Claude Code 开发团队 @ClaudeDevs 于 9 月 26 日在 X 平台发布推文，宣布针对 Claude Code 启用一项新机制：当一次 AI 任务在执行过程中触发 5 小时使用上限时，系统不再直接在编辑中途硬性中断，而是会寻找一个合适的收尾点，让 Claude 把当前能完成的工作收尾后再停止。

为什么需要“优雅收尾”

在长任务场景下，Claude Code 可能连续进行多轮编辑与命令执行。若恰好在改写文件、运行脚本的中途被 5 小时额度上限直接掐断，开发者往往要面对一个“半成品”状态：文件改到一半、测试没跑完、提交未生成。新机制的目的，就是尽量避免这种突兀中断带来的状态不一致，把中断点挪到更自然的位置。

额度从哪里扣

推文说明，用于“优雅收尾”的那一小段执行时间，会从用户的每周限制（weekly limit）中扣除，而不是凭空赠送。也就是说，收尾动作本身仍计入使用量，只是把额度用在了更有价值的地方——把活干完，而不是在半途停下。

适用范围分档

不同订阅档位的可用频次有所区别：Pro 用户每周可使用一次该“优雅收尾”功能；而 Max 与 Team Premium 用户，则在此次达到 5 小时会话限制后每次都可以使用。这一差异与各档位原本的额度模型一致——高阶档位获得更宽松的长任务收尾保障。

对开发者的意义

对把 Claude Code 当作日常编码智能体的开发者而言，这项改动降低了“长跑任务”的心理负担：即便逼近额度边界，也更可能拿到一个可编译、可提交的中间成果，而非一堆需要人工梳理的零散改动。它反映出编程智能体在“长时间自主执行”这一方向上的体验打磨，正在从“能跑”走向“跑得稳”。

两份”说明书”的由来

在 AI 编程助手中，项目根目录的一份 Markdown 文件通常用来告诉 AI 该项目的结构、规范和协作约定。Anthropic 的 Claude Code 使用 CLAUDE.md，其中可以放置 Claude Code 特有的工作流、MCP（模型上下文协议）配置、子代理以及命令配置；而 AGENTS.md 的目标则是让不同工具共享同一套项目级基础规则，可以被视作所有 AI 都应遵守的通用规则。

这两种格式相似却不完全一致。过去，同时使用 Claude Code 与 OpenAI Codex 或其他非 Anthropic 工具的开发者，往往要维护两份 Markdown 说明：一份 CLAUDE.md、一份 AGENTS.md。有人用软链接等手段勉强保持两者同步，但终究是额外的负担。

这次更新改了什么

根据希希帕尔的说明，从 2.1.277 版本开始，如果某个文件夹中没有 CLAUDE.md，Claude Code 会自动检查并使用 AGENTS.md。用户也可以在 /config 命令中切换这一行为。

需要强调的是，这只是一种”兜底”：当 CLAUDE.md 存在时，Claude Code 仍优先使用它；AGENTS.md 只在前者缺失时才会被读取。因此，已经依赖 CLAUDE.md 的仓库不会因为这次更新而多出一个相互竞争的指令文件。需要 Claude 专属配置的团队，依然可以把相关内容放在 CLAUDE.md 中。

一个正在成形的通用标准

AGENTS.md 并非 Anthropic 的发明。它由 OpenAI 贡献给 Linux 基金会旗下的 Agentic AI Foundation，目标是建立一套跨工具共享的代理指令标准。截至 2025 年 12 月，已有超过 6 万个开源项目采用了 AGENTS.md；Cursor 背后的 Anysphere、Cline 等同类工具也采用了这一约定，其地位类似于 README.md 之于仓库说明。

消息公布后，OpenAI 核心产品负责人蒂博·索蒂奥（Thibault Sottiaux）在社交平台回应”这才对，欢迎加入”，希希帕尔则以握手表情回应。不少知名开发者也公开对这一决定表示欢迎。

对开发者意味着什么

对普通用户或开发者而言，AGENTS.md 的最大价值在于降低工具切换与配置成本。无论使用哪一款 AI 编程工具，项目都可以只保留一份统一的”给 AI 看的使用说明”；在换工具、接手他人项目或参与开源协作时，不必重新撰写一遍配置。

从更长远看，这次支持也被外界视为 Claude Code 走向可扩展架构的一个信号——据公开信息，AGENTS.md 能力是通过 Claude Code 的”mods”（自定义模块）系统实现的，这一机制未来可能允许开发者自行修改配置解析与上下文加载方式。不过 Anthropic 目前尚未正式公布 mods 的完整文档与发布时间。

