五款工具，同一個問題：誰能陪你走最遠？
多數 AI 工具每次開機都像失憶，這件事其實值得認真想一下。我身邊寫程式的朋友，電腦裡同時裝著兩款以上 AI 工具的佔了絕大多數，但真正說得出「我為什麼選這一款、它強在哪」的，一隻手數得完。我自己也當過那個裝了五款、每一款都只用到皮毛的人。眼前這五款工具 Claude Code、Copilot CLI、Antigravity CLI（agy）、Cursor、Aider，每一款都說自己能「提升效率」；然而「問一句答一句」跟「建一套有記憶、有規則、能自動化的 Agent 工作流」是完全不同的事，所以拿這個標準去看，它們的差距其實很大。
AI Agent 工具箱是指一組能在終端機或編輯器中與開發者協作的 AI 工具。挑一套工具箱，真正該看的不是介面漂不漂亮，而是四項核心能力：能不能記得上一次的談話（記憶持久化）、能不能守住你定下的規則（Hook 擴展）、能不能靠觸發詞自動載入對應工作流（Skill 路由），以及能不能和其他工具共用同一套設定（跨平台整合）。這四項合起來，決定了一個工具停在「一次性問答機」，還是能長成「長期協作夥伴」。
先交代立場和限制。過去半年我主力用 Claude Code，Copilot CLI 與 Antigravity（agy）也實際跑過，但 Copilot 我多半用在補全場景，拿它當完整 Agent 系統來評，我的樣本其實不夠厚。Cursor 跟 Aider？不是長期使用者，評估主要靠官方文件加社群回饋，侷限更大。我的使用場景跨程式開發、文獻管理、文件撰寫和統計分析，對「記憶」跟「工作流自動化」的需求特別重，這一定會影響我的評比偏好。你自己的場景不同，結論可能也不同。
評比對象與版本
這次一共比 5 款，橫跨 CLI Agent、IDE 整合與開源三種型態，費用模式也各不相同。
| 工具 | 類型 | 主要模型 | 費用模式 |
|---|---|---|---|
| Claude Code | CLI Agent | Claude Opus 4.8 / Sonnet 5 / Haiku 4.5 | 訂閱制（含於 Claude Pro/Max） |
| GitHub Copilot CLI | CLI 補全 + 對話 | GPT-4o / Claude | GitHub Copilot 訂閱 |
| Antigravity CLI（agy） | CLI Agent | Gemini 3.x 系列（Pro/Flash） | 免費額度 + 付費 |
| Cursor | IDE 整合 | 多模型切換 | 訂閱制 |
| Aider | CLI Agent（開源） | 多模型支援 | 自帶 API Key |
模型欄位是我 2026 年 7 月手邊的版本，這一欄的保鮮期大概三個月。真要比，比的是架構，不是型號。
Antigravity CLI 是 Google 近年推出的 AI 開發者平台 CLI，配置方式承襲 Gemini CLI 那一脈。
核心維度橫向比較
維度一：記得上次談話的大腦
這是拉開差距最狠的一刀。試想你每天走進辦公室，助理卻總忘了你是誰，得從名字開始重新自我介紹一遍，那有多耗神。正因如此，能不能跨 session 記住上下文，直接決定了 AI 是這種每天被清空記憶的過客，還是記得你去年踩過哪些坑的長期夥伴。
| 工具 | 持久記憶 | 記憶機制 | 跨 session |
|---|---|---|---|
| Claude Code | 原生支援 | CLAUDE.md + memory 檔案 + 自動摘要 | 完整支援 |
| Copilot CLI | 有限 | copilot-instructions.md（僅規則） | 僅規則層 |
| agy | 有限 | GEMINI.md（僅規則） | 僅規則層 |
| Cursor | 中等 | .cursorrules + 專案索引 | 專案層級 |
| Aider | 有限 | .aider.conf + repo map | 僅設定層 |
