本页目录
01
先统一认知：编码 Agent 到底在做什么
编码 Agent 不是“更聪明的代码补全”，而是一个能读仓库、能改文件、能跑命令、能自我纠错的终端助手。你给它一个自然语言任务，它会自己拆解步骤、调用工具、观察结果、继续迭代，直到完成。
它和传统 IDE 插件（如 Copilot）的核心区别是主动性：Copilot 等你敲代码时给建议；Agent 会主动执行 git diff、pytest、pip install 等命令，并基于反馈继续改。你更像一个项目经理，而不是一个打字员。
- 核心能力
- 读目录、读文件、写文件、执行命令、调用外部工具
- 关键循环
- 思考 → 行动 → 观察 → 再思考（ReAct / Agent Loop）
- 安全机制
- 权限模式、审批确认、沙箱执行、只读模式
- 选型关键
- 模型质量 × 上下文窗口 × 工具链 × 价格 × 隐私/合规
02
五款工具一句话定位
-
A
Claude Code
Anthropic 官方出品，Claude 模型加持，代码理解强、上下文长、文档编辑稳，适合中大型项目与复杂重构。
-
B
Codex
OpenAI 的编码 Agent，与 ChatGPT 生态打通，云端任务与本地 CLI 并行，适合已在使用 OpenAI 服务的团队。
-
C
Kimi Code
国产终端编码 Agent，中文体验好、国内访问稳、长文本是强项，适合中文开发者与国内企业场景。
-
D
OpenCode
开源、模型无关，可自托管、可换任意模型，适合想掌控数据、想自定义 Agent 行为的技术团队。
-
E
Pi Agent
极简内核 + 强扩展设计，小到能读完源码，适合想深度定制、学习 Agent 架构的开发者。
03
横向对比表：一眼看清差异
下面这张表是选型的核心依据。价格以官方公开定价为参考，实际以各平台当前页面为准；权限模式决定了它在你的仓库里能走多远。
| 维度 | Claude Code | Codex | Kimi Code | OpenCode | Pi |
|---|---|---|---|---|---|
| 出品方 | Anthropic | OpenAI | Moonshot / 月之暗面 | 社区开源 | 社区开源 |
| 默认模型 | Claude 系列 | GPT / o 系列 | Kimi 系列 | 可配任意 | 可配任意 |
| 开源程度 | 闭源 | 闭源 | 闭源 | 开源 | 开源 |
| 运行位置 | 本地 CLI | 本地 CLI + 云端任务 | 本地 CLI | 本地 CLI / 自托管 | 本地 CLI |
| 中文体验 | 优秀 | 优秀 | 原生中文优化 | 取决于模型 | 取决于模型 |
| 上下文窗口 | 大（200K+） | 大（128K+） | 大（长文本是卖点） | 取决于模型 | 取决于模型 |
| 权限控制 | 多档权限模式 | 审批 + 沙箱 | 权限配置 | 可自定义 | 可自定义 |
| 上手门槛 | 中 | 中 | 低 | 中高 | 中 |
| 最佳场景 | 复杂重构、大仓 | OpenAI 生态 | 中文、国内、长文本 | 私有化、定制化 | 学习、轻量定制 |
04
按场景推荐：别只看参数，看你要干什么
场景一：日常写代码、改 Bug、跑测试
这是最常见的需求。你不需要最强的模型，但需要稳定、响应快、不会乱改。Claude Code 和 Kimi Code 在这类任务上都很稳；如果你已经买了 ChatGPT Plus，Codex 也能无缝接入。
个人日常开发 → Claude Code 或 Kimi Code 国内网络环境 → Kimi Code 已用 OpenAI → Codex 预算敏感 → OpenCode + 本地/低价模型
场景二：大型代码库重构
大仓需要 Agent 能读很多文件、记住跨文件关系、一次性改多处。Claude Code 的长上下文和文件编辑能力在这里优势明显；Kimi Code 的长文本能力也能覆盖大仓。
场景三：企业 / 私有代码
如果代码不能出内网，闭源云方案直接出局。OpenCode 或 Pi 配合本地模型（Ollama / vLLM）是合规路径。OpenCode 的模型无关和可扩展性更适合企业定制。
场景四：学习 Agent 原理
想搞清楚 Agent 循环、工具调用、记忆系统怎么实现？Pi 的极简内核最适合当教材；读完源码再去看 Claude Code / OpenCode 的高级抽象会轻松很多。
场景五：教学、写教程、做 demo