三款工具的产品形态

三者在「长什么样、怎么用」上走了完全不同的路线：

– Cursor：构建在 VS Code 之上的 AI 原生代码编辑器，提供图形界面（GUI），支持多模型切换，上手门槛低，适合习惯在编辑器里写代码的开发者。 – Claude Code：Anthropic 推出的终端（命令行）编程智能体，强调代理式执行，能够自主读写文件、运行命令并迭代修复，适合复杂项目的重构与跨文件改造。 – Codex：OpenAI 的云端自主编程代理，任务在沙盒云端虚拟机中异步运行，适合把「让 AI 长时间自动干活」这类工作流交给它。

价格区间

三款工具的入门价格均在每月 20 美元左右：Cursor Pro 约 20 美元/月，Claude Code 走 Claude 订阅体系（Pro 约 20 美元/月），Codex 随 ChatGPT Plus（20 美元/月）可用或按 API 用量计费。对个人用户而言，起步成本接近，重度使用才需要升级更高档位。

怎么选：看场景而非看参数

– 日常写代码、改小需求：Cursor 最容易上手，补全与建议体验顺滑。 – 跨多文件的大改造、项目重构：Claude Code 的代理能力更强，但命令行操作对新手有门槛。 – 长时间自动化任务、脚本与流水线：Codex 适合让 AI 在云端异步跑完一整段工作。

三款工具并不冲突，不少开发者会两三个搭配使用。

中国开发者的可用路径

这三款国际工具均需要访问对应的海外服务。对于中国开发者，国内市场也有替代方案可选，例如字节跳动的 Trae、阿里的通义灵码等 AI 编程产品，在合规接入与本地化体验上更贴合国内环境。选择时可优先考虑团队实际的访问条件、数据安全要求与协作习惯。

小结

选 AI 编程工具，先想清楚自己「主要在什么界面、做什么类型的任务」。GUI 派选 Cursor，终端代理派选 Claude Code，云端异步派选 Codex；若更看重国内可用与合规，可把国产替代方案纳入首选清单。

评分是怎么来的

下表综合自掘金社区《2026 年热门 AI 编程工具横评》、极客日志及腾讯云开发者社区等多份实测，满分为 10 分，由一线开发者在代码补全、上下文理解、Agent 能力、响应速度、生态集成与中文支持等维度打分。

数据截至 2026 年 9 月，价格来自各产品公开定价与 CSDN 实测，评分为社区横评参考值，非官方基准。

国产工具为什么中文更强

中文支持一栏中，通义灵码、文心快码、Trae 均拿到 9.0 以上高分。原因在于这些工具针对中文技术文档、国内主流框架（如 Vue、Spring Cloud、微信小程序）做了专项优化，在中文注释理解、本地报错解读、国产接口调用上更顺手。Claude Code、Cursor 虽在代码生成与架构理解上领先，但中文语境下的“语感”仍逊一筹。

贵的一定好吗

单看综合分，Claude Code 以 9.3 居首，但其月费高达 100–200 美元，且响应速度评分仅 7.5；GitHub Copilot 月费约 10 美元、响应速度 9.5，对日常补全性价比极高。对预算敏感的个人开发者与初创团队，通义灵码、Trae 的免费档已能覆盖大部分场景。换言之，分数差距远小于价格差距，“够用且便宜”往往比“单项最强”更划算。

按角色怎么选

个人开发者快速验证创意，首选 Trae、通义灵码等免费且中文友好的工具；重度重构、复杂多文件任务，Claude Code 与 Cursor 的 Agent 能力更稳；企业团队追求管理成本与生态成熟，GitHub Copilot 仍是安全牌；深度依赖阿里、百度云生态的团队，可优先考虑通义灵码与文心快码的无缝集成。

AI 编程工具会取代程序员吗？

不会。当前工具擅长补全、生成与重构，复杂架构决策、业务理解与调试仍需人来把控。更准确的说法是“用 AI 的程序员取代不用 AI 的程序员”。

免费工具够用吗？

对个人学习与中小项目基本够用。免费档通常在并发、上下文长度与企业安全合规上有上限，规模化生产环境建议升级付费或私有化部署。

国内团队选哪个最稳？

重视中文与本地框架选通义灵码；已在微软生态用付费选 GitHub Copilot；要数据自主管私有化选支持本地部署的开源方案。可先用免费档跑通原型再决定。

本文基于掘金社区《2026 年热门 AI 编程工具横评》、CSDN 开发者实测及各家官方定价页（截至 2026 年 9 月）综合整理，评分为社区横评参考值，实际体验以个人项目为准。

