TL;DR
作者原本是 Cursor 和 Claude Code 的重度使用者,但最近轉向使用 Codex。主要原因包括:Codex 的 GitHub 整合功能更實用、價格更划算、GPT-5 模型效率更高,以及支援標準的 Agents.md 格式。雖然 Claude Code 功能更豐富,但對於實際開發工作來說,Codex 提供了更好的整體體驗和性價比。
從 Cursor 到 Claude Code,再到 Codex 的轉變之路
你有沒有過這種經驗?明明找到了一個超好用的工具,卻在某一天突然發現有更棒的選擇?這就是我最近的處境。
幾個月前,我可是 Cursor agent 的超級粉絲,甚至還寫了一篇Cursor 使用技巧的文章,每週都有數千名開發者參考。後來 Claude Code 橫空出世,立刻成為我的新寵。但現在,我的首選又變了——這次是 Codex。說實話,我也不想這樣朝三暮四,但讓我解釋一下為什麼會這樣吧。
AI 代理工具:越來越像雙胞胎了
這些產品現在真的越來越相似了。Cursor 最新的代理功能跟 Claude Code 很像,而 Claude Code 又跟 Codex 差不多。這讓我想到,市場上的競爭就像是一場「你抄我、我學你」的遊戲。
回顧歷史,Cursor 確實奠定了很多基礎。Claude Code 接著做出改進,然後 Cursor 又反過來學習 Claude Code 的待辦清單和更好的差異格式,Codex 也採用了這些功能。老實說,Codex 跟 Claude Code 實在太像了,我甚至懷疑他們是不是用 Claude Code 的輸出來訓練的。
我注意到一些細微的行為差異:
- Codex 傾向於思考久一點,但顯示的輸出速度感覺更快
- Claude Code 思考時間較短,但輸出代碼的速度稍微慢一些
- 在 Cursor 裡切換模型會改變體驗:GPT-5 花更多時間推理,Sonnet 推理較少但輸出更多代碼,不過速度稍慢,特別是使用 Opus 時
說到底,這些代理都差不多。如果你偏好 Cursor、Claude Code 或 Codex,我都尊重你的選擇。我個人稍微偏好 Codex 或 Claude Code,主要是因為開發工具的公司同時也訓練模型,這樣的端到端整合似乎優化得更好。
勝出者:平手
Ewan Mak
模型和推理控制:選擇障礙還是剛剛好?
我越來越喜歡 GPT-5 Codex 模型了。它在判斷不同任務需要多長推理時間方面進步很多。基本任務過度推理真的很煩人,就像你只是想煮個泡麵,卻有人堅持要從頭熬高湯一樣。
Codex 讓我可以選擇低、中、高,甚至是最小推理來加快執行速度。比起 Claude Code 只有兩個模型選擇,我更喜歡這些選項。Cursor 則有很多選項,理論上很酷,但實際使用起來有點讓人眼花撩亂。
我喜歡開發工具的公司同時也訓練模型這個概念。他們應該最知道如何使用自己的工具,而且沒有中間商賺差價,我可以拿到更好的價格。
當我們測量使用者對 GPT-5、GPT-5 Mini 和 Claude Sonnet 的滿意度時,他們對 GPT-5 的評價平均高出 40%。
不過,每個人都有自己偏好的模型,所以這回合就算平手吧。
勝出者:平手
價格和實際使用限制:誰更划算?
Codex 包含在標準 ChatGPT 方案中,Claude Code 則包含在標準 Claude 方案中。
表面上看,價格層級很相似:免費版、約 20 美元的方案,以及 100 到 200 美元的高階方案。
關鍵在於:GPT-5 的底層效率遠高於 Claude Sonnet,特別是 Opus。根據最近的實際使用經驗,品質在大多數案例和公開基準測試中感覺差不多,但 GPT-5 的成本大約是 Sonnet 的一半,更接近 Opus 的十分之一。這意味著 Codex 可以用更少的錢提供更多的使用量。
服務商不一定會明確說明每個方案的確切請求和令牌數量,但根據我的經驗,Codex 似乎更慷慨。
更多人可以舒適地使用 20 美元的 Codex 方案,而 Claude 的 17 美元方案則很快就會達到限制。即使是 Claude 的 100 和 200 美元方案,重度使用者仍然會碰到上限。但使用 Codex Pro,我幾乎沒聽說有使用者遇到限制問題。
另一個重要的點是,這些不只是「程式設計方案」。你還可以使用 ChatGPT 或 Claude Chat。使用 ChatGPT 時,你還能獲得最好的圖像生成模型和影片生成模型之一,加上更精緻的產品,像是我每天使用的 ChatGPT 桌面應用程式。
Claude 的桌面應用程式感覺較慢,更像是基本的 Electron 封裝。Claude 確實有更好的 MCP 整合,提供許多一鍵式連接器。但日常使用中,我還是 ChatGPT 的使用者。
考慮到我聽到關於程式設計代理的首要抱怨就是用完額度,Codex 確實有真正的優勢。
勝出者:Codex
使用者體驗和權限:便利性的拉鋸戰
Codex 會識別 git 追蹤的儲存庫,預設就很寬容。很棒!
