5.2 终端原生工具入门免费

前置知识：无

为什么需要它？（Problem）

IDE 集成工具很强大，但在某些场景下并不适用：

服务器环境 / SSH 远程开发
- 登录生产服务器排查问题，没有 GUI
- 想让 AI 帮忙分析日志、修改配置
- IDE 工具无法运行
终端重度用户 / Vim/Neovim 爱好者
- 日常工作流：tmux + Vim + CLI 工具
- 不想为了 AI 切换到 VS Code
- 追求纯键盘、零鼠标操作
CI/CD 管道 / 自动化脚本
- 想在 GitHub Actions 中让 AI 自动修复测试失败
- 需要非交互式的 AI 代码生成
- IDE 工具无法集成到脚本中
轻量级任务 / 快速查询
- 只想问"这个错误怎么解决"
- 不需要打开完整 IDE
- 希望在当前终端窗口立即得到答案

终端原生 AI 工具的承诺：在 shell 里完成所有编程任务，无需离开终端。

它是什么？（Concept）

终端原生 AI 工具是运行在命令行界面的 AI 编程助手，提供与 IDE 工具类似的能力，但以终端为操作界面。

核心能力：

能力	描述	典型场景
代码库索引	自动理解项目结构、依赖关系	"分析这个项目的架构"
文件编辑	读取、修改多个文件	"重构这个函数到新文件"
命令执行	运行测试、安装依赖、git 操作	"运行测试并修复失败的用例"
工具集成	调用外部工具（MCP/Skills）	"用 Jira API 创建任务"

主流终端 AI 工具对比：

工具	开发商	核心特性	交互方式	价格	适合场景
Claude Code	Anthropic	Agent Teams（多 Agent 协作）、CLAUDE.md 配置、安全扫描	TUI（文本界面）	$20/月（Claude Pro）	复杂代码审查、安全扫描
OpenAI Codex CLI	OpenAI（官方）	MCP 协议、App Server、CI/CD 集成	TUI + 命令行	按用量（ChatGPT Plus/Pro）	企业工作流集成
Google Gemini CLI	Google	Skills 系统、Hooks 扩展、交互式工具调用	命令行	免费（Google AI Studio）	预算有限、可扩展场景

Claude Code（Anthropic 官方）

最智能的终端 AI Agent（现在会开会了）

核心功能

Agent Teams：多 Agent 协作（Research Preview）

想象一下：你让一个 AI Agent 审查整个代码库，结果它召唤出五个分身，每个负责一个模块，并行工作后汇总报告。这就是 Agent Teams。

bash

# 启动 Claude Code
claude-code

You: 审查整个代码库的安全漏洞

Claude: 我将启动 5 个子 Agent 并行工作：
┌─ Sub-Agent #1: 审查 /auth 模块
│  发现 3 个 SQL 注入风险
├─ Sub-Agent #2: 审查 /api 模块
│  发现 2 个 XSS 漏洞
├─ Sub-Agent #3: 审查 /payment 模块
│  发现 1 个敏感信息泄露
├─ Sub-Agent #4: 审查 /admin 模块
│  发现 4 个权限绕过问题
└─ Sub-Agent #5: 审查依赖库
   发现 12 个过期依赖

[按 Shift+Up/Down 接管任意子 Agent]

总计：22 个安全问题，已生成修复方案。

适合场景：

大型代码库审查（数万行代码）
并行重构多个模块
分布式任务（测试生成 + 文档更新 + 代码审查同时进行）

限制：

目前仅支持"读为主"的任务（审查、分析、搜索）
不适合需要频繁协调的写操作

Claude Code Security：AI 安全扫描器

Anthropic 用 Claude Opus 4.6 在开源项目中找到了 500+ 个零日漏洞（有些 bug 潜伏了几十年），现在这个能力开放给你了。

bash

# 启动安全扫描
claude-code security scan

Claude: 扫描中... 发现 15 个潜在漏洞

❌ [HIGH] SQL Injection in app/routes/users.py:45
   用户输入未过滤直接拼接到 SQL 查询
   
   建议修复：
   - 使用参数化查询
   - 添加输入验证
   
   [查看代码] [自动修复] [忽略]

