我會帶你回顧這些年社群上的 AI 工具趨勢變化，哪些活下來，哪些紅極一時現在卻又乏人問津。

並且所有工具做成一張大表，讓你一次把類型看清楚。

以前只要問：我要用 ChatGPT 還是 Claude？

現在變成：Claude Code、Codex、Antigravity、Cursor、GitHub Copilot、ChatGPT，到底誰是誰？

更煩的是，有些還分成網頁版、桌面版、IDE 版、指令版。

又更煩的是，每家公司都推出自己的工具，名字還不太一樣！

這麼多工具，看起來每個都很重要。但每個都學，又不可能。

所以問題來了：到底要用哪個？學哪個才不會過時？

會不會今天學了明天就過時？

想先給大家一個重要的觀念：「害怕過時」本身就是一個過時的觀念。

從 ChatGPT 自 2022/11 問世至今已經要滿 4 年，AI 當然還在快速進步。

但對一般使用者來說，真正需要學的，是掌握那些一直重複出現的底層能力。

所以，我們來回顧近年最紅的 AI 工具演變史，帶你看懂為什麼有這麼多工具，他們背後的邏輯是什麼。

一開始是 Cursor 爆紅

然後 Claude Code 出現

當 Claude Code 出現，風向又變了。

軟體工程師比起圖形化的編輯器，更愛酷炫的指令列。

本質上就是用不同介面做一樣的事，但也引起小白的爭相仿效。

（不鼓勵大家直接用 Claude Code 指令版，要像軟體工程師耍帥還是有代價的。）

Claude Code（指定版）崛起後，各家巨頭公司爭相效法，紛紛推出自家的「指令版（終端機版）」AI 寫程式工具。

Cursor 推出指令版，叫 Cursor CLI。

OpenAI 推出指令版，叫 Codex。

Google 推出指令版，叫 Gemini CLI。除此之外還推出 IDE 版，叫 Antigravity（模仿 Cursor）。

各家開始你追我趕：

• 你有 CLI，我也要有 CLI

• 你能跑終端機，我也要能跑終端機

• 你有編輯器，我也要有編輯器

• 你給免費額度，我就給更大方的額度

像現在的 Claude Code 桌面版，也在一點一滴加入 Cursor 本來就有的功能。

回到 AI 核心——

今天大家說 Gemini 最強。

明天又說 Claude 才是寫程式王者。

後天 OpenAI 一更新，風向又倒回 ChatGPT。

很多時候只是社群風向變化，跟模型能力沒有什麼關係。

看起來每天都有新東西，但褪去社群的噪音以後，你會發現不外乎就是：

• AI 看懂你的需求

• AI 讀取你的專案

• AI 修改檔案

• AI 執行指令

• AI 幫你測試、除錯、整理結果

名字一直換，入口一直換，介面一直換。

但關鍵能力沒有換。

兩三年前你在 Cursor 裡學會的事情，今天放到 Claude Code、Codex、Antigravity 裡，還是用得上。

工具這麼多，我到底怎麼選？

講完工具大戰，下一個問題通常是：那我到底要用哪一個？

我的建議很簡單：

• 學習導向工具：要固定

• 嚐鮮導向工具：可以亂玩

• 「我就是想花錢了事」的工具：又是另一件事

這三件事要分開。

很多人一想到 AI 寫程式，就以為一定要裝 Cursor、Claude Code、Codex CLI、Antigravity 這些看起來很專業的工具。

但最被低估的，其實是 AI 巨頭們的 Web 版：ChatGPT Web 版、Claude Web 版、Gemini Web 版。

不裝工具，也可以先開始。

光是這些 Web 版，就已經能做非常多事了。

尤其對新手來說，你真正需要練的，其實是：

• 怎麼把需求講清楚

• 怎麼把任務拆小

