在同一仓库中运行 Claude Code、Codex 和 Gemini CLI 作为编码代理一周——它们各自的薄弱环节。

我花了大约一周的时间，让这三款终端编码代理在同一个真实项目上执行相同的任务，以便在抛开演示阶段后，了解它们之间真正的差异。分享一些突出的发现，好奇是否其他人也有同样的感受。Claude Code 在跨多步骤任务时上下文保持能力最强。当某个更改涉及多个文件时，它能记住已经完成的工作，不会偏离主题。它的短板在于成本。如果让一次会话过于冗长，它会快速消耗预算；解决方法主要是自律：每个任务使用新会话、限定范围、在仓库根目录放置一个简短的上下文文件。Codex 最为字面化。它几乎完全按照我的描述执行，很少带来意外，这一点我很喜欢，尤其是在明确说明的更改中。它的短板在于模糊性。给它一个模糊的指令，它可能卡住或只做最小的事情，因此我需要在前期比使用其他工具时更精确地描述。Gemini CLI 在原始上下文大小上胜出。当任务需要同时处理大量文件时，它比另外两者表现更好，而且免费套餐使得尝试变得更容易。它的短板在于一致性。同一个提示在一次运行时可能给出清晰结果，下一次却可能给出混乱的结果，这种情况比其他工具更频繁。令我惊讶的是，无论使用哪种工具，差异归结为几个相同的习惯：维护上下文文件、分小步骤工作、在编辑前展示计划。这些习惯对每个工具的帮助都比在它们之间切换更大。对于那些将这些工具作为代理使用的人，你们遇到哪些问题？你们是固定使用一种，还是根据任务切换？