❌ [MEDIUM] Sensitive Data Exposure in app/config.py:12
   API Key 硬编码在代码中
   
   建议修复：
   - 移至环境变量
   - 使用密钥管理服务（如 AWS Secrets Manager）

与传统扫描工具对比：

工具	检测方式	误报率	发现深层逻辑漏洞
Snyk/SonarQube	规则匹配	高（30-40%）	❌
Claude Code Security	AI 语义理解	低（<10%）	✅ 可发现复杂业务逻辑漏洞

CLAUDE.md 项目配置（增强版）

在项目根目录创建 CLAUDE.md，定义项目规则（现在支持更多高级配置）：

markdown

# Project: E-commerce Backend

## Tech Stack
- Language: Python 3.11
- Framework: FastAPI
- Database: PostgreSQL + SQLAlchemy
- Testing: pytest

## Coding Standards
- Use type hints for all functions
- Follow PEP 8 style guide
- All API routes must have docstrings
- Database models use Alembic migrations

## Security Rules（新增）
- Never log sensitive data (passwords, tokens, credit cards)
- All API endpoints must validate user permissions
- Use parameterized queries only (no string concatenation)
- JWT tokens must expire within 24 hours

## Agent Teams Config（新增）
- Enable parallel agents for code review tasks
- Max concurrent agents: 5
- Prefer sub-agents for: security audit, test generation, documentation

## File Structure
- `/app/models/` - SQLAlchemy models
- `/app/routes/` - API route handlers
- `/app/services/` - Business logic
- `/tests/` - Unit tests with pytest

## Don'ts
- Never commit `.env` files
- Don't use `SELECT *` in queries
- Avoid nested loops in API handlers

Claude Code 会自动读取这个文件，并遵循所有规则（包括安全规则和 Agent Teams 配置）。

代码库上下文理解

bash

# 启动 Claude Code
claude-code

# Claude 会自动索引项目
> Indexing codebase... Done (234 files, 45,678 LOC)
> Ready! Type your request.

# 提问
You: 这个项目的认证流程是怎么实现的？

Claude: 我分析了代码库，认证流程如下：
1. `app/routes/auth.py:15` - POST /login 接收用户名密码
2. `app/services/auth.py:42` - 验证凭据，查询数据库
3. `app/utils/jwt.py:8` - 生成 JWT token（有效期 24h）
4. 中间件 `app/middleware/auth.py:23` 验证所有受保护路由

相关文件：
- app/routes/auth.py
- app/services/auth.py
- app/models/user.py

自主编辑文件

bash

You: 添加用户注销功能，需要：
1. POST /logout 路由
2. 将 token 加入黑名单
3. 黑名单存储在 Redis 中

Claude: 我将执行以下操作：
1. ✅ 安装 redis-py 依赖
2. ✅ 创建 app/services/redis_client.py
3. ✅ 在 app/routes/auth.py 添加 /logout 路由
4. ✅ 更新 app/middleware/auth.py 检查黑名单

[Claude 自动编辑 4 个文件]

完成！你可以运行 `pytest tests/test_auth.py` 验证。

执行命令并处理错误

bash

You: 运行测试

Claude: 运行 `pytest tests/` ...

❌ FAILED tests/test_orders.py::test_create_order
AssertionError: Expected 201, got 400

我发现问题：`app/routes/orders.py:67` 缺少 `user_id` 验证。
已修复，重新运行测试...

✅ All tests passed!