一封关于”AI 垃圾代码”的来信

当地时间 9 月 10 日，切尔尼在 X 平台上公开了一封开发者写给他的邮件，标题直白地写着”怎么处理 AI 垃圾代码？”。他透露，自己几乎每天都会收到类似来信，并尽量多作回复。

这位匿名开发者把 AI 编程带来的”摩擦”归纳为两种截然不同的做法，请切尔尼判断哪一种更合理。第一种相对克制：仍像从前一样写代码，只是用 AI 加速，未必逐行审查，但代码必须经得起审查，提交者要能解释自己提交了什么，且代码对人类维护者而言至少不比以前更难。第二种则更放任，也就是当下流行的”氛围编程”（vibe coding）思路：把代码当黑箱，不关心内部实现，只看最终输出。

来信者也坦言，不少人其实做不到第一种，却又担心因此失去工作，”很多人只是在硬着头皮用 AI”。

原型可黑箱，生产代码标准更高

切尔尼完整公开了自己的回复，并指出两种做法并非只能二选一，各自都有合适场景。对于”只管结果、不管代码”的做法，他认为原型和一次性代码完全可以当成黑箱——反正最终会被丢弃，只要出问题的影响范围不大，就没必要追求完美。

真正进入生产环境的代码则完全不同。切尔尼写道，Claude 写出的生产代码，标准应当比人类写的更高。他在文中列举了 Anthropic 内部设置的多道防护机制：大量代码规范检查规则与测试、Claude 驱动的端到端测试、每天运行的模糊测试工具，以及自动代码审查、安全审查和自动代码重构。他提醒，缺少这些措施，代码库很容易逐渐变成难以维护的烂摊子；好消息是模型能力越强，把这些日常流程跑顺也越容易，例如每天固定跑几套流程，或使用 Claude Code Review。

开发者的新角色：mini CEO

切尔尼的核心观点是，开发者的真正职责在于”守住代码质量标准”。AI 行业有人把这种新角色称为”mini CEO”——开发者更像一名管理者，需要判断什么代码能进入系统，什么代码应当当场拦下。

如果上述办法仍解决不了问题，切尔尼还给了三条退路：更直接地介入 Claude 的工作过程、让它重写整个代码库，或者干脆”等下一个模型”。在 AI 接管大量编码工作的趋势下，如何为代码质量设下闸门，正成为工程师价值所在的新焦点。

原因不难理解。它并非不能上网，而是能力有限：读静态 HTML 页面没问题，碰上 JavaScript 渲染或反爬系统就卡住。查论坛讨论时，它只能依赖搜索摘要，而摘要本身往往陈旧。内置工具也不返回结构化数据，模型只能自己从一段概述里连蒙带猜，想精确取某个数值时基本用不上。

该撰稿人的解法是接入一个叫 Firecrawl 的服务：它负责处理 JavaScript 渲染和动态内容，把网页转成大模型能直接消化的结构化内容，免费额度下就能看出差别。

一、给 Claude Code 接上 Firecrawl

1. 先到 Firecrawl 官网创建一个 API 密钥
2. 终端执行一条命令即可（密钥换成自己的）：claude mcp add --transport http firecrawl https://mcp.firecrawl.dev/v2/mcp --header "Authorization: Bearer 你的密钥"
3. 用 claude mcp list 确认服务已添加，或在会话里输入 /mcp 查看连接状态和详情
4. 也可以走账号登录的方式，地址改成 https://mcp.firecrawl.dev/v2/mcp-oauth，由客户端拉起浏览器完成授权
5. 密钥放进环境变量或客户端自带的密钥存储，官方明确提醒：不要把它拼进 MCP 地址里

网页版 Claude 的接法不同：在 Connectors 列表里添加 Firecrawl，之后用输入框旁的加号按钮选中它触发。

二、接上之后多了哪些工具

1. firecrawl_scrape：已知网址时取页面内容或结构化字段，想按提示词、按 JSON 结构取数据也是用它的 JSON 格式
2. firecrawl_search：只有关键词、没有具体网址时用
3. firecrawl_map：先摸清一个站点有哪些页面，再决定抓哪几个
4. firecrawl_crawl：成批遍历整站或某个板块
5. firecrawl_parse：解析 PDF、文档、表格和 HTML 文件

