我同时跑五个 AI Agent 的真实体验：Hermes、Claude Code、Cursor、Codex、OpenClaw
最近一个月，我的开发环境里同时跑着五个 AI 工具：Hermes Agent、Claude Code、Cursor、OpenAI Codex CLI、OpenClaw。
不是赶时髦，是刻意试验——想看看每个工具擅长什么、什么场景该用哪个、怎么搭配才能让产出真正飞起来。
一个月跑下来，最大的结论跟大多数 AI 宣传的"取代开发者"完全相反：AI 不是取代开发的，而是和开发者联合起来、像结对编程一样协作的。 只不过搭档换成了 AI。
对于小项目和功能原型，用 skill 或 plugin 约束住 AI，让它全流程走完，也是最有效的验证方式——尤其在你还不确定方向、甚至不懂代码的时候。
这篇文章不讲概念，只说实操——五个工具的分工、配合方式、实际体感和踩过的坑。
一张表说清五个工具的分工
| 工具 | 定位 | 我用来做什么 | 交互方式 |
|---|---|---|---|
| Hermes Agent | 全功能 AI 执行体 | 博客文章写作、VPS 运维、本机自动化任务 | 终端 CLI，持续对话 |
| Claude Code | 编码搭档 | 项目代码开发：出方案、搭骨架、写业务逻辑 | 终端 CLI，按需启动 |
| Cursor | AI IDE | 日常编码、即时补全、内联修改、文件级重构 | 编辑器内嵌，实时 |
| Codex CLI | 沙箱式编码代理 | 快速原型、独立功能模块、验证性开发 | 终端 CLI，独立会话 |
| OpenClaw | 后台消息代理 | 邮件处理、日历、WhatsApp/Telegram 渠道整合 | 常驻后台 Daemon |
下面按使用频率，挨个说。
Hermes Agent：我的"副驾"
Hermes 是我用得最多的，日常对话式协作。
写博客。 就是你现在正在读的这篇文章。我给它主题和素材，它出初稿，我改，它再调，我确认，它发。流程走熟了很快——今天的生活感悟类文章从定主题到发布一两个小时。关键决策在我手里：方向我定，内容我审，最终发布我拍板。
维护 VPS。 博客搭在香港一台 VPS 上，Hermes 帮我检查证书状态、跑构建、部署更新。直接 SSH 上去干活，我只需要确认"发"或"不发"。省掉了每次手动 scp、ssh、zola build、cp 那些重复动作。
办公自动化。 文件整理、重命名、配置修改这些零碎事，一句话丢给它——省掉打开文件管理器的时间。
知识库 AI 汇总。 不再自己维护代码库和知识库了——让 AI 来做。阅读材料、技术文档、会议记录、调研笔记，全部丢给 Hermes 让它总结、归类、按需提取。需要什么直接问，不需要自己建索引、打标签、维护目录结构。知识管理的成本从此降到零，取用效率反而更高。
关键字：持续对话、杂务全能、审批流前置。
Claude Code：项目开发的搭档
Claude Code 在我的工作流里定位最明确——项目代码开发的搭档。
我接一个项目任务时，流程是这样的：
- 我自己先想清楚要做什么——需求、边界、技术选型自己定
- 让 Claude Code 出方案——描述需求，它出架构设计和实现步骤
- 它写大部分流程代码和业务逻辑——骨架和常见模式由它完成
- 核心部分自己动手——关键算法、敏感逻辑、决策点，自己手写
- 让它做代码审查和优化——写完后丢给它检查漏洞和可改进的地方
这个流程和"让 AI 写全部代码"最大的区别在第 4 步。核心逻辑必须自己写。 不是信不过 AI，而是只有自己亲手写过的东西，你才会真正理解它、能调试它、敢上线它。
我试过全交给 AI 写的模式——结果出了 bug 根本不知道怎么查。因为你连代码的上下文都不熟，出问题了无从下手。
但如果是一个小功能或独立模块呢？那就让 AI 全做。用 skill 或 plugin 约束好它的输出格式、编码规范、测试要求，然后放手让它跑完全流程。这在不确定方向的时候尤其有用——不懂开发的人也可以用这种方式快速验证想法，代价低、周期短。
