编程助手生态与选型

• 隐私 vs 能力
• 延迟与运维
• 选型权衡

本地模型与 SaaS Coding Agent 的取舍：隐私——本地模型代码不出境，隐私最好，适合敏感代码；SaaS 代码发送到云端，需评估数据与训练政策。能力——SaaS 通常能力更强（更大模型、上下文、工具），本地模型能力受限（受硬件/模型大小限制）。延迟——SaaS 有网络延迟，本地模型本地推理延迟低但受硬件算力限制。运维——本地模型需自建/运维（GPU、模型、升级），SaaS 免运维但有依赖与成本。选型：敏感数据用本地，追求能力用 SaaS，按隐私/能力/延迟/运维权衡。

这是"隐私、能力、延迟、运维"四维权衡。本地保隐私、SaaS 强能力，延迟与运维成本也需权衡。按数据敏感度与能力需求综合选型。

• 第三方 MCP/脚本审查
• 权限升级
• 供应链风险

MCP/Hooks 引入第三方能力，需审查：第三方 Server 来源与可信度、脚本内容（是否恶意/危险命令）、权限升级（工具是否以更高权限运行、能否访问敏感资源）、数据访问（Server 能否访问代码/环境/密钥）。审查要点：白名单允许可信第三方、沙箱运行第三方工具、限制工具权限（最小权限）、审计工具调用、脚本阶段审查（命令、文件、网络）。权限升级风险：MCP/脚本可能提权执行，需限制其运行环境与权限范围。

第三方 MCP/Hooks 是"权限与供应链风险"。审查来源、脚本、权限升级、数据访问，用白名单、沙箱、最小权限、审计控制。防第三方工具越权。

• 避免工具锁定
• 退出方案
• 配置迁移

不能把工具视为"必备"因为：工具会变（涨价、停服、能力变化、合规风险）、锁定风险（工具深度嵌入后难退出）、商业风险（供应商变化）。应准备退出与迁移方案：数据可导出（提示、规则、配置）、配置可迁移（标准化格式）、接口可替换（抽象层）、退出成本评估（迁移工作量、数据格式）。把工具当作"可替换组件"而非"绑定组件"，设计时预留抽象与可迁移性。定期评估工具价值与退出成本。

避免锁定是"可替换性设计"。数据可导出、配置可迁移、抽象层隔离，让工具可替换。准备退出方案降低供应商风险，工具是组件而非绑定。

• 上下文压缩
• 长任务遗忘
• 大仓库适配

评估上下文压缩与长任务遗忘：用大仓库真实任务测试——长对话/长上下文下 Agent 是否保持关键信息（任务目标、约束、已做）、上下文压缩是否丢失关键上下文、长任务是否遗忘早期决定。评估方法：设计长任务（多文件、多步骤），检验 Agent 能否持续遵循要求、不遗忘关键约束；观察压缩后是否信息丢失。大仓库中失效表现为"上下文溢出、遗忘、越改越散"。选型时用长任务基准测试，而非宣传。

大仓库失效源于"上下文有限 + 遗忘"。用真实长任务测试评估压缩与记忆能力，检验关键信息保持。选型基于真实任务验证，避免宣传功能。

• 宣传 vs 实际
• 真实任务验证
• 场景适配

宣传功能与实际效果可能不符：宣传基于通用/特定场景，而自有代码库有特定结构、语言、规模、约定；宣传的"能力"可能与实际场景不匹配。必须基于自有代码库的真实任务验证：用生产环境的真实任务（重构、迁移、调试、修复）测试工具，观察质量、效率、安全性、准确率。真实任务反映"该工具在你仓库的表现"。验证覆盖典型工作流，评估才能落地。避免被广告词误导。

选型必须"场景验证"。宣传是通用化，自有仓库是独特场景。真实任务验证看实际表现，避免宣传误导。选型基于证据而非广告。

• SSO 与身份
• 策略控制与审计
• 许可与合规

评估企业治理能力：SSO（是否支持企业身份、SCIM、MFA、权限同步）、策略控制（能否细粒度控制功能/数据/权限）、审计日志（能否记录操作、导出、保留）、许可管理（许可证、用量、成本、合规授权）。评估能否满足合规与安全要求：数据保留、审计可追溯、最小权限、访问控制、训练数据排除。用自评清单 + 安全/合规部门评审，确认工具满足企业政策。若治理能力不足，需补强或限制场景。

企业治理评估是"身份、策略、审计、许可、合规"多维。SSO 控身份、策略控权限、审计可追溯、许可控合规。评估工具能否满足企业安全与合规要求。

• 补全 vs 全仓 Agent
• 场景适配
• 组合使用

不同工具的适用边界：行内补全（inline completion）适合"局部、低上下文"场景（补全当前行、函数），快、低干扰；对话式建议适合"解释、小改动、单文件"场景；全仓 Agent 适合"多文件改造、跨模块重构、大型任务"场景，需要全局上下文与多步执行。按场景选型组合：简单补全用行内，中等用对话式，复杂用全仓 Agent。组合使用：行内补全做日常提速，全仓 Agent 做复杂任务。避免用错工具（全仓 Agent 做简单补全浪费，行内补全做复杂改造不够）。

