的“代理式”特性是其在编码领域的核心差异点。这种能力不仅仅体现在代码生成上，更体现在其能够自主规划、执行并优化代码，从而将人工智能从简单的辅助工具转变为一个能够进行多步骤推理的自主协作伙伴。这种对代理行为的强调，旨在解决需要复杂、多阶段任务的编码挑战，这与像 GitHub Copilot 这样主要侧重于代码补全的工具形成了显著对比。这种设计理念表明，Anthropic 的愿景是构建一个能够与人类开发者协同工作的 AI，而不仅仅是一个智能的自动完成器。

此外，Anthropic 在其产品设计和市场策略中，对安全性、可靠性和企业级控制的重视程度极高。Claude 的描述中反复提及“安全、准确、可靠”以及“致力于负责任的 AI 开发，专注于安全和可靠性” 。更具体地说，Claude Code 承诺“默认不保留数据以减少暴露”，并提供“企业级控制以应对敏感用例”，同时支持与 AWS Bedrock 等安全云平台的集成 3。这种对安全性、合规性和企业级功能的强烈关注，是 Anthropic 吸引大型组织和联邦机构的策略 。在这些高价值的企业市场中，数据隐私、合规性以及系统可靠性与原始性能同样重要。这种定位使得 Claude 在竞争激烈的 AI 编码工具市场中，具备了显著的竞争优势，尤其是在那些将安全性和信任置于首位的客户群体中。

Claude AI 编码性能基准测试对比

模型基准测试准确率 (%)输出速度 (tokens/sec)延迟 (秒)每百万输入令牌成本 ($)每百万输出令牌成本 ($)
Claude Opus 4.1SWE-bench Verified74.5%N/AN/A15.0075.00
Claude 3.7 Sonnet (自定义脚手架)SWE-bench Verified70.3%N/AN/AN/AN/A
Claude 3.7 Sonnet (标准)SWE-bench Verified62.3%N/AN/AN/AN/A
OpenAI o-series (一般)SWE-bench Verified~5% 低于 Claude Opus 4.1N/AN/AN/AN/A
OpenAI o1SWE-bench Verified48.9%N/AN/AN/AN/A
OpenAI o3-miniSWE-bench Verified49.3%N/AN/AN/AN/A
DeepSeek R1SWE-bench Verified49.2%N/AN/AN/AN/A
Gemini 2.5 ProSWE-bench Verified63.8%N/AN/AN/AN/A
Claude 3 HaikuN/AN/A123.10.710.251.25
Claude 3.5 HaikuN/AN/A65.20.70N/AN/A
Claude 3 SonnetN/AN/A66.90.723.0015.00
Claude 3.5 SonnetN/AN/A72.30.97N/AN/A
Claude 3 OpusN/AN/A25.92.0915.0075.00
功能/方面Claude AIChatGPTGitHub CopilotGoogle Gemini
核心理念代理式、自主多步推理、深度代码库理解通用文本生成、快速问答、学习辅助代码补全、实时建议快速 MVP、实时功能、代码解释
最佳应用场景复杂编码任务、多文件重构、深度调试、企业级应用、数据科学生产化、高质量文档生成快速编码帮助、学习、样板代码生成、需要互联网集成任务提高编码速度、代码补全、日常开发效率快速原型开发、构建实时应用、UI 复刻、初学者代码解释
代码生成质量高，尤其在复杂应用和现代框架方面 3良好，提供额外见解和替代模式实时、上下文感知，提高编写速度良好，生成干净、功能性代码，适合 MVP
调试能力强大，上下文感知，识别细微错误，提供分步推理和修复建议全面，引导用户了解根本原因，提供多种解决方案N/A (主要侧重补全)良好，像“高级同行”一样修复、解释和改进
重构能力卓越，支持跨项目重构，理解架构和设计模式有限，主要基于提示进行局部重构N/A (主要侧重补全)有限，主要进行精确修复
文档/解释擅长生成全面、详细的文档和代码解释，适合初学者强调清晰和效率，提供简洁解释和可运行代码示例有限，主要为代码提供注释良好，尤其擅长向初学者解释复杂代码
多文件/上下文处理“庞大记忆力”，处理大型多文件项目不丢失上下文，理解设计模式良好，但上下文窗口通常小于 Claude良好，但上下文管理不如 Claude Code强大，Gemini 2.5 Pro 有 100 万令牌上下文窗口
IDE 集成VS Code 和 JetBrains IDEs 的专用插件，支持终端操作通过第三方插件或 API 集成深度集成到主流 IDE通过插件和 API 集成到 IDE
Git 集成原生支持 Git 操作，自动化代码审查和 PR 管理有限，主要通过复制粘贴深度集成 GitHub，支持代码审查有限，主要通过复制粘贴
速度针对复杂任务可选择更慢但更深入的模型，Haiku 模型速度快响应时间可能较长，但提供更全面的解释实时代码建议，速度快速度快，适合快速 MVP
准确率 (SWE-bench)Opus 4.1 74.5% (最高公开报告)；Sonnet 3.7 70.3% (带脚手架)竞争力强，但通常略低于 Claude OpusN/A (主要侧重补全)Gemini 2.5 Pro 63.8%
UI/视觉开发支持能从设计描述生成 UI 元素，强调响应性和可访问性有限，主要通过代码生成实现有限能够从屏幕截图复刻 UI，生成干净代码
成本/定价模型免费、Pro ($17/月)、Max (>$100/月)，API 按令牌计费免费、Plus ($20/月)，API 按令牌计费免费、Pro ($10/月)、Pro+ ($39/月)免费、Workspace 附加计划、API 按令牌计费
http://www.dtcms.com/a/350284.html

相关文章：

  • Node.js面试题及详细答案120题（43-55） -- 性能优化与内存管理篇
  • HarmonyOS 中的 @Prop：深入理解单向数据传递机制
  • Java多态大冒险：当动物们开始“造反”
  • K8s高可用：Master与候选节点核心解析
  • STM32高级定时器-输出比较模式
  • 基于周期因子的资金流入流出预测
  • 区间和使用前缀和方法得到的时间复杂度
  • 2025 高教社杯全国大学生数学建模竞赛A题B题C题D题E题思路+模型+代码+论文（9.4开赛后第一时间更新）
  • AD画PCB时不小心移除的焊盘如何恢复
  • 玩转ChatGPT：Kimi深度研究功能
  • 模拟IC设计基础系列10-virtuoso常用快捷键整理（基础操作）
  • 驱动清理工具Driver Store Explorer(驱动程序资源管理器) 中文便携版
  • 重学前端010 --- 响应式网页设计 中级CSS
  • 【C++ 11 新特性】function 函数包装器的使用
  • Java程序员如何快速就业或跳槽？
  • Flask 之请求钩子详解：掌控请求生命周期
  • 基于Flask和AI的智能简历分析系统开发全流程
  • 护照阅读器应用
  • java18学习笔记
  • 【大模型本地运行与部署框架】Ollama的API交互
  • Vue Flow 设计大模型工作流
  • 深入理解Java虚拟机：JVM高级特性与最佳实践（第3版）第六章知识点问答（22题）
  • 连锁零售排班难？自动排班系统来解决
  • DDR3入门系列（二）------DDR3硬件电路及Xilinx MIG IP核介绍
  • 基于LZO的无损数据压缩IP，高性能压缩速率32Gbps，压缩率50%，适用FPGAASIC
  • TDengine IDMP 应用场景：IT 系统监控
  • HIVE创建UDF函数全流程
  • 【URP】Unity 插入自定义RenderPass
  • 【学习记录】CSS: clamp、@scope
  • C++ extern 关键字面试深度解析