• 怎麼找到關鍵的錯誤訊息

這些事情，用 Web 版就能練。

甚至我自己的專案，我也會刻意把專案縮到單檔，直接透過 ChatGPT Web 版來迭代。

原因很現實：我在寫這篇時，ChatGPT Web 版比其他方案的額度都還大方。

而且如果任務夠小、脈絡夠清楚，Web 版搭配主流模型，常常就已經很夠用了。

這也是我一直想提醒大家的：跟著大家一窩蜂，不一定比較省力，反而常常比較花錢。

之前大家一窩蜂往 Claude Code 擠，Claude Code 的額度、方案、限制就開始變動。

大家發現 Codex 好用，開始一窩蜂往 Codex 擠，Codex 的用量規則也會跟著調整。

這不是哪家公司壞。

這就是雲端 AI 工具的現實：越多人擠，額度越快變少，限制越快變多，價格越快長出新花樣。

新手不要一開始就把自己丟進最貴、最潮、最容易燒額度的工具裡。

要先問自己：

• 我是要學會 AI 寫程式增強自己的能力？（練能力）

• 還是想付錢聘請一個 AI 員工？（買服務）

這兩件事不一樣。

如果你有預算，你沒有真的想理解程式這回事，只是想找一個像「AI 員工」的工具幫你處理工作，那我會建議你選「最小白友善」的高階方案。

因為你買的是省掉學工具的時間。

都已經選擇花錢了，就不要再選一個又貴、又還要重新學一堆操作的工具。

像是 Claude Max 搭配 Claude Cowork，就比較接近這個方向。

它讓 AI 進到你的桌面、瀏覽器、文件、簡報、試算表裡，幫你處理更完整的工作流程。

缺點是，這條路比較像是買服務，而不是練能力。

AI 變強，你會跟著受益；你的底層判斷力，不一定會同步變強。

如果你是想獲得 AI 時代的超能力，把 AI 當成墊腳石，擁有更遼闊的視野，我會建議簡單一點：

用你本來就有訂的 AI 的 Web 版，最多再搭配 Cursor，來 AI 寫程式。

ChatGPT 可以。

Claude 可以。

Gemini 也可以。

你本來就有訂哪一個，就先用哪一個。

哪個現在有免費額度，就先蹭哪一個。

重點是你有沒有穩定練到那幾個共通能力。

如果你做的是不依賴 AI 推理的自動化工具，程式寫好了，甚至可以退訂 AI。

它可以在電腦或雲端穩定執行，用極低的成本，持續為你產生價值。

為什麼我推薦 Cursor 當學習工具？

因為它老牌、穩定、功能完整，已經具備 AI 寫程式需要的核心工作流程：

• 看專案

• 改檔案

• 跑指令

• 解釋錯誤

• 協助重構

• 配合版本控制

它作為學習工具，好處是夠成熟、夠典型。

更重要的是，它的學習門檻相對清楚，也有足夠的新手學習資源。

Claude Code 現在也正在慢慢長得越來越像 Cursor。

所以你在 Cursor 裡學會的事情，之後換到 Claude Code、Codex、Antigravity，還是用得上。

大原則：學習導向請固定，嚐鮮導向可以亂玩

你可以固定用 Web 版 AI 加 Cursor 打底。

同時看到 AI 巨頭出了新工具，也可以去玩一下、感受一下市場正在往哪裡走。

但不要每出一個新工具，就覺得自己前面學的都白費了。

你是在學工具背後的核心邏輯：

• 怎麼跟 AI 講清楚

• 怎麼讓 AI 拆任務

• 怎麼在它亂改時救回來

• 怎麼把它從聊天機器人，變成真正能幫你完成工作的系統

工具會換，但這套能力，不會跟著消失。

Q2：同樣都是 Claude，為什麼在不同地方跑聰明度好像不一樣？

曾經有人說：「VS Code 裡的 Claude Code 比較好用！」

真的嗎？這件事可以怎麼理解？

這一節想介紹一個概念：Harness（調度框架 / 挽具）。

人騎馬，不是直接抓著馬鬃、硬坐在馬背上。