选型是"任务复杂度 vs 工具能力"。行内补全低上下文、全仓 Agent 高上下文多步。按场景组合，各取所长，避免错配。

• MCP 工具审计
• 可执行命令
• 文件访问范围

MCP Server 接入后审计：可执行命令（工具能执行哪些命令，是否含危险命令、是否需白名单/审批）、文件访问范围（工具可读写哪些路径，是否越权访问敏感目录）、权限升级（工具是否以更高权限运行）。审计方法：审查 MCP Server 声明与实现（工具列表、命令、文件操作）、运行时审计（记录工具调用、命令、文件访问）、沙箱限制（限制命令白名单与文件范围）。最小权限原则：工具只暴露必要命令与访问范围，审计全部调用。

审计是"能力声明 + 运行时记录 + 权限限制"。可执行命令白名单、文件范围最小化、审计调用。防 MCP 工具越权执行命令或访问敏感文件。

• 订阅成本
• 退出成本
• 数据可迁移

评估订阅与退出成本：订阅成本（许可证、用量、功能与价格、隐性成本）；退出成本（数据导出——提示、规则、配置、历史能否导出；配置迁移——迁移到新工具的工作量、格式兼容）。关键：退出成本常被低估——工具深度嵌入后数据格式、配置、工作流绑定，迁移成本高。评估时：确认数据导出能力、配置标准化、抽象层可替换。用"退出成本"评估锁定风险，选择可迁移的工具。

退出成本是"锁定风险"的量化。数据导出、配置迁移、抽象层决定退出成本。评估订阅与退出成本，避免深陷绑定。可迁移性是关键。

• 相同任务集
• 多维比较
• 公平评估

试点比较需"相同任务集 + 多维指标"：任务集（相同的一组真实任务：生成、重构、迁移、测试、调试），指标四维——质量（正确率、缺陷、审查通过）、成本（时间、token）、安全（是否引入漏洞/泄密）、开发者负担（学习成本、使用体验、干扰）。用相同任务集跑不同工具，采集四维数据对比。任务集要覆盖典型工作流、有明确验收。对比基于证据，避免主观。

公平比较靠"相同任务集 + 多维指标"。任务集一致保证可比，质量/成本/安全/负担四维全面评估。基于证据选型，避免主观偏好。

• POC 任务集
• 任务覆盖
• 验收标准

POC 用统一任务集，覆盖典型工作流：代码生成（新功能）、迁移（框架/语言迁移）、重构（优化/清理）、测试（生成测试）、调试（定位修复 bug）。每个任务有明确输入、验收标准与评估维度（正确性、效率、安全）。任务集基于团队真实代码库（非通用），代表实际工作。统一任务集让不同工具可比。POC 评估任务完成率、质量、速度、开发者负担。

POC 任务集要"覆盖典型 + 真实代码 + 可验收"。生成/迁移/重构/测试/调试覆盖核心场景，统一任务集保证可比。评估基于验收标准。

• 多语言支持
• 语言适配
• 评估

评估不同 Coding Agent 对多语言项目的支持：是否原生支持各语言（Java、TS、Python）的语法/框架/工具链、跨语言重构（Java 与 TS 互调）能力、各语言的准确率与质量。评估方法：用多语言项目真实任务（各语言功能、跨语言改动）测试，比较各工具在每种语言上的质量。多语言项目尤其考验"语言适配 + 跨语言上下文"。选型时用多语言任务集验证，而非单语言。

多语言评估是"语言支持 + 跨语言能力"。用多语言真实任务验证各语言质量与跨语言重构。选型基于多语言任务集，避免单语言样本。

• 工具交互
• 权限透明度
• 扩展方式

各工具比较维度：交互（IDE 内嵌 vs CLI；Cursor/Continue 是 IDE 内嵌，Claude Code/Codex CLI 是 CLI 主导，Cline/Roo 是 IDE 插件+Agent）；权限透明度（工具执行命令/文件操作时是否透明、是否需审批、是否记录权限）；扩展方式（MCP 支持、插件、规则、自定义工具）。CLI 工具权限透明、可控（命令可见），IDE 插件较集成。扩展：MCP 通用、规则文件（AGENTS/CLAUDE）可配置。按交互偏好、权限透明需求、扩展需求选型。

比较是"交互形态、权限透明度、扩展方式"三维。CLI 权限透明、IDE 集成方便，MCP/规则是扩展。按团队偏好与安全需求选型。

• 选型维度
• 模型接入
• Git 工作流与本地部署

选型维度：IDE/CLI（Copilot 是 IDE 内嵌补全，Aider/Goose 是 CLI，Zed 是编辑器）；模型接入（支持哪些模型、是否可接本地模型）；MCP（是否支持 MCP 扩展）；Git 工作流（自动提交、分支、diff 管理）；本地部署（能否本地运行、数据不出境）。按需求选型：IDE 深度融合选 Copilot；CLI 自动化选 Aider；本地部署/隐私选本地模型工具。评估模型支持、MCP 扩展、Git 集成与本地部署能力。

