惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

腾讯CDC
The Cloudflare Blog
IT之家
IT之家
V
V2EX
雷峰网
雷峰网
MyScale Blog
MyScale Blog
P
Proofpoint News Feed
Stack Overflow Blog
Stack Overflow Blog
博客园 - Franky
Engineering at Meta
Engineering at Meta
S
SegmentFault 最新的问题
GbyAI
GbyAI
Microsoft Azure Blog
Microsoft Azure Blog
博客园 - 司徒正美
云风的 BLOG
云风的 BLOG
小众软件
小众软件
博客园 - 叶小钗
Blog — PlanetScale
Blog — PlanetScale
C
Check Point Blog
A
About on SuperTechFans
B
Blog
月光博客
月光博客
宝玉的分享
宝玉的分享
Last Week in AI
Last Week in AI

宝玉的分享

高效商业智能体的架构剖析指南 AI 原生思维——像训练大模型一样训练自己 Warp 如何让 Agent 自我进化 我的 AI 原生开发流程:一个真实案例的完整复盘 从 TL 到 EM:我终于不再盯着 AI 写代码了 关于 Agent 的几个判断 tsshd v0.1.9 已经发布,低延迟的 ssh - OSCHINA - 开源 × AI · 开发者生态社区 一文看懂ChatGPT、Codex、Work 的差别 从零开始玩转循环 (Getting started with loops) 为啥 Codex 还不推出类似 Codex Design 的产品? DeepSeek 的 10 万亿美元大战略 来自 Codex 官方团队的分享:如何把 Codex 用到极致 为什么我不“凭感觉编程” 创始人手册:打造 AI 原生初创公司 Forward Deployed Engineer:AI 时代的新宠岗位,到底干什么? AI 时代到底该怎么管一个工程团队 为什么资深开发者讲不清自己的专业能力 Codex 的野心,MCP 和 Skill 的下一步 裁员潮将持续,直到我们学会发掘 AI 的商业价值 机器人的终局:英伟达 Jim Fan 宣告 VLA 时代结束,WAM 登场 深度拆解:AI Agent Harness 的构造 使用 Claude Code:HTML 难以置信的奇效 Anthropic 兄妹 Dario Amodei 和 Daniela Amodei 最新对话:Claude 为什么一直限速? Boris Cherny:Claude Code 之后,写代码正在变成“管理 Agent” 大多数公司根本没有为 AI 做好准备 Demis Hassabis:AGI 还缺什么,智能体到底行不行,下一个科学突破长什么样 深度拆解 Hermes Agent 的记忆系统:它如何修正 OpenClaw 的误区 Karpathy 最新访谈:Vibe Coding 只是开始,真正重要的是 Agentic Engineering AI 的经济账根本算不通 为 Agent 设计产品
同样的模型,为什么 Cursor 跑不过 Claude Code?
宝玉 · 2026-02-24 · via 宝玉的分享

有网友问为什么 Claude Code 比 Cursor 好?

我想从三个角度聊下这个问题:上下文、场景、数据飞轮

上下文:IDE 是优势,也是包袱

我估计很多人会有我相同的感受:完成同样的任务,同样的 Claude 模型,在 Cursor 里和在 Claude Code 里跑,效果可以差很多,既然模型是一样的,那问题多半出在上下文上面。

Cursor 最大的卖点是它把 AI 塞进了 IDE。你习惯了 VSCode,切过来几乎零成本,Tab 自动完成也确实做得好。

但 IDE 带来的问题是:它要帮你维护太多跟当前任务无关的上下文。你打开了哪些 Tab、选中了哪些代码、侧边栏展示了什么,这些信息都会被塞进和模型交互的上下文里。你以为它在帮你,其实它在分散模型的注意力。

Claude Code 是命令行工具(CLI),它只关心文件本身。没有 Tab 状态,没有 UI 元素,上下文干干净净。这不仅省 Token,更重要的是让 Agent 能聚焦在你给它的任务上。

