在AI辅助编程的浪潮中，选择合适的工具至关重要。曾经的得力助手Cursor，在本月却因性能下降及核心模型服务调整，让我不得不踏上了寻找“新欢”的探索之旅。

初探：在成本与性能间徘徊

告别Cursor后，我首先考察了市面上其他的包月制工具，如 Windsurf 和 Augment，但并未深入。我将目光转向了亚马逊新推出的 Kiro，可惜其尚处早期，表现不甚稳定。

真正的“拦路虎”是成本。备受推崇的 Claude Code 虽然强大，但在 OpenRouter 上试用后，我发现其完成单次任务的成本便高达近十元人民币。这让我深刻体会到顶尖AI模型高昂的使用门槛，也侧面理解了Cursor调整服务的原因。

转向VS Code插件：Kilo Code的胜出

既然直接调用顶尖模型的成本高昂，我便将思路转向了更为灵活的VS Code插件生态。在对比了 Cline、Roo Code 和 Kilo Code 后，我最终选择了功能更为全面的 Kilo Code。它不仅整合了前两者的优点，还提供了20美元的免费API额度，极具吸引力。

配合我已有的Github Copilot订阅，Kilo Code 负责核心的AI对话与代码生成，Copilot处理代码自动补全和Git提交信息，这一组合拳成功地在功能上平替了Cursor。

API大战：在免费与付费间寻求平衡

然而，真正的挑战在于后端API的选择。我的策略是“先白嫖，后付费”。

起初，我计划优先使用谷歌 Gemini 2.5 Pro 的每日免费额度，耗尽后再切换到价格相对低廉的 Kimi K2。但实践下来，Kimi K2 在处理复杂任务时偶有不稳，且免费API额度很快见底。

我又将目光投向了阿里的 Qwen3-Coder，但在百炼平台上的免费额度也因不慎设置了超长上下文而瞬间蒸发，还额外产生了一笔小额费用。

最终，我发现 Kilo Code 支持了 Gemini-CLI，这提供了比常规API更高的免费请求额度，成为了我长文本任务的首选。（友情提示：安装 Gemini-CLI 后，在国内网络环境下登录Google账号可能需要配置终端代理。）

最终方案：混合工作流的诞生

经过一个多月的折腾，我逐渐形成了一套混合工作流。

  • 对于核心的 编程任务，我最终选择了订阅海外版的 Trae Pro，它能让我稳定地使用到强大的 Claude-4-sonnet，偶尔切换到kiro体验一下更新后的效果。
  • 对于 文档处理、长文起草 等长上下文任务，我则利用 Kilo Code + Gemini Cli。

这套组合方案，既保证了编码时的高效与智能，又兼顾了处理其他任务时的成本效益。

总结

我的AI编程工具探索之旅，从一个一体化工具的终结开始，到构建一个个性化的、多工具协作的混合工作流结束。这个过程让我深刻认识到，在当前AI技术飞速迭代的时代，或许不存在一劳永逸的“完美工具”。

最佳实践是保持开放和灵活，根据不同场景和任务，动态组合最适合自己的工具链。这篇文章的诞生，本身也是这个工作流的产物——由Gemini辅助润色而成。