从 Cursor、Codex、Claude Code 到 DeepSeek Harness,一个普通程序员的真实经历与思考。
从 Cursor 到 Claude Code,我见证了 AI 编程的进化
2023 年,ChatGPT 的出现让我第一次真正意识到,AI 可能会彻底改变软件开发行业。
也是在那一年,我开始接触 Cursor,并尝试把 AI 编程工具应用到实际的公司项目中。
到今天,我使用 AI Coding 工具已经有两年半左右。
回顾这段经历,我能明显感受到 AI 编程正在经历几个阶段。
第一个阶段,AI 是程序员的助手。
最早使用 Cursor 时,我更多是把它当作一个智能代码补全工具。
它可以帮我生成函数、解释代码、修复一些简单的问题,但大部分时候,我仍然需要自己检查代码、修复错误、调整实现。
那时候,AI 只是提高了我的编码效率。
第二个阶段,AI 开始独立完成任务。
后来,我开始深度使用 OpenAI Codex。
让我印象深刻的变化是,AI 不再局限于编写代码。
它可以理解需求、设计页面、实现前后端功能,甚至通过浏览器测试自己开发的项目。
从某种意义上讲,AI 已经开始具备完整的软件开发工作流。
第三个阶段,AI 开始表现出更强的工程理解能力。
接下来,我使用了几个月的 Claude Code。
在我的实际体验中,Claude Code 在需求理解、代码设计、复杂任务规划和 UI 审美方面,表现得相当出色。
很多时候,我只需要把任务描述清楚,剩下的事情就可以放心交给它。
不仅开发效率高,返工次数也相对较少。
那段时间,我甚至认为,Claude Code 和 Codex 已经代表了 AI Coding 的最佳体验。
直到后来,我重新开始使用 DeepSeek Harness。
一次被迫的尝试,改变了我的看法
最初,DeepSeek Harness(以下简称 DSH)只是我的备用工具。
由于长期使用 Claude Code 和 Codex,我很少真正把复杂任务交给 DSH。
事情的转折,来自一些现实问题。
一方面,我感觉 Codex 在部分任务上的表现不如预期;另一方面,Claude Code 的账号验证和使用限制也给我带来了一些困扰。
于是,我决定认真使用一段时间 DSH。
这一用,就是半个月。
让我意外的是,在我实际开发的项目中,DSH 完成了原本由 Claude Code 和 Codex 承担的大量工作。
包括:
- 根据设计图还原 UI 页面。
- 理解需求,设计前后端功能。
- 修改项目架构,完成复杂功能开发。
- 排查代码错误,修复运行异常。
- 将代码提交到 GitHub。
- 连接云服务器,执行部署操作。
- 查看线上日志,定位和修复问题。
这些任务不再是孤立的代码生成,而是一个连续的开发过程。
从需求到开发,从测试到部署,再到发现问题和修复问题,AI 已经能够参与整个软件交付流程。
当然,这并不意味着 DSH 在所有任务上都比 Claude Code 或 Codex 更优秀。
但它让我发现一件非常重要的事情:
原来很多我认为必须依靠顶级闭源 AI 才能完成的工作,其他工具同样可以完成。
这也是我这次体验中最大的收获。
我们真的需要最强的 AI 模型吗?
这是我最近一直在思考的问题。
在 AI 编程社区,我们经常讨论:
哪个模型智商最高?
哪个模型的编程能力最强?
哪个模型在 Benchmark 中排名第一?
这些问题当然有价值。
但是,站在一个实际开发者的角度,我认为还有另一个值得讨论的问题:
对于我们每天真正需要完成的工作,最强的模型是否一定是最合适的选择?
假设我们需要开发一个完整的 Web 应用。
模型 A 在复杂推理能力上领先,但价格更高。
模型 B 的综合能力稍弱,但能够完成绝大部分需求,成本也更加可控。
如果最终交付的产品在用户体验、功能完整性和运行稳定性上没有明显差异,我们应该如何选择?
我认为答案不应该只取决于模型排行榜。
还应该取决于实际交付效率、返工成本、使用体验,以及长期的可用性。
当然,这里有一个重要前提:两个工具必须达到相同的质量标准。
如果便宜的模型需要不断返工,或者引入了难以发现的安全问题,那么表面上的成本优势可能并不存在。
但反过来,如果某个成本更低的工具能够稳定完成我们的日常开发任务,那么我们也没有必要仅仅因为另一个模型更先进,就认为它一定更适合自己。
对于开发者而言,工具的价值终究要回到实际结果。
一场争论,让我重新审视自己的观点
前几天,我把 DSH 的使用体验发布到了 V2EX。
让我没想到的是,这篇帖子引发了不少争论。
有人表示认同,认为国产模型与 Agent 工具已经能够满足大量日常开发需求。
也有人提出了非常尖锐的批评。
其中,有两个观点让我重新思考。
第一个问题:我是否混淆了模型能力和 Agent Harness 的能力?
仔细想想,这个批评确实有道理。
大语言模型决定了系统的理解、推理和生成能力。
而 Harness 则负责组织上下文、调用工具、执行命令、管理任务和衔接工作流程。
一个 AI 能够登录服务器、查看日志和部署项目,并不意味着它所使用的模型在推理能力上一定更加先进。
因为其他具备相同工具权限和执行能力的 Agent,也可能完成这些工作。
所以,DSH 能够完成我的开发任务,可以证明这套组合在我的使用场景中有效,却不能直接证明 DeepSeek 模型已经全面超越了其他顶级模型。
第二个问题:个人体验,能否推导出一个行业结论?