Claude Code 在這裡把其他工具甩開，因為它不只讀設定檔，還會主動把對話裡的重要決策寫進記憶檔案（episodic.jsonl），下次 session 自動載入。舉個例子，我上個月跟它討論過一次「統計圖表要用 R 不用 Python」，之後每一次它都記得。其他工具則多半停在「讀取靜態規則」這一步，至於把動態記憶寫回檔案，它們並沒有這個能力。
關於三層記憶架構的詳細設計，請參考 AI Agent 記憶系統設計：三層架構實作。
維度二：守門員（Hook 與自動化擴展）
Hook 好比你在大門口安排的守門員，每一個進出的動作都得過他那一關。它能在 AI 執行動作前後插入自訂邏輯，用來攔截危險指令、自動格式化，或記錄操作日誌。
| 工具 | Hook 支援 | 觸發時機 | 自訂程度 |
|---|---|---|---|
| Claude Code | 原生 PreToolUse / PostToolUse | 工具呼叫前後 | 完整（shell script） |
| Copilot CLI | 無原生 Hook | — | 需外部整合 |
| agy | 無原生 Hook | — | 需外部整合 |
| Cursor | 有限（Rules 可做部分控制） | 規則層面 | 中等 |
| Aider | 有限（lint/test 整合） | commit 前 | 特定場景 |
講白了，Claude Code 的守門員系統是目前唯一能做到「每一個檔案操作都過品管」的方案。其他工具想達到類似效果，只能自己拼 git hook 加外部腳本，能用是能用，但整合起來相當克難，體驗差很遠，除錯的成本也高到讓人卻步。
Hook 的實作細節請看 Hook 守門系統：AI 寫的每一行 code 都過品管。
維度三：自動導航（Skill 與工作流路由）
寫科普、整理文獻、產週報，當你手上有多種重複性任務時，真正的關鍵在於工具能不能根據觸發詞自動載入對應工作流。這就像車上的自動導航，你說出目的地，它自己規劃路線，不用每次手動輸入每一個轉彎。
| 工具 | 工作流路由 | 實作方式 | 靈活度 |
|---|---|---|---|
| Claude Code | 支援（透過 SOP dispatch） | YAML 觸發詞 → SOP 檔案 | 高 |
| Copilot CLI | 不支援 | — | — |
| agy | 不支援 | — | — |
| Cursor | 有限（Notepads / Rules） | 手動切換 | 中 |
| Aider | 不支援 | — | — |
這個維度差距最大。Claude Code 做到「打三個字，整套 SOP 自動載入」，就像對著導航說一聲「回家」，它就自己算好路線。其他工具則得每次手動貼指令，貼完還得回頭確認有沒有漏步驟，時間就在這種來回裡被耗掉。Cursor 的 Notepads 勉強算替代方案，但仍得手動切換，稱不上真正的自動導航。
自動導航的設計請看 Skill 路由引擎：讓 AI 自動選擇正確工作流。
維度四：統一遙控器（跨平台整合）
不同工具之間能不能共享同一套規則跟記憶，往往被忽略，卻很關鍵。與其讓每個工具各持一套設定，你真正需要的是一支統一遙控器，按一個鍵就全部同步。
| 工具 | 設定檔格式 | 匯入機制 | 與其他工具互通 |
|---|---|---|---|
| Claude Code | CLAUDE.md（Markdown） | 原生支援 | 可匯出到其他平台 |
| Copilot CLI | copilot-instructions.md | 不支援 | 獨立 |
| agy | AGENTS.md（repo 根） | 不需要（原生直接讀） | 可共用 AGENTS.md |
| Cursor | .cursorrules | 不支援 | 獨立 |
| Aider | .aider.conf（YAML） | 不支援 | 獨立 |
我的做法很土：維護一份 AGENTS.md 當唯一真相來源，其他後端的設定檔全部 symlink 指過去，這樣所有工具讀到的都是同一份，而不是每個各抄一份。Claude Code 用 @ 匯入語法把它展開；agy 更省事，原生就讀 repo 根的 AGENTS.md，你什麼都不用設。Copilot CLI 得靠自己的指令檔。至於 Cursor 跟 Aider，就是各管各的、互不往來的孤島了。