安装和使用

bash

# 安装（需要 Claude Pro 订阅）
npm install -g @anthropic-ai/claude-code

# 登录
claude-code login

# 在项目目录启动
cd ~/my-project
claude-code

# 或者非交互模式（适合脚本）
claude-code --prompt "添加单元测试覆盖 auth 模块" --apply

定价

需要 Claude Pro 订阅（$20/月）或 Claude Teams（$30/人/月）
Agent Teams 和 Security 功能包含在订阅内
使用 Claude Opus 4.6 模型（安全扫描用）+ Claude Sonnet 4.6（日常编码）

OpenAI Codex CLI（OpenAI 官方）

最适合企业的终端 AI 工具（官方出品，CI/CD 友好）

核心功能

App Server 架构：企业级集成

OpenAI 将 Codex 重构为 App Server 架构，允许与内部工具深度集成：

bash

# Codex App Server 可以成为：
- 代码审查 Bot（自动审查 PR）
- SRE Agent（监控告警自动修复）
- 知识库助手（连接公司文档系统）
- CI/CD Agent（测试失败自动修复）

典型场景：Slack 集成

bash

# 在 Slack 中：
@codex 为什么生产环境的订单服务挂了？

Codex: 我检查了日志和代码：
1. 数据库连接池耗尽（max_connections=100）
2. 订单量激增 3 倍（促销活动）
3. 建议：临时扩容到 300 连接

[一键应用修复] [查看详情]

GitHub Actions & CI/CD 集成

yaml

# .github/workflows/codex-review.yml
name: Codex Auto-Review

on: pull_request

jobs:
  review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3
      - uses: openai/codex-action@v1
        with:
          task: "review-pr"
          model: "gpt-4o"
          api-key: ${{ secrets.OPENAI_API_KEY }}
      
      # Codex 会自动：
      # 1. 审查代码变更
      # 2. 检查安全问题
      # 3. 评论改进建议
      # 4. 自动修复简单问题

MCP 协议：工具生态系统

bash

# 配置文件 ~/.codex/config.toml
[models]
default = "openai/gpt-4o"

[[models.providers]]
name = "openai"
api_key = "sk-..."

[[models.providers]]
name = "anthropic"
api_key = "sk-ant-..."

[[models.providers]]
name = "deepseek"
api_key = "sk-..."
base_url = "https://api.deepseek.com"

# 切换模型
codex --model openai/gpt-4o "写一个快速排序"
codex --model anthropic/claude-3-5-sonnet "重构这个函数"
codex --model deepseek/deepseek-coder "优化这段 Python 代码"

MCP 允许 AI 调用外部工具，扩展能力边界（2026 年生态更成熟了）：

bash

# 配置 Codex 使用 MCP
# ~/.codex/config.toml
[[mcp_servers]]
name = "github"
command = "mcp-server-github"
args = ["--token", "ghp_..."]

[[mcp_servers]]
name = "jira"
command = "mcp-server-jira"
args = ["--url", "https://company.atlassian.net"]

# 使用
codex "在 GitHub 上创建一个 Issue，并同步到 Jira"

2026 年新增热门 MCP 服务器：

MCP 服务器	功能	安装命令
`server-github`	GitHub API（Issue、PR、搜索）	`npm i -g @modelcontextprotocol/server-github`
`server-filesystem`	文件系统操作	`npm i -g @modelcontextprotocol/server-filesystem`
`server-brave-search`	互联网搜索	`npm i -g @modelcontextprotocol/server-brave-search`
`server-postgres`	数据库查询	`npm i -g @modelcontextprotocol/server-postgres`
`server-slack`	Slack 消息/通知	`npm i -g @modelcontextprotocol/server-slack`
`server-jira`	Jira 任务管理	`npm i -g @modelcontextprotocol/server-jira`

MCP Apps：交互式 UI（新特性）

现在 MCP 不仅能调用工具，还能渲染交互式界面：

bash

codex "部署到生产环境"

# Codex 会渲染一个交互式界面：
┌─ Deployment Wizard ─────────────────────┐
│ Environment: [Production ▼]             │
│ Version:     [v2.3.1      ▼]            │
│ Rollback:    [ ] Enable                 │
│ Notify:      [✓] Slack #deployments     │
│                                         │
│ [Deploy] [Cancel]                       │
└─────────────────────────────────────────┘