需要可复现、可解释的步骤。Claude Code 的“思考过程”展示和 Kimi Code 的中文输出都比较适合录屏；OpenCode 则适合展示“自定义 Agent”的可能性。
05
每款深入：适合谁，不适合谁
Claude Code
优势是代码理解深度和长上下文。处理复杂需求、跨文件重构、写测试用例时，输出质量通常很高。权限模式成熟，可以让它只读、审批后执行、或全权限。
劣势是依赖 Anthropic 服务，国内访问需要网络条件；价格按模型 token 计费，重度使用成本不低。
Codex
OpenAI 把 Codex 做成了云端任务 + 本地 CLI的双形态。你可以把一整个需求丢给云端让它慢慢跑，也能在终端里即时交互。和 ChatGPT、GitHub Copilot 账号体系打通是最大便利。
劣势是黑盒程度高，沙箱与审批机制有时会让简单任务多一步确认。
Kimi Code
长文本是 Kimi 的招牌，放到编码 Agent 里就是能一次性吞下更多上下文，对大文件、多文件任务友好。中文指令理解自然，国内网络无压力。
劣势是生态还在快速迭代中，部分高级功能（如复杂审批流、沙箱）可能不如海外成熟产品丰富。
OpenCode
最大卖点是开源 + 模型无关。你可以接 OpenAI、Claude、Kimi、本地 Llama/Qwen/DeepSeek，甚至自己微调的模型。AGENTS.md 项目约定和 MCP 扩展让它在企业场景很有想象空间。
劣势是需要自己配置模型和权限，文档和社区支持相对年轻，出问题得多看源码。
Pi Agent
Pi 的哲学是小内核、大扩展。核心代码量不大，但插件/技能/模板/主题都能扩展。它更像一个“可读的 Agent 框架”，而不是一个开箱即用的大而全产品。
劣势是功能不如商业产品完备，需要你自己搭积木。
06
安装上手门槛：从 0 到第一次对话
五款工具的安装都不算复杂，但依赖环境略有不同。下面是最简路径：
| 工具 | 最简安装 |
|---|---|
| Claude Code | npm install -g @anthropic-ai/claude-code，然后 claude 登录 Anthropic 账号 |
| Codex | npm install -g @openai/codex，配置 OpenAI API Key |
| Kimi Code | 按官方 CLI 指引安装，登录 Kimi 账号 |
| OpenCode | 克隆仓库 / 安装包，配置模型 provider 与 API Key |
| Pi | 克隆仓库，安装依赖，配置模型后即可 pi |
07
常见误区：选型时别踩这些坑
- 误区 1：参数最强的就是最适合自己的。大模型能力强，但响应慢、价格高。日常改 Bug 用中等模型反而更划算。
- 误区 2：开源等于免费。开源工具省的是授权费，但模型调用、服务器、维护人力都要算成本。
- 误区 3：一个工具走天下。不同任务可以换不同工具；比如用 Claude Code 做复杂重构，用 Kimi Code 快速中文问答。
- 误区 4：给了全权限就不管了。再强的 Agent 也会幻觉、也会误删文件。审批模式和 git 提交是底线。
- 误区 5：只看首屏价格。编码 Agent 的账单按 token 走，重度使用下价格差异会放大，先估算自己的调用量。
08
选型决策树：三步定案
1. 代码能不能出内网 / 能不能用海外服务？ 是 → 继续看 2 否 → OpenCode 或 Pi + 本地模型 2. 更看重中文体验还是海外生态？ 中文 / 国内 → Kimi Code 海外 / 已有 OpenAI/Anthropic 账号 → 继续看 3 3. 主要做复杂重构、大仓，还是日常任务？ 复杂重构 / 大仓 → Claude Code 日常 / 云端长任务 / OpenAI 生态 → Codex 4. 想学习 Agent 原理或深度定制？ → Pi 或 OpenCode
09
下一步：点开对应教程动手
对比只是第一步，真正形成判断需要亲手用。我们给五款工具都写了详细上手教程，包含安装、登录、权限、命令速查和第一个实战任务。
- Claude Code 教程：安装、CLAUDE.md、权限模式与实战流程
- Codex 教程：OpenAI 编码 Agent 的本地与云端用法
- Kimi Code CLI 教程：国产终端编码 Agent 上手指南
- OpenCode 教程：开源可换模型的编码 Agent
- Pi Agent 教程：极简内核与扩展设计