Awesome AI Coding Tools

简介

适合人群

想按开发环节系统性选型 AI 工具的开发者和团队，尤其是从「编辑器补全」走向「Agent 全链路」的进阶者。

核心内容

1. 01按环节切分的分类法

   清单把「Code Editors and Assistants」与「Code Completion」分开：前者是 Cursor、Windsurf、GitHub Copilot 这类深度融入编辑器、能跨文件对话改代码的助手，后者聚焦 Tabnine、Supermaven、Codeium 等补全引擎。先分清你要的是「会理解上下文、改多文件的助手」还是「极速补全」，再去对应分区横向对比。

2. 02从 Agent 到全链路构建

   「Coding Agents」与「CLI Tools」收录 Claude Code、Codex CLI、Gemini CLI、Devin、OpenHands、Aider 等能自主规划、写码、跑测试的 Agent；「App Builders」与「UI Generators」则覆盖 Bolt.new、Lovable、v0、screenshot-to-code 这类从提示或截图直接生成应用的入口，构成从「一句话需求」到「完整应用」的不同路径。

3. 03质量防线：审查、测试与安全

   「Code Review and Refactoring」收 CodeRabbit、Sweep、What The Diff 等审查工具；「Testing and QA」收 Playwright、Qodo、Testim 等测试方案；「Security」收 Snyk、Semgrep、GitGuardian 等安全扫描。清单以「审查/测试/安全」三个分区提示读者：AI 生成代码的质量要靠这些环节来兜底，而不是信任模型本身。

4. 04底座与配套：模型、MCP 与本地推理

   清单单列「Code Models」介绍 Claude、GPT、DeepSeek Coder、Qwen2.5-Coder 等模型；「MCP Servers and Directories」汇总 MCP 服务器目录；「Local LLM Tools」收录 Ollama、LM Studio 等本地推理工具；另有 DevOps、数据库与 API 工具等环节，帮助理解工具背后的模型、连接标准与部署链路。

5. 05怎么按环节挑工具

   用法建议很直接：先明确当前最缺的是哪一环——写、测、审、部署还是安全，在该分区对比 2-3 个候选；再结合 Code Models 与 Related Lists 判断其底座模型与周边生态。它既是新手认知地图，也是老手的选型备查手册。

实践建议

• 从 Code Completion 与 Code Editors 各挑一个工具装进你的主力 IDE，跑一周真实任务，记下两者的体验差异。
• 用 Code Review 分区的一个工具（如 CodeRabbit）给你一个真实 PR 做审查，比较它与人工审查的发现。
• 用 Testing 分区的一个方案（如 Playwright 配合某个 AI 测试工具）为已有项目补一组端到端测试。
• 浏览 Related Lists，顺着链接跳到 AI For Developers 等更大目录，拓展你的选型视野。

配套工作流

同类资源