企业管理功能（新增）

ChatGPT Workspace 管理员现在可以：

bash

# 集中管理配置
codex admin set-default-model gpt-4o
codex admin set-max-context 200000

# 查看使用情况分析
codex admin analytics
# 输出：
Team Usage (Feb 2026):
- Total requests: 15,234
- Top user: alice@company.com (2,345 requests)
- Most used tool: GitHub integration (45%)
- Avg response time: 3.2s

# 监控命令执行（安全审计）
codex admin audit-logs --filter "shell_command"

安装和使用

bash

# 安装（需要 ChatGPT Plus/Pro/Business/Enterprise）
npm install -g @openai/codex

# 登录
codex login

# 在项目目录启动
cd ~/my-project
codex

# CI/CD 非交互模式
codex --non-interactive "修复 ESLint 错误" --apply

定价

需要 ChatGPT Plus（$20/月）、Pro（$200/月）或企业订阅
使用量计入 Codex Cloud 配额：
- Plus: 50 次任务/月
- Pro: 无限任务
- Enterprise: 无限任务 + 管理功能
从 2025 年 10 月起，Codex Cloud 任务计入用量

Google Gemini CLI（开源）

完全免费的终端 AI（现在会写插件了）

核心功能

Skills 系统：可编程 Agent（新特性）

2026 年 1 月推出的 Agent Skills 让 Gemini CLI 可以学习专业技能：

bash

# 创建自定义 Skill
gemini skill create --name "k8s-debugger"

# Skill 定义（YAML）
# ~/.gemini/skills/k8s-debugger.yaml
name: k8s-debugger
description: Kubernetes 故障排查专家
procedures:
  - check_pod_status
  - analyze_logs
  - suggest_fixes
resources:
  - kubectl
  - k9s
context:
  - Include recent deployment history
  - Check resource quotas

# 使用
gemini "为什么我的 Pod 一直 CrashLoopBackOff？"

Gemini: 启动 k8s-debugger Skill...
1. 检查 Pod 状态：ImagePullBackOff
2. 分析日志：镜像标签 'latset' 不存在（拼写错误）
3. 建议：将 deployment.yaml 中的 'latset' 改为 'latest'

内置 Skill Creator：

bash

# AI 自动生成 Skill
gemini "创建一个 Skill，专门用于 PostgreSQL 性能优化"

Gemini: 我创建了 'postgres-optimizer' Skill：
- 检查慢查询日志
- 分析索引使用情况
- 建议 VACUUM/ANALYZE 时机

[查看代码] [启用] [测试]

Hooks 系统：控制 Agent 循环（新特性）

Hooks 让你完全控制 Gemini CLI 的行为：

bash

# ~/.gemini/hooks/before-execute.sh
#!/bin/bash
# Hook: 在执行命令前征得同意

if [[ "$COMMAND" == *"rm -rf"* ]]; then
  echo "⚠️  危险命令！确认执行？(y/n)"
  read confirm
  if [[ "$confirm" != "y" ]]; then
    exit 1  # 阻止执行
  fi
fi

# 使用
gemini "清理 /tmp 目录"

Gemini: 我将执行：rm -rf /tmp/*
⚠️  危险命令！确认执行？(y/n)

常用 Hooks：

before-execute: 命令执行前拦截
after-execute: 命令执行后处理
on-error: 错误处理
pre-commit: Git 提交前检查

交互式工具调用（2025 年 10 月新增）

以前 Gemini CLI 遇到交互式命令（vim、top、git rebase -i）会卡住，现在可以无缝运行：

bash

gemini "用 vim 编辑 app.py，修复语法错误"

# Gemini 会直接打开 vim，你可以实时编辑
# 退出后 Gemini 继续分析修改结果

Gemini 3.1 Pro & 多模态输入

bash

# 使用 Gemini 3.1 Pro（更强推理）
gemini --model gemini-3.1-pro "设计微服务架构"

# 分析图片中的代码截图
gemini "这段代码有什么问题？" --image screenshot.png

# 分析错误日志
gemini "解释这个错误" --file error.log

# 长上下文窗口（32k tokens for free tier）
gemini "总结这个项目的架构" --context "$(find . -name '*.py' -exec cat {} \;)"

/rewind 命令：时光倒流（新特性）

犯错了？不想重新开始？用 /rewind：

bash

gemini "重构 auth.py"

Gemini: 已删除旧代码，创建新实现...