Claude Code 的權限系統真的讓我抓狂,我經常用 --dangerously-skip-permissions 來啟動它。這確實有不必要的風險,但工作流程的摩擦太大,而且設定不會保留。
兩者的終端介面都不錯。Claude Code 的終端介面稍微好一點,顯然更成熟,而且你最終可以對權限有更多控制。
所以雖然我認為這兩者勢均力敵,但 Codex 整體上感覺不夠成熟和比較基本,所以我把優勢給 Claude Code。
勝出者:Claude Code
功能特色:我的想法改變了
Claude Code 有更多功能:子代理、自訂鉤子、大量設定。想深入了解 Claude Code 的功能,可以看我的最佳技巧。Cursor 也有不少功能(參見我的 Cursor 技巧),但 Codex 功能最有限。
Codex 的亮點在於它是開源的,所以你可以隨心所欲地自訂,或從中學習開發自己的代理。
但這是我真實的想法。Cursor 曾經問我他們應該加什麼功能才能把我從 Claude Code 那邊贏回來。從 Claude Code 那裡,我學到一件事:我不在乎功能。我要的是最好的代理、清晰的提示,以及可靠的交付。所以當我沒有那些功能時,我也不會想念它們。我需要的就是一個代理和一個好的指令檔案。就這樣。
但話說回來,如果你想要很多功能(包括一些確實很實用的功能),Claude 獲勝。
勝出者:Claude Code
Erik (EKC)
指令檔案:Agents.md vs Claude.md
我有一整個影片和文章專門講如何寫好 Agents.md。有一件事讓我對 Claude Code 很不爽,就是它不支援 Agents.md 標準,只支援 Claude.md。
像 Cursor、Codex 這些工具都支援 Agents.md。當其他所有工具都遵循標準時,還要為 Claude 維護一個單獨的檔案真的很煩人。
勝出者:Codex
決定性差異:GitHub 整合
這是我偏好 Codex 的主要原因。
我們曾短暫試用過 Claude Code 的 GitHub 整合。開發團隊覺得它很爛。評論冗長卻抓不到明顯的錯誤。你無法以有效的方式進行評論並要求它修復問題。它就是無法提供價值。
Codex 的 GitHub 應用程式則完全相反。安裝它,為每個儲存庫開啟自動代碼審查,它真的能找到合法的、難以發現的錯誤。它會在行內評論,你可以要求它修復問題,它在後台工作,讓你可以直接在那裡審查和更新 PR,然後合併。
更重要的是,這種體驗與我的終端體驗一致。在 CLI 中有效的提示,在 GitHub UI 中也同樣有效。相同的模型、相同的配置、相同的行為。這種一致性很重要。
亞軍是 Cursor 的 Bugbot。它能找到好的錯誤,並提供有用的「在網頁中修復」或「在 Cursor 中修復」路徑。選哪個都不會錯。我還是更喜歡 Codex,因為它的價格、模型整合,以及與我的 CLI 工作流程的一致性。
勝出者:Codex
Ewan Mak
我們如何使用 Codex
我們最近將 Codex 整合到 Github 中,這解決了我對這兩個選項的一個不滿——它們都沒有真正的 UI。如果你需要用 AI 迭代視覺效果,可以在這裡快速完成,並讓非開發人員也參與進來。
最棒的是:每個人都在相同的基礎和代碼庫上工作,使用相同的模型和相同的 Agents.md。設計師、產品經理和工程師全都保持一致。
最終裁決
我個人現在的贏家是 Codex。我每天都在用它,非常喜歡。GitHub 整合很出色,價格和限制都很有利,模型選項符合我的工作方式,而且端到端的一致性很重要。
但說實話,這些天你真的選哪個都不會錯。如果你偏好 Claude Code 或 Cursor,我完全尊重。
你試過 Codex CLI 或後台代理和 PR 機器人嗎?體驗如何?在留言區分享你的經驗和技巧吧!
參考資料
- Vibe Coding - Tenten AI
- Cline：正在改寫 AI 編碼遊戲規則的開源工具
- GLM-4.6發布：智譜AI編程性能新標竿，直面Claude Sonnet 4.5
- 如何把 Claude Code 跑成「YOLO 模式」全自動化
- 開源AI程式碼新紀元：Kilo Code、Cline、Roo Code 全面超越 Cursor
- Kilo Code 白皮書：比 Cursor 更強大的 AI 程式生成工具
關於作者
身為一名長期關注開發工具演進的工程師,我深刻體會到選擇合適工具對生產力的影響。從 Cursor 到 Claude Code,再到現在的 Codex,每一次轉換都讓我對 AI 輔助開發有更深的理解。我相信,未來的開發工作不是關於工具有多少花俏功能,而是關於它們能否無縫融入我們的工作流程,讓我們專注於真正重要的事情——創造價值。在這個快速變化的 AI 時代,保持開放心態和持續學習,才是我們作為開發者最重要的競爭力。