选型是"环境、模型、扩展、工作流、部署"多维。IDE/CLI 决定交互，模型接入决定能力，MCP 决定扩展，Git 决定集成，本地部署决定隐私。按组合需求选型。

• 工具对比
• 能力差异
• 选型

比较不同 Coding Agent：Cursor（IDE 内嵌、AI 补全/对话、多模型）、Claude Code（CLI、Agent 能力强、多步任务）、Codex CLI（OpenAI CLI、云端 Agent）、Windsurf（IDE 内嵌、Agent 工作流）、Copilot Workspace（云端、issue 驱动的任务）。比较维度：交互、Agent 能力、多步任务、模型、集成、成本、权限。选型按需求：IDE 内嵌选 Cursor/Windsurf，CLI Agent 选 Claude Code/Codex，云端任务选 Copilot Workspace。用真实任务验证。

工具各有侧重（IDE/CLI/云端、Agent 能力）。比较交互、Agent 能力、集成、成本。选型按场景与真实任务验证，识别工具差异。

• 训练数据排除
• IP 保护
• 本地部署场景

数据合规核验：训练数据排除（云助手是否使用提交的代码训练，能否关闭/排除）、IP 保护（代码 IP 是否受保护、是否被用于训练）、数据处理协议（DPA，数据处理地点、保留、删除、访问）。核实：查官方政策、合规文档、企业协议，确认数据不用于训练、IP 受保护。必须本地部署的场景：机密/受监管数据（金融、医疗、政府）、IP 高度敏感、数据不可出境、合规要求本地处理。本地部署保证数据不出境与合规。

数据合规是"训练排除 + IP 保护 + 数据协议"。核实协议与政策，确认数据不用于训练。机密/受监管数据必须本地部署，保证数据不出境与合规。

• IDE 内嵌 vs CLI
• 交互差异
• 适用场景

IDE 内嵌（Cursor、Copilot）与 CLI 主导（Claude Code、Codex CLI）的选型：IDE 内嵌适合"日常编码、补全、对话、上下文感知代码"——直接在编辑器中，补全快、上下文感知好、低切换；CLI 主导适合"自动化、批处理、多步任务、脚本化、CI 集成"——命令行可控、可脚本、适合 Agent 与脚本化工作流。IDE 内嵌偏"交互式辅助"，CLI 偏"自动化执行"。按工作模式选型：日常编码用 IDE 内嵌，自动化/多步用 CLI。可组合。

选型是"交互式 vs 自动化"。IDE 内嵌适合日常编码，CLI 适合自动化多步。按工作模式组合，各取所长。

• 本地模型 + 开源 Agent
• 隐私与成本
• 能力限制

本地模型 + 开源 Coding Agent（Cline、Aider、Continue + Ollama）适合：隐私敏感（代码不出境）、成本控制（无 API 费用）、离线/内网环境、定制需求（可改代码）。挑战：本地模型能力有限（代码质量/上下文不如云端大模型）、硬件要求（GPU/内存）、运维成本（模型部署、升级）、配置复杂度。适用场景：敏感代码、数据合规、成本敏感。对能力要求高的场景，本地模型可能不足。需评估本地模型在真实任务的表现。

本地方案是"隐私 + 成本 vs 能力 + 运维"权衡。适合敏感/合规/成本敏感，挑战是能力与硬件运维。选型评估本地模型真实表现。

• 升级兼容
• 配置迁移
• 回归验证

工具升级时：先评估（升级说明、破坏性变更、配置/规则/工作流影响）、做兼容迁移（配置、规则文件、插件、MCP 适配）、回归验证（用既有任务集/工作流回归，确认行为不退化）。策略：保留旧版本（可回滚）、配置标准化（减少迁移成本）、规则/工作流抽象（不绑定工具版本）。升级分阶段：试点 → 全量，观察回归。升级前备份配置，升级后验证工作流。避免"升级即破坏"。

工具升级是"评估→迁移→回归→回滚"。配置标准化、规则抽象降低迁移成本，回归验证防退化。升级可控、可回滚。

• 规则集中管理
• 版本化
• 同步各助手

规则库治理：集中维护（单一权威来源，如仓库的 AGENTS.md/规范文件）、版本化（随代码走 PR、可回滚）、同步到各助手（IDE/CLI 读取同一权威来源，各工具引用/导入，避免各自维护）。避免规则漂移：单一来源 + 自动同步（工具从仓库拉取规则）+ 冲突消解（优先级层级）+ 审计（规则变更可追溯）。各助手（Cursor、Claude Code、Copilot）读取同一规则文件，保证一致。规则变更走评审，同步更新。

防漂移靠"单一来源 + 版本化 + 同步 + 审计"。集中维护权威来源，各助手同步读取，规则变更版本化可回滚。避免各工具各自维护导致漂移。