AI 编程工具全景与选型

七层观察框架

看到新工具时，先判断它解决哪一层问题，而不是先比较宣传页上的功能数量。

层次	主要问题	典型内容
模型层	谁负责推理和生成	基础模型、推理模型、长上下文模型
工具层	AI 能执行什么动作	编辑器、终端、文件、浏览器、数据库
配置与约束层	AI 应该遵守什么规则	AGENTS.md、CLAUDE.md、权限、Hooks
协作机制层	复杂任务如何分工	Plan、Subagent、Review、任务隔离
协议与生态层	如何连接外部能力	MCP、A2A、插件和共享 Skill
工作流层	什么时候运行、怎样验收	CI/CD、自动化、测试和发布流程
方法论层	如何稳定地产生结果	SDD、Harness、Loop Engineering

三类典型场景

• 新模块开发：需要模型、代码工具、项目上下文、任务约束和测试闭环。
• 陌生大型项目改造：先建立代码地图、边界和参考实现，再让 AI 分批修改。
• 接入 CI/CD：把触发、权限、检查、人工审批和失败回滚写成流程。

选型原则

1. 先找当前流程的瓶颈，再找对应层的工具。
2. 优先选择能留下中间产物和验证证据的工具。
3. 把权限、数据边界和退出条件作为选型条件，而不是上线后的补丁。
4. 工具可以替换，任务模型、验收标准和工程约束应保持稳定。