Cursor：日常编码的即时搭档
Cursor 的定位和前面两个不一样——它不是一个需要你"叫出来"的工具，而是嵌在编辑器里，随时在线的搭档。
日常编码时，最频繁的场景是：
- 写一段逻辑，按 Tab 自动补全
- 选中一段代码，按 Ctrl+K 告诉它改成什么
- 鼠标悬停，看 AI 解释这段代码在干什么
- 重构时，直接框选让它提取函数、优化结构
这些操作不打断心流。不像 Claude Code 或 Codex 那样需要开一个独立对话窗口，Cursor 的 AI 就在你写代码的地方，用它的方式参与你的编码过程。
它不擅长的是做大范围的方案设计和重写——毕竟是文件级别的上下文，视野不如完整对话模式的 Agent。但在"正在写代码的那个瞬间"，它是最自然的搭档。
Codex CLI：沙箱里的快速实验
OpenAI Codex CLI 是最近才加入的。它的特点是每次启动一个独立的沙箱环境，不会污染现有项目。
我主要用它来做两件事：
- 快速验证思路。 "这个 API 能不能这么调？""那种算法在这种数据量下性能如何？"——开一个 Codex 会话，几分钟出结果，不碰现有代码。
- 独立功能模块。 一个工具函数、一个数据清洗脚本、一个爬虫——这种有明确边界的小东西，丢给 Codex 闭门写完，测试通过后搬进项目。
对比起来，Claude Code 更像"长期搭档"，Codex CLI 更像"临时外包工"——活干完，成果交出来，就行。
OpenClaw：常驻后台的联络员
OpenClaw 装得最晚，主要用于消息渠道整合——它支持 WhatsApp、Telegram、Signal、Discord、Slack 等二十多种渠道。我把它配成后台服务跑着，处理异步通知和简单的查询。
它补上了"被动响应"这块拼图。Hermes 和 Claude Code 是我主动叫出来干活的，OpenClaw 是可以随时丢个消息过去就处理的——模式完全不同。
"程序+AI"结对编程
回头看我这五个工具的使用方式，本质上都是一种模式：结对编程，只是搭档换成了 AI。
传统的结对开发是两个人坐在一起，一个人写、一个人看，交替角色。现在的"程序+AI"结对是：
| 角色 | 程序（我） | AI |
|---|---|---|
| 关键决策 | 需求定方向、技术选型、核心逻辑 | — |
| 方案设计 | 评审、调整 | 出初始方案 |
| 编码 | 核心部分手写 | 骨架、重复代码、测试 |
| 审查 | 最终把关 | 初步检查、优化建议 |
| 运维 | 监控、判断 | 执行重复操作 |
| 快速验证 | 设定约束条件 | 全流程独立完成 |
注意最后一行：对于小项目和功能原型，设定好 skill/plugin 约束（输出格式、编码规范、安全规则），让 AI 全流程独立完成，是最高效的验证方式。 这在不熟悉技术方向或非开发者做初期验证时尤其有价值——成本极低、周期极短、方向对了再投入正经开发。
两个经验和一条原则
经验一：模型选择影响体验极大。 我换过 Gemma 本地模型、DeepSeek 在线模型，速度和质量差异很明显。目前主力用 DeepSeek V4 Flash，平衡了速度和效果。这不是广告——不同工具有它适合的模型，不需要所有工具都用同一个模型。
经验二：AI 输出不能无脑信。 前两周 Claude Code 写的代码，看起来没问题，上线后才发现有个隐藏的 race condition——好在是开发环境。无论哪个工具，最终审核权必须在自己手里。
核心原则：AI 不是取代开发，是让开发飞起来。
五个工具各有分工，但有一条线贯穿始终：我始终是自己项目的 owners。 AI 帮我写更快、改更快、查更快，但决策、判断、核心能力，必须在自己手里。
这不是保守，是务实。把 30% 的重复劳动交给 AI，把 70% 的精力放在真正有价值的事情上——这才是现阶段 AI 工具最正确的用法。
原文发表于 cn-res.vip，没有版权自由转载。标明出处非常感谢，删了也没事。