IDE 上下文污染 vs CLI 干净上下文

场景:当 Agent 成为中心,IDE 退居二线

CLI 有一个 IDE 没法比的优势:移植性

你可以在本地用 Claude Code,可以在远程服务器上用,可以在 Docker 容器里用,可以直接集成到 CI/CD 流水线里。Anthropic 官方已经发布了 GitHub Action 和 GitLab CI/CD 集成,你在 PR 里 @claude 就能触发自动 Code Review、自动修复 Bug、甚至自动实现 Issue 里描述的功能。

Claude Code 已经不只是一个“编程助手”了,它是一个可以嵌入到任何工作流里的开发工具包(SDK)

当 Agent 能力足够强的时候,你的日常工作模式会变。以前你需要打开 IDE,手动调整代码细节,现在你更多是在指挥 Agent:改这个文件、跑一下测试、修复报错。这个过程里,你不需要看到 IDE 的界面,你只需要一个能跟 Agent 对话的入口。

一旦习惯了这种方式,Cursor 引以为傲的 Tab 自动完成就没那么重要了。你不需要 AI 帮你补全下一行代码,你需要 AI 帮你完成整个任务。

场景还在继续扩展。已经有很多人用 Claude Code 做编程之外的事情:批量处理文件、生成报告、操作数据库、甚至辅助视频剪辑。当你的 AI 工作流是以命令行为入口的时候,编程只是它能做的事情之一。

包括 Anthropic 也推出了针对办公场景的 Cowrok,可以满足很多办公需求,甚至于不需要打开办公软件可以生成不错的 PPT。这些都是相同的趋势,人会越来越多的以 Agent 为中心,去指挥 Agent 操作软件,而不是直接打开软件,这个变化正在发生。

Agent 为中心的多场景工作模式

数据飞轮:自家模型 vs 第三方集成

自家模型加自家工具形成的数据飞轮,可能是 Claude Code 真正的护城河

Cursor 是一个第三方工具,它接入多种模型,Claude、GPT、Gemini 都可以用。

听上去很灵活对吧?但问题是,它要为每一种模型做优化:不同的系统提示词、不同的工具调用方式、不同的擅长领域。

Codex 喜欢写 Python,Claude 习惯用 Bash,每次模型升级,这些适配都要重新调整。维护成本很高,而且很难做到极致

Claude Code 只需要考虑一件事:怎么把 Claude 模型的能力发挥到最大。它知道模型的所有技术细节,知道什么提示词效果最好,知道怎么拆分任务最高效。甚至 Anthropic 可以反过来,专门针对 Claude Code 的使用场景去训练模型。

这就形成了一个飞轮:用户用 Claude Code 产生真实的交互数据,Anthropic 用这些数据训练下一代模型,模型变强后 Claude Code 更好用,吸引更多用户,产生更多数据。Cursor 做不到这个循环,因为数据和模型分属不同的公司。

飞轮效应还体现在定价上。Anthropic 可以把 Claude Code 的订阅价格定得相对便宜,因为用户产生的数据本身就有价值,相当于用补贴换数据。

Cursor 的商业模式是赚差价:用户付月费,它去调 API,中间的差价就是利润。用户的 Token 用得越少,Cursor 赚得越多。它之前尝试过比较大方的包月方案,很快就扛不住成本了,现在改成包月加超额付费的模式。做 Agent 功能的时候,它就有动力去省 Token,但一省 Token 上下文就可能被截断,效果就打折扣

这也是为什么同样的模型,Cursor 的表现不一定比得上 Claude Code。

数据飞轮 vs 赚差价模式

最后

我得申明下,我有一段时间没怎么用 Cursor 了,上面这些对 Cursor 的判断是有滞后的,更多是一年前的 Cursor 印象。Cursor 也在做 CLI 工具,也在往 Agent 方向走。两者的形态边界在模糊。

但核心逻辑不会变:当编程的主要方式从“人写代码”变成“人指挥 Agent 写代码”,IDE 的重要性就会持续下降。 原生为 Agent 设计的 CLI 工具,天然比从 IDE 里长出来的 Agent 功能更有优势。