2025 年 AI 编程助手横评：五种场景下的真实产出对比
同一个需求交给五类工具完成，从功能正确性、修改成本到可维护性逐项打分。含完整实测录屏。
过去一年我陆续用了几款 AI 编程工具。与其看宣传，不如把同一个需求分别交给它们做一遍。
测试用的五个场景
- 写一个带分页与搜索的列表接口；
- 给一段旧代码补单元测试；
- 排查一个偶发的并发问题；
- 把一个脚本改造成命令行工具；
- 阅读陌生开源项目并解释关键流程。
评分维度
正确性（能不能跑通）、修改成本（我要改多少才能用）、可维护性（代码是否读得懂）、解释质量（有没有讲清思路）、速度。
观察到的几个规律
- 场景 1、4 这类「有明确输入输出」的任务，工具之间差距不大；
- 场景 3 这类需要理解上下文的，工具之间差距非常明显；
- 场景 5 里，能主动读文件、跑命令的那类工具优势最大；
- 所有工具在「不存在的 API」上都会自信地编造，必须自己验证。
关于这段录屏
我把五个场景的完整过程录了下来，包含每个工具的原始输出、我实际做了哪些修改、以及最后的对比打分表。视频在文末「资源下载」里，下载后可离线观看。
使用建议
把 AI 当「写得快但需要复核的同事」：让它做草稿、写测试、解释代码；关键路径上的逻辑自己再走一遍。用对了能省大量时间，用错了会埋下很深的坑。