You: 等等，我改主意了

You: /rewind

Gemini: 已回滚到上一步，auth.py 恢复原样

安装和使用

bash

# 安装
npm install -g @google-gemini/gemini-cli

# 获取免费 API Key
# 1. 访问 https://aistudio.google.com
# 2. 点击 "Get API key"
# 3. 复制 key

# 配置
export GOOGLE_API_KEY="your-api-key"

# 使用
gemini "写一个快速排序算法"

# 交互模式
gemini --chat

# 启用 Skill
gemini skill enable k8s-debugger

定价

完全免费（Google AI Studio 提供）
2026 年 2 月额度：
- Gemini 3 Flash: 无限次（基础访问）
- Gemini 3.1 Pro: 有每日限制（基础访问）
- 上下文窗口: 32,000 tokens（约 50 页文本）
- 图片生成（Nano Banana）: 100 张/天
- 音乐生成: 10 首/天
限制：仅限个人、非商业使用

新兴工具：值得关注的黑马

Aider（开源，GitHub 20k+ stars）

最适合 Git 工作流的 AI 工具

专为 Git 优化，每次修改都自动生成规范的 commit：

bash

# 安装
pip install aider-chat

# 使用（自动添加改动到 Git）
aider --model gpt-4o

You: 添加用户注册功能

Aider: ✅ 创建 app/routes/register.py
      ✅ 更新 app/__init__.py
      ✅ 创建 tests/test_register.py
      
      Git commit created:
      feat: add user registration endpoint
      
      - Add POST /register route
      - Implement password hashing
      - Add unit tests

# 查看 Git 历史
git log --oneline
# b4f21a3 feat: add user registration endpoint

为什么适合团队：

每次修改都是原子 commit，方便 code review
支持 .aiderignore 排除敏感文件
可以结合 pre-commit hooks 自动检查

工具对比与选择

功能对比表（2026 年 2 月版）

功能	Claude Code	OpenAI Codex CLI	Gemini CLI	Aider
代码库索引	✅ 自动	✅ 自动	⚠️ 需手动粘贴	✅ Git aware
多文件编辑	✅ 强大	✅ 基础	✅ 支持	✅ Git atomic
命令执行	✅ 自主执行	✅ 需确认	✅ 交互式支持	⚠️ 基础
MCP/工具集成	❌	✅ 完整支持	❌	❌
扩展系统	❌	✅ MCP Apps	✅ Skills + Hooks	❌
多 Agent 协作	✅ Agent Teams	❌	❌	❌
安全扫描	✅ 内置	⚠️ 通过 MCP	❌	❌
项目配置	✅ CLAUDE.md	⚠️ 通过 prompt	✅ Skills 配置	✅ .aiderignore
CI/CD 集成	⚠️ 基础	✅ GitHub Actions	⚠️ 基础	✅ 原生支持
企业管理	⚠️ Teams 版	✅ 完整	❌	❌
非交互模式	✅	✅	✅	✅

选择建议（2026 更新）

场景	推荐工具	原因
代码安全审查	Claude Code	Agent Teams + Security 扫描找出深层漏洞
企业 CI/CD 集成	OpenAI Codex CLI	GitHub Actions、Slack、Jira 等深度集成
预算有限 + 可扩展	Gemini CLI	完全免费，Skills 系统可定制
Git 工作流优化	Aider	每次修改自动 commit，团队协作友好
多工具协调（数据库+GitHub+监控）	OpenAI Codex CLI	MCP 协议生态最丰富
终端重度用户（Vim/Neovim）	Gemini CLI	交互式工具支持，Hooks 高度可定制
大型代码库审查（10 万行+）	Claude Code	Agent Teams 并行处理速度快