你會需要馬鞍、韁繩、馬鐙，還有一整套馬具，來幫助你駕馭這匹馬。

AI 模型，或是說 LLM（大型語言模型，Large Language Model）也是這樣。

你真正使用的，通常不是一顆赤裸裸的模型。

而是一顆模型，加上一整套讓它能做事的系統。

模型本身像大腦，但光有大腦還不夠。

它還需要眼睛，才能看見你的專案。

它還需要手，才能修改你的檔案。

它還需要腳，才能跑指令、跑測試。

它還需要工作規則，知道什麼時候要先規劃、什麼時候可以動手、什麼時候要停下來問你。

這些東西加在一起，就是 Hareness（調度框架）。

這就像同一個人。你把他丟進空房間，只給他紙筆，他能做一件事。你給他電腦、資料庫、工具箱、助手、SOP，他能做的事就完全不一樣。

AI 工具也是這樣。

回到上面的問題：為什麼有人說 VS Code 裡的 Claude Code 比較好用？

要回答這個問題，要把「工具好不好用」拆成三層來看。

最底層是模型能力，也就是 LLM 的能力。

也就是 GPT、Claude、Gemini 這些大腦本身。

它決定了 AI 的理解力、推理力、寫程式能力。

再往上一層，是 Harness（調度框架／挽具）的能力。

它能不能讀檔案、改檔案、跑指令、搜尋資料、開瀏覽器、接 API。

它怎麼決定先做什麼、後做什麼。

什麼時候要規劃。

什麼時候要執行。

什麼時候要檢查。

什麼時候要停下來問你。

再往上一層，是載體與介面。

功能齊全的 IDE（整合式開發環境）讓你有完整的掌控。

聊天導向的介面讓你有請 AI 員工的感覺。

工程師熱愛指令版，一般人偏好桌面版。

桌面版之中，又有公司更擅長把介面做得順暢。

整座金字塔疊起來以後，才是你感受到的那句話：「這個工具好不好用。」

所以工具好不好用，不只取決於底層是哪一顆模型。

同樣是 Claude。

放在 Web 版，是一種感覺。

放在 Claude Code，是另一種感覺。

放在 Cursor 或 VS Code 裡，又可能是另一種感覺。

也就是 Claude 加上了不同的馬具，放在了不同的載體讓你使用。

有些工具只是讓模型跟你聊天。

有些工具讓模型能改檔案、跑指令。

有些工具還會幫模型安排工作流程，讓它先規劃、再執行、再驗收。

所以，學工具之前，先看懂這座金字塔。

你就不會每次工具換個名字，就覺得自己又要重學一次。

其實他們的差異沒有那麼大。

至於 VS Code 裡的 Claude Code 是不是比較好用，那是因為 Claude Code 的調度框架曾經壞了一陣子，現在已經修好了！

結語：工具會換，但你不用一直重來

回到一開始的問題：Claude Code、Codex、Antigravity、Cursor、GitHub Copilot、ChatGPT，到底要用哪個？

我的答案是：你真正要學的，是那套可以帶著你穿越工具變化的能力。

工具會換名字。

介面會換位置。

額度會換規則。

模型排名會換冠軍。

社群風向會變。

但真正讓你做出東西的能力，其實一直都沒變：

你能不能把需求講清楚。

你能不能把任務拆小。

你能不能找到關鍵的錯誤訊息。

你能不能讓 AI 不要一路鬼打牆。

你能不能在它亂改時救回來。

你能不能判斷，它到底是在解問題，還是在很有自信地製造新問題。

這些能力，比任何一個工具都更耐用。

所以，學習時不要一直換練習場。

先選一組穩定的工具，把基本功練起來。

想嚐鮮時，再去看新的工具長成什麼樣子。

真的只是想省時間，也可以花錢買更小白友善的 AI 員工。

工具會一直換。

但如果你學會的是這套能力，你就不需要每次從零開始。

你只是換一匹馬。

而你已經知道，韁繩要怎麼拉。