Claude Code vs Cursor vs Codex:长期项目里的真实分工
把三款AI编程工具放进同一个三周重构项目里,记录各自擅长什么、什么时候会互相踩脚,给出一套混合使用的工作流。
测试背景
一个真实项目:12万行的Node.js后端,三周内完成从Express到Fastify的迁移并补齐测试。三个开发者各自偏用一款工具,我们记录每类任务的最优选择和失败模式。
Cursor:最好的”局部手术刀”
优势在看得见的上下文。你在编辑器里选中一段代码,补全、行内改写、跳转理解全都围绕光标。改一个函数签名时,它会自动同步更新调用点,这个体验目前无人能比。
失败模式:跨文件的大范围重构。当任务需要改动30个文件时,它的编辑队列会变得难以追踪,你很难确认”到底改了哪些”。
最佳任务:日常编码、补全、单元测试、小范围重构、看懂陌生代码。
Claude Code:最好的”仓库级执行者”
跑在终端里,能读整个仓库、跑命令、看测试结果、自己改到测试通过。我们让它执行了”把全部路由迁移到Fastify并保持API契约不变”,它能自己写脚本检查契约差异。
失败模式:过度自主。它在发现一个偶然失败的测试时会主动去修,可能顺手改掉不该碰的东西。必须给出明确的”不要修改X目录”约束,并且每次任务后看diff。
最佳任务:批量迁移、脚本化运维、依赖升级、跨文件重构、写测试覆盖。
Codex:最好的”审查者与并行工人”
在云端跑、可以并行开多个任务。我们用它做两件事:一是代码审查(喂PR diff,它给出的边界条件问题很扎实);二是并行处理互不相关的模块(三个模块同时迁移,人在本地继续写业务)。
失败模式:环境不一致导致”本地能跑云端不能跑”。需要把测试环境容器化,否则大量时间花在复现环境问题上。
实际工作流
| 阶段 | 用什么 | 原因 |
|---|---|---|
| 摸底 | Cursor | 快速读代码、建立心智模型 |
| 设计 | 人 + Codex审查 | 方案评审,让AI挑漏 |
| 批量改造 | Claude Code | 仓库级执行,一次跑完 |
| 收尾调优 | Cursor | 逐行精修,人机同步快 |
| 并行模块 | Codex | 云端并行,不占本地 |
| 上线前 | Codex审查 | 独立视角查边界条件 |
三个踩过的坑
坑一:让三个工具改同一批文件。 一定会有冲突。规则是”同一时间一个仓库只允许一个AI执行者”,其余只做只读分析。
坑二:不给验收标准。 “迁移路由”这种任务必须配一个可执行的验收命令(比如跑通全部接口契约测试)。有验收命令时,AI的成功率从约六成提升到九成以上。
坑三:不看diff。 三款工具都会”顺手”改动格式或无关代码。养成每次提交前通读diff的习惯,比选哪个工具更重要。
结论:它们之间有分工,并非替代关系。Cursor适合人在环中,Claude Code适合长流程,Codex适合并行与审查。三周项目里我们用Cursor的时间最多,但没有Claude Code,那次迁移至少多花一周。