动手试试（Practice）

任务：使用 Claude Code 重构一段遗留代码

我们将体验终端 AI 工具的实际工作流：分析代码 → 识别问题 → 自动重构。

第 1 步：准备测试项目

bash

# 创建示例项目
mkdir legacy-refactor
cd legacy-refactor

# 创建遗留代码文件
cat > app.py << 'EOF'
# 遗留代码：没有类型提示、函数过长、逻辑混乱
def process_user_data(data):
    result = []
    for item in data:
        if item['age'] > 18:
            if item['status'] == 'active':
                if 'email' in item:
                    processed = {
                        'name': item['name'],
                        'email': item['email'],
                        'age': item['age'],
                        'discount': 0.1 if item['age'] > 60 else 0
                    }
                    result.append(processed)
    return result

# 调用
users = [
    {'name': 'Alice', 'age': 25, 'status': 'active', 'email': 'alice@example.com'},
    {'name': 'Bob', 'age': 17, 'status': 'active', 'email': 'bob@example.com'},
    {'name': 'Charlie', 'age': 65, 'status': 'active', 'email': 'charlie@example.com'},
]

print(process_user_data(users))
EOF

第 2 步：安装和配置 Claude Code

bash

# 安装（需要 Node.js）
npm install -g @anthropic-ai/claude-code

# 登录（需要 Claude Pro 订阅）
claude-code login

# 创建项目配置
cat > CLAUDE.md << 'EOF'
# Project: Legacy Code Refactor

## Standards
- Use Python 3.11+ type hints
- Follow PEP 8 style guide
- Prefer small, single-purpose functions
- Add docstrings to all functions
- Use dataclasses for structured data
EOF

第 3 步：启动 Claude Code 并重构

bash

# 启动交互模式
claude-code

# 在 Claude Code 中输入：

输入 Prompt：

分析 app.py 并重构，要求：
1. 添加类型提示
2. 拆分 process_user_data 为多个小函数
3. 使用 dataclass 表示用户数据
4. 消除深层嵌套 if
5. 添加单元测试

Claude Code 的响应：

我将执行以下重构：

1. 创建 models.py - 定义 User dataclass
2. 创建 validators.py - 用户验证逻辑
3. 创建 processors.py - 数据处理逻辑
4. 重构 app.py - 简化主逻辑
5. 创建 test_app.py - 单元测试

[Preview changes]

第 4 步：查看重构结果

bash

# Claude Code 会创建以下文件结构：
├── models.py          # User dataclass
├── validators.py      # is_eligible_user() 函数
├── processors.py      # calculate_discount() 函数
├── app.py            # 重构后的主逻辑
└── test_app.py       # pytest 单元测试

# 查看重构后的代码
cat app.py

重构后的代码示例（Claude 生成）：

python

# models.py
from dataclasses import dataclass
from typing import Optional

@dataclass
class User:
    name: str
    age: int
    status: str
    email: Optional[str] = None

@dataclass
class ProcessedUser:
    name: str
    email: str
    age: int
    discount: float

# validators.py
def is_eligible_user(user: User) -> bool:
    """Check if user meets eligibility criteria."""
    return (
        user.age > 18
        and user.status == "active"
        and user.email is not None
    )

# processors.py
def calculate_discount(age: int) -> float:
    """Calculate discount based on age."""
    return 0.1 if age > 60 else 0.0

def process_user(user: User) -> ProcessedUser:
    """Process a single user into processed format."""
    return ProcessedUser(
        name=user.name,
        email=user.email,
        age=user.age,
        discount=calculate_discount(user.age)
    )

# app.py
from typing import List
from models import User, ProcessedUser
from validators import is_eligible_user
from processors import process_user

def process_user_data(users: List[User]) -> List[ProcessedUser]:
    """Process user data and return eligible users with discounts."""
    return [
        process_user(user)
        for user in users
        if is_eligible_user(user)
    ]

