在同一个真实代码库上测试了三个 coding agent，最大的意外是你的环境配置有多大程度会跟着你在它们之间迁移

把同一份功能需求分别交给 Cursor、Codex 和 Claude Code，在我自己正在运营的 SaaS 上跑。同一个分支、各自最便宜的付费套餐、默认设置，还有一份 16 条的验收清单在第一次运行之前就写好了。原以为我在测这些 agent，结果发现有一半内容测的是它们外面那层环境。Cursor 在没有询问的情况下就导入了我的 Claude Code 插件。有个开关控制这件事，而且默认开启。我能发现这一点纯属偶然——那个 agent 去调用了一个我从未在 Cursor 里装过的插件。也就是说，我第一次运行其实是在一个新窗口里测量我旧的那套环境。于是我专门注册了一个全新的 Claude 账号，想拿到一次干净的运行。没用。插件、skills，还有一个指向完全不相关仓库的 MCP 服务器，全都照样加载了，因为它们存在 home 目录里，而不是跟着账号走。唯一一次干净的会话，是我把 CLAUDE_CONFIG_DIR 指向一个空目录之后才得到的。如果你以后想做任何测量，或者你好奇自己还没敲一个字之前上下文是怎么走的，这个值得知道。另一件让三个 agent 里中招两个的问题：你的项目里会记着一些并不在你的指令文件里的东西。在我的例子里，生成的文档清单被硬编码在四个地方，其中一处写着不要引用它之外的任何东西。有两个 agent 添加了一份必需的文档，却始终没有把它接进去，结果文件躺在仓库里，从来没有任何东西会打开它。生成过程报了成功，done-when 检查也通过了。我是手动打开生成出来的 CLAUDE.md 才发现的。真正把它们区分开的，是职责范围，而不是模型能力。运行期间我本地的数据库挂了。Cursor 写下什么都验证不了，然后就停了。Codex 自己请求启动 Docker，应用了数据库迁移，写了 Playwright 测试，还在自己写的代码里发现了一个序列化 bug。Claude Code 做了同样的事，另外还为它刚刚自创的几个设计预设写了一个对比度测试，并修复了其中两个未达 WCAG AA 标准的。数据：Claude Code 38 分钟，消耗了周度额度的 6%；Cursor 52 分钟，用了月度配额的 3%；Codex 在功能做到一半时撞上 5 小时上限，需要等待 3.5 小时。注意，每个工具只跑了一次。有人指出我应该先用同一个工具跑两次来测出噪声底线，这个意见很中肯，下次我会这么做。带完整需求文档、截图和三个可访问 demo 应用的完整文章见评论区。