2026 年下半年，AI 编程工具的战场已经从 IDE 侧边栏蔓延到终端、命令行与 CI 管线。Claude Code、OpenAI Codex CLI、Google Gemini CLI 与开源 Aider 构成了当前四强。它们的设计哲学截然不同：沉浸式 Agent、沙箱优先、大上下文极客向、patch 文件流。我们在一个约 4.7 万行代码的真实仓库（React + FastAPI + PostgreSQL）上，让四者完成同一组 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 | Aider |
|---|---|---|---|---|
| 首次定位准确率（12 项任务） | 10/12 | 8/12 | 8/12 | 7/12 |
| 上下文窗口 | 200K | 128K–400K（视后端） | 1M | 取决于所选模型 |
| 仓库索引方式 | 先探索再动手 | 按需读取 | 大上下文直接读入 | repo-map 依赖图 |
| 计划可读性 | 强（Plan 模式 + Todo） | 中 | 中 | 弱（直接出 patch） |
| 人工干预次数（总计） | 7 | 16 | 14 | 21 |
Claude Code 的”先探索、后动手”模式在陌生仓库里优势明显：它会先用探索工具建立心智模型，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。Aider 的 repo-map 思路巧妙——只把依赖图涉及的文件发给模型，省 token 但覆盖面不足，陌生仓库里定位偏差最大。
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：
- 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；子 Agent（subagents）可并行处理测试补齐，全程约 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，但每步可审计，适合金融、医疗等高合规场景；
- Gemini CLI：内置工具调用 + MCP 支持，免费额度对个人开发者友好；长任务中偶发”忘记初始需求”，需要人工把任务拍回轨道；
- Aider：直接生成 SEARCH/REPLACE patch 块并写入 git 提交，每笔改动自带 commit，回滚最干净；但跨文件改动需要反复确认，节奏最慢。
一个反直觉发现：自主性越强，分支管理越重要。四款工具都支持在独立 git worktree 里工作，Claude Code 与 Aider 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——那一处错误来自 Gemini CLI 的一次过度自信重构。
三、MCP 与工具生态
2026 年 MCP（Model Context Protocol）已成事实标准，四者的差异在扩展性：
| 生态项 | Claude Code | Codex CLI | Gemini CLI | Aider |
|---|---|---|---|---|
| MCP 支持 | 原生，项目级配置 | 支持 | 原生 + 扩展市场 | 有限 |
| hooks / 自动化 | 强（钩子拦截工具调用） | 中 | 中 | 中（lint/test 自动跑） |
| 自定义命令 | 支持 | 支持 | 支持 | 配置文件 |
| 非交互 / CI 模式 | 支持 | 支持 | 支持 | 脚本化程度最高 |
| 开源程度 | 闭源 | 开源（Apache 2.0） | 开源（Apache 2.0） | 开源（Apache 2.0） |
| git 集成 | worktree + 提交 | 沙箱工作树 | 基础 | 原生 commit per change |
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。Aider 的”每个 patch 一个 commit”对代码审查极度友好，是四者中最适合嵌入人工评审流程的。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、成本账：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（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）、Aider 约 19 万（repo-map 省得最多）。按各家当前定价粗算，API 成本分别约 $10–18、$6–12、$3–8、$4–9。Gemini CLI 的免费额度是唯一”零账单”选项，但高峰限流明显；Aider 省钱但慢，适合预算极紧的场景。
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，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，开源可私有化；
- 预算敏感的个人与小团队：Gemini CLI 免费额度 + Aider 组合，入门成本趋近于零；
- 强评审流程团队：Aider 的 commit-per-change 最契合逐笔 Review 的规范；
- 混合方案：主线开发用 Claude Code，日常问答与解释用 Gemini CLI，按任务分流可降本 40% 以上。
总结
终端编程 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，Aider 用 patch 流换来最强的审查友好度。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