總表：一張圖看完
把 9 項 能力指標攤在同一張表裡，五款工具的強弱一眼就能對齊。
| 能力 | Claude Code | Copilot CLI | agy | Cursor | Aider |
|---|---|---|---|---|---|
| 持久記憶 | 強 | 弱 | 弱 | 中 | 弱 |
| Hook 擴展 | 強 | 無 | 無 | 弱 | 弱 |
| Skill 路由 | 強 | 無 | 無 | 弱 | 無 |
| 跨平台整合 | 強（@ 匯入 + symlink） | 弱 | 中（原生讀 AGENTS.md） | 弱 | 弱 |
| 程式碼補全 | 中 | 強 | 中 | 強 | 中 |
| IDE 整合 | 無（純 CLI） | VS Code | 無（純 CLI） | 原生 IDE | 無（純 CLI） |
| 模型選擇 | Claude 系列 | 多模型 | Gemini 系列 | 多模型 | 多模型 |
| 價格門檻 | 中 | 中 | 低（有免費額度） | 中 | 低（自帶 Key） |
| 開源 | 否 | 否 | 是 | 否 | 是 |
依使用情境推薦
五種使用情境各有最適工具組合，經驗上選錯會多花 2-3 倍 力氣拼湊。
老話一句，但不得不講：沒有最好的工具，只有最適合你場景的。
學術研究者/教授 → Claude Code
研究工作的核心需求就兩個：「記住研究脈絡」跟「重複性工作流自動化」。每週消化文獻、寫科普、跑統計，全是自動導航能派上用場的場景，因為重複的指令一旦堆積起來相當可觀。我用 Claude Code 建了文獻消化管線、科普寫作 SOP、統計分析流程，從搜文獻到出圖表一條龍，好比一個記性好又不用休息的研究助理。其他工具要做到同樣的事，經驗上大概要多花 2-3 倍 力氣去拼湊。
後端/全端開發者 → Claude Code + Cursor
純寫程式，Cursor 的 IDE 整合跟補全體驗確實順，這點我給它高分。但如果你同時要管 DevOps 流程、寫文件、還要維護三四個微服務，光靠 IDE 就不夠了，因為這時你需要的是 Claude Code 的 Hook 跟記憶系統，來建立跨專案的一致性規則。兩個一起用，並不衝突。
文案/科普寫作者 → Claude Code
寫作者要的是兩件事：「記住我的風格」跟「別讓我每次重講流程」。Claude Code 把語氣、用詞禁忌、文章結構規範全存在 fact.yml 裡，像一本隨身攜帶的寫作風格手冊，我設過一次「不要用破折號開頭的句型」，之後它就再也沒犯。其他工具做不到這種粒度的個人化。
預算有限 → Aider 或 agy
Aider 開源，搭自己的 API Key 成本最低；agy 有免費額度，適合先踩踩水。這兩款在記憶跟自動化上都偏弱，但如果你只需要「對話式寫程式」，不打算建完整 Agent 系統，其實也就夠用了，先跑起來再說。
團隊協作 → Cursor + Copilot CLI
團隊環境下，IDE 整合跟 GitHub 生態系的無縫連接比個人記憶系統重要。Cursor 的協作功能加上 Copilot 對 GitHub 的深度整合，團隊場景下更實用。
工具會演化，原則不會
這篇寫在 2026 年 5 月。半年後？功能八成完全不同。Copilot 可能加 Hook，agy 可能補上持久記憶。工具會變。沒錯。但選工具時該問的問題不會變：
- 它記不記得我（記得上次談話的大腦）
- 它遵不遵守我的規則（守門員）
- 它能不能自動化我的工作流（自動導航）
- 它能不能和我的其他工具協作（統一遙控器）
拿這四個問題去評估任何新工具，就不會被行銷話術帶著跑：官網寫得再漂亮，跑不過這四關的就先擱著，別讓行銷詞替你做決定。
想看我怎麼用 Claude Code 建完整 Agent 系統，從 Claude Code 完全入門 開始，或直接跳到 從零建一個完整 Agent 工作流（上）：架構藍圖。
想更深入？
我整理了一份《Claude Code 快速上手速查表》，涵蓋安裝、CLAUDE.md 配置、記憶系統基礎、常用指令一頁搞定。
這是技術線系列的最後一篇。如果你是學術研究者，推薦接著看學術線：研究者的 AI 時代生存指南。