2026 年，编程 Agent 的主战场正在从 IDE 侧边栏转移到终端。Claude Code、OpenAI Codex CLI 与 Google Gemini CLI 三款命令行工具，代表了三种截然不同的设计哲学：沉浸式 Agent、沙箱优先、开源极客向。我们在一个真实的前后端仓库（约 4.7 万行代码，React + FastAPI + PostgreSQL）上，让三者完成同一组 12 项开发任务，记录 token 消耗、人工干预次数与最终交付质量。
一、项目级理解：谁能真正“读懂仓库”
终端 Agent 的核心竞争力不是写代码，而是在陌生代码库里定位问题。我们测试了三类任务：跨 5 个文件的接口重构、一次由测试反推的 bug 定位、一份新功能的架构落地。
| 维度 | Claude Code | Codex CLI | Gemini CLI |
|---|---|---|---|
| 首次定位准确率（12 项任务） | 10/12 | 8/12 | 8/12 |
| 上下文窗口 | 200K | 视后端模型（128K–400K） | 1M（Gemini 系列） |
| 仓库索引方式 | 先探索再动手 | 按需 grep/读取 | 大上下文直接读入 |
| 计划可读性 | 强（Plan 模式 + Todo 列表） | 中（计划摘要） | 中 |
| 人工干预次数（总计） | 7 | 16 | 14 |
Claude Code 的“先探索、后动手”模式在陌生仓库里优势明显：它会先用 Read/Grep/Glob 建立心智模型，再给出可审阅的计划，人工纠正主要发生在计划阶段而不是代码写错之后。Gemini CLI 的百万级上下文让它倾向“读进来再说”，在超大仓库里反而容易淹没重点。Codex CLI 定位精准但趋于保守，遇到模糊需求更爱停下来提问。
二、多文件编辑与自主执行
实测一个“给 FastAPI 全部端点加分页参数并补测试”的任务，观察编辑半径与自愈能力：
- Claude Code：一次会话内连续修改 14 个文件、运行 pytest、按报错自修 3 轮，全程未要求人工确认（开启 auto-accept 时）；子 Agent（subagents）可并行处理测试补齐，任务时长约 22 分钟；
- Codex CLI：沙箱内执行，危险操作逐条审批，安全性最好；同一任务因审批中断 5 次，但每步都可审计，适合金融、医疗等高合规场景；
- Gemini CLI：开源生态集成最灵活，内置工具调用 + MCP 支持，免费额度对个人开发者友好；但在长任务中偶发“忘记初始需求”，需要人工把任务重新拍回轨道。
一个反直觉发现：自主性越强，分支管理越重要。三款工具都支持在独立 git worktree 里工作，Claude Code 与 Codex CLI 对此支持最好；直接在 main 分支上开 auto-accept 是本次实测中唯一一次真正改坏仓库的原因。
三、MCP 与工具生态
2026 年 MCP（Model Context Protocol）已成为事实标准，三者的差异在扩展性：
| 生态项 | Claude Code | Codex CLI | Gemini CLI |
|---|---|---|---|
| MCP 支持 | 原生，可项目级配置 | 支持 | 原生 + 扩展市场 |
| hooks / 自动化 | 强（钩子脚本拦截工具调用） | 中 | 中 |
| 自定义斜杠命令 | 支持（.claude/commands） | 支持（提示词模板） | 支持（自定义命令） |
| 非交互/CI 模式 | 支持（-p 打印模式） | 支持 | 支持 |
| 开源程度 | 闭源 | 开源（Apache 2.0） | 开源（Apache 2.0） |
Claude Code 的 hooks 是被低估的能力：可以在每次工具调用前跑 lint、在提交前强制测试，等于把团队规范固化成 Agent 行为。Codex CLI 与 Gemini CLI 开源，适合对数据出境敏感、需要自建网关或替换模型后端的团队。
四、成本与速率：token 才是真账单
同样 12 项任务，折算单次任务平均消耗：Claude Code 约 38 万 token（含缓存命中后约 11 万计费）、Codex CLI 约 31 万、Gemini CLI 约 44 万（大上下文代价）。按各家当前定价粗算，完成整套任务的 API 成本分别约 $10–18、$6–12、$3–8；Gemini CLI 的免费额度（个人日常开发基本够用）是三人组里唯一“零账单”选项，但高峰期限流更明显。
五、团队落地建议
- 重度重构与遗留系统改造：Claude Code 的计划 + 子 Agent 模式能压缩返工，适合按项目订阅；
- 金融/医疗/政企：Codex CLI 的逐条审批沙箱更符合审计要求，且开源可私有化；
- 预算敏感的个人与小团队：Gemini CLI 免费额度 + 开源可自托管，入门成本最低；
- 混合方案：用 Claude Code 做主线开发，Gemini CLI 跑日常问答与代码解释，按任务分流可降本 40% 以上。
总结
三款终端 Agent 的差异已经从“谁更聪明”转向“谁更合身”：Claude Code 用计划先行与 hooks 换来最低返工率，Codex CLI 用审批沙箱换来最高可控性，Gemini CLI 用开源与免费额度换来最低门槛。建议团队先用一个非关键仓库做 3 天并行试用，把“人工干预次数”和“一次通过率”作为选型 KPI，而不是只看 demo 视频。
互动提问：你的团队现在用哪款终端编程 Agent？有没有遇到过它“自信地改错文件”的时刻？
互动提问：如果 Agent 每步都要你审批，但一次通过率翻倍，你选它还是选 auto-accept？
— IMAI 编辑部 | 2026-10-22