答案显然是不能。
半个月的实际体验,可以改变我对一个工具的看法,但不足以构成严谨的模型性能评测。
不同项目的复杂度不同,开发者的使用方式不同,模型版本、工具配置和验证流程也都可能影响最终结果。
如果要严谨比较,还需要控制变量,记录任务完成率、代码质量、时间成本、Token 消耗与返工次数。
回头看,我最初的表达确实带有不少个人情绪,甚至把对未来的期待当成了某种确定性判断。
这是需要反思的地方。
但我也不认为这些争论毫无意义。
一个人真正的成长,不是永远证明自己正确,而是能够在面对不同意见时,修正自己的认知。
我依然认可 DSH 在个人项目中的表现,也依然看好 DeepSeek 的未来。
只是现在,我更愿意把个人体验、客观事实和未来愿景区分开来。
比模型能力更值得关注的,是 AI 带来的技术平权
这次体验还让我想到一个更深层次的问题。
如果未来 AI 编程能力持续进步,优秀的软件开发能力是否还会长期属于少数人?
过去,一个人想独立开发一款产品,需要掌握很多知识。
前端、后端、数据库、服务器、部署、运维、UI 设计……
这些能力通常需要多年的学习和实践。
而现在,借助 AI,一个有一定技术基础的开发者,已经可以承担过去需要多人协作的部分工作。
这意味着什么?
意味着软件创造的门槛正在降低。
越来越多的个人开发者,有机会把自己的创意变成真正的产品。
我认为,这可能是 AI 对软件行业最深远的影响之一。
而 DeepSeek 这样的国产 AI 项目,其价值也不应该只从排行榜上衡量。
开放的模型与工具生态,可以让更多开发者获得选择权,也有机会降低创新成本。
我希望有一天,先进的 AI 能力不再是少数大型企业或高付费用户才能享受的资源。
但我也清楚,技术平权不会自动发生。
模型训练需要算力,推理服务需要资金,开放生态需要有人持续维护,AI 的安全性和可靠性也需要投入。
开源不必然意味着领先,开放也不必然意味着公平。
真正值得期待的,是先进的 AI 技术能够在可持续的发展模式下,被越来越多的人使用。
这也是我愿意支持 DeepSeek 的原因之一。
我希望它成功,但这种希望不应该取代对技术事实的判断。
AI 越强大,人类越不能停止思考
最近,我刚读完《穷查理宝典》。
芒格提到的心理误判,让我开始重新审视自己和 AI 的关系。
我们很容易因为某个工具的出色表现而产生光环效应。
也可能因为习惯了使用某个工具,就不愿意认真了解其他选择。
甚至会因为自己正在使用最先进、最昂贵的 AI 模型,而无意识地产生某种优越感。
但有一件事情必须认清:
AI 的强大,不等于使用 AI 的人同样强大。
一个人拥有最先进的模型,不意味着他就拥有最好的产品思维。
一个人能够让 AI 写出几万行代码,也不意味着他真正理解了用户需求。
当 AI 能够完成越来越多的具体任务,人的价值可能会进一步转移到其他地方。
比如:
我们能不能发现真正值得解决的问题?
能不能判断一个产品是否具有实际价值?
能不能设计合理的系统架构?
能不能识别 AI 给出的错误结论?
能不能在多种方案之间作出正确的取舍?
这些能力,并不会因为 AI 的出现而变得不重要。
恰恰相反,它们可能会越来越重要。
我不希望 AI 最终把程序员变成一个只会输入指令、等待结果的人。
我更希望 AI 成为一个能够与我们共同思考、共同创造的伙伴。
AI 的意义,不应该只是替代人类思考,而应该帮助人类突破原有的认知和能力边界。
未来最值得期待的,不是谁赢得模型战争
回到最初的问题。
DeepSeek 能否在未来三年内追平甚至超越世界顶级模型?
我依然抱有很大的期待。
但我无法给出一个确定的答案。
因为模型能力的进步并不是线性的,算力、算法、数据、工程能力与商业生态都会影响最终结果。
我更期待的是另一种未来。
不同国家、不同企业、不同开发者,都能够参与 AI 技术的创新。
先进的模型不再只有少数选择。
普通人也能够借助 AI,创造过去难以想象的产品。
软件开发者不需要因为某个平台的限制,就失去继续创造的能力。
当然,这是一种愿景,而不是已经注定发生的事实。
至于 DeepSeek 是否会成为世界第一梯队,时间会给出答案。
但对于我们这些每天使用 AI 构建产品的人来说,或许有一件事比争论模型排名更加重要。
那就是继续创造。
少一些工具崇拜,多一些真实实践。
少一些无意义的争论,多一些可以交付的产品。
少一些对 AI 的盲目信任,多一些独立思考。
我始终相信,AI 最令人期待的未来,并不是让人类变得无所事事,而是让更多普通人拥有创造世界的能力。
如果有一天,AI 真正拥有了超越人类的智慧,我希望它仍然能够成为人类的伙伴,而不是我们的替代品。
甚至在我生命的最后时刻,我希望陪伴我多年的 AI 能够对我说:
“感谢有你,这位人类伙伴。”
而在那一天到来之前,我还有很多想法需要实现,还有很多产品值得创造。