# test_app.py
import pytest
from models import User
from app import process_user_data

def test_process_user_data():
    users = [
        User(name="Alice", age=25, status="active", email="alice@example.com"),
        User(name="Bob", age=17, status="active", email="bob@example.com"),
        User(name="Charlie", age=65, status="active", email="charlie@example.com"),
    ]
    
    result = process_user_data(users)
    
    assert len(result) == 2
    assert result[0].name == "Alice"
    assert result[0].discount == 0.0
    assert result[1].name == "Charlie"
    assert result[1].discount == 0.1

第 5 步：运行测试

bash

# 安装 pytest
pip install pytest

# Claude Code 会提示你运行测试
pytest test_app.py -v

# 输出：
# test_app.py::test_process_user_data PASSED

对比：重构前 vs 重构后

指标	重构前	重构后
代码行数	15 行（单文件）	60 行（5 个文件）
函数最大行数	15 行	5 行
类型提示	❌	✅
单元测试	❌	✅ 覆盖率 100%
圈复杂度	8	2
可维护性	⭐⭐	⭐⭐⭐⭐⭐

时间对比：

手动重构：30-45 分钟
Claude Code：2 分钟（包括生成测试）

小结（Reflection）

解决了什么：学会在终端环境使用 AI 工具，无需 GUI 也能享受 AI 辅助编程
没解决什么：终端工具需要本地环境配置，如果想零配置直接在浏览器里用 AI 写代码怎么办？——下一节介绍云端 AI 开发平台
2026 年 2 月关键更新：
1. Claude Code 现在会"开会"了——Agent Teams 让多个 AI 并行工作，安全扫描能力堪比白帽黑客
2. OpenAI Codex CLI 不再是社区项目，OpenAI 官方接手，App Server 架构让企业集成更简单
3. Gemini CLI 逆袭了——Skills + Hooks 让免费工具也能高度定制，交互式工具支持补齐最后短板
4. MCP 生态爆发——从 4 个服务器增长到 20+ 个，MCP Apps 让 AI 不仅能调工具还能渲染 UI
5. 新玩家 Aider——如果你的团队严重依赖 Git 工作流，它的自动 commit 功能是神器
选择建议更新：
- 有预算 + 需要安全审查 → Claude Code（Agent Teams + Security）
- 企业环境 + 多工具集成 → OpenAI Codex CLI（MCP 生态 + CI/CD）
- 预算有限 + 愿意折腾 → Gemini CLI（免费 + Skills 可编程）
- Git 重度用户 → Aider（原子 commit + 团队协作）

最后更新：2026-02-22

5.2 终端原生工具 入门 免费 ​

为什么需要它？（Problem） ​

它是什么？（Concept） ​

Claude Code（Anthropic 官方） ​

核心功能 ​

安装和使用 ​

定价 ​

OpenAI Codex CLI（OpenAI 官方） ​

核心功能 ​

安装和使用 ​

定价 ​

Google Gemini CLI（开源） ​

核心功能 ​

安装和使用 ​

定价 ​

新兴工具：值得关注的黑马 ​

Aider（开源，GitHub 20k+ stars） ​

工具对比与选择 ​

功能对比表（2026 年 2 月版） ​

选择建议（2026 更新） ​

动手试试（Practice） ​

小结（Reflection） ​

5.2 终端原生工具入门免费

为什么需要它？（Problem）

它是什么？（Concept）

Claude Code（Anthropic 官方）

核心功能

安装和使用

定价

OpenAI Codex CLI（OpenAI 官方）

核心功能

安装和使用

定价

Google Gemini CLI（开源）

核心功能

安装和使用

定价

新兴工具：值得关注的黑马

Aider（开源，GitHub 20k+ stars）

工具对比与选择

功能对比表（2026 年 2 月版）

选择建议（2026 更新）

动手试试（Practice）

小结（Reflection）