有一处需要留意：原文提到的 Extract 工具，官方文档已标注弃用，现在改用 Scrape 配 JSON 格式，或交给自动检索多个来源的 Agent 工具。

三、变化体现在哪

该撰稿人给出三点实际感受：查论坛近期讨论不再返回半成品答案或错误码；非 HTML 构建的页面也读得动，不必再把网页转成 PDF 或 Markdown 上传一遍；批量从多个网页取数据时，明显比内置抓取快。做文献综述和事实核对时，因为工具确实访问了页面，结果也更可信。

注意事项

它不是万能的。需要过验证码或防护很强的站点进不去，需要多步登录的页面也无能为力，这两种情况仍要靠 Claude 桌面版的内置浏览器。

另外要清楚不同接入方式的差别：不配密钥的免费模式只有搜索、抓取、解析这三个工具，登录或配好密钥才是完整工具集。遇到 401 报错先查配置的地址——填的是 /v2/mcp 就换密钥，填的是 /v2/mcp-oauth 就重新登录，改完记得新开一个会话。

来源：MakeUseOf

任务之间用 /clear 清场

开始新任务前运行 /clear，可以避免上一任务的无关上下文被重新发回模型，直接省下 token。配合 /rename 还能在清空前给会话改名，方便日后找回。

开局就定好模型与思考量级

/model 与 /effort 一旦在中途切换，会破坏提示词缓存、导致整段对话按全价重算。因此应在会话开始或 /clear 之后一次性设好。对于纯体力活，还可以用环境变量 MAX_THINKING_TOKENS=0 直接关掉思考，比把思考量级调到最低更省。

用 @ 提及文件，而非只写路径

在消息里写 @utils.test.ts 这样的路径，文件会直接附到请求中，省去模型自行 Read 或搜索的多轮开销；同一会话里提一次即可，重复提及反而会附上副本。

给嘈杂命令加安静标志，或丢给子代理

为产生大量输出的命令加上 --reporter=dot 之类的安静标志（可写进 ~/.bashrc 或 CLAUDE.md 固化习惯），或把「翻日志」这类噪声任务交给子代理。子代理拥有独立上下文，只把答案回传主会话、其余全部丢弃，能省下不少 token；对重复性的噪声任务，还可定义复用子代理并指定轻量模型以进一步降本。

善用 /context、/compact 与 /rewind

新会话开局跑一次 /context，可看清已加载的系统提示、CLAUDE.md 与 MCP 工具，顺手关掉不需要的 MCP；准备离开前跑 /compact，用简短总结替换冗长对话，避免一小时后缓存过期被迫重算。如果最近几轮走偏了，/rewind 回退到出错前比 /compact 更便宜，因为它只截断末尾轮次、已缓存部分不花钱。

把规矩写进 CLAUDE.md

CLAUDE.md 里只放特定指令，可复用的工作流应移入 skills 按需加载；把带安静标志的常用命令、以及「Compact 时保留什么」的说明固定下来，能持续减少轮次与输出行数。

背后的原理是提示词缓存：只要请求前缀与服务器近期一致，前缀部分便能以约 0.1 倍输入价读取；一旦切换模型、切换思考量级或缓存超时，整段就要按全价重算。记住「开局设好、任务切分、离场压缩」，每个 token 自然更值。

来源：Claude by Anthropic（作者 Lydia Hallie）

他给出的办法不需要任何插件——把 AI 编程助手 Claude Code 直接指向笔记库，让它充当能读回整个库的「管家」。

一、先让 Claude Code 摸清你的库

1. 在终端进入笔记库目录，启动 Claude Code，先下指令让它「扫描整个库并汇报结构」，不要急着改动任何东西。
2. 等它返回完整的库地图（哪些是从前的旧前缀文件、哪些文件夹是后来加的、有没有空目录），确认它已经理解你的实际结构后再继续。

二、建一个 /index/ 中枢文件夹

1. 在库里新建一个名为 /index/ 的文件夹（名字可自定）。
2. 让 Claude Code 在这个文件夹里生成两份说明文件：SKILL.md（基础的读写指令）和 config.md（你定下的归类规则）。
3. 同时让它生成若干仪表盘笔记，例如 active-projects（进行中）、stalled（停滞）、this-week（本周）、by-area（按领域）、orphans（孤儿文件）。这些笔记只是普通 Markdown，不依赖任何插件。

三、日常怎么用

1. 每当你新增笔记，直接对 Claude Code 说「重新生成仪表盘」，它会重新扫描、标出改动，并返回这次改动了哪些文件。
2. 给某条笔记加上 frontmatter 字段，例如 deadline: 2026-08-18，下次生成时它就会自动出现在 this-week 笔记里。
3. 想做分析时直接追问「哪些卡住了、为什么」，它会列出停滞文件、各自原因以及其中的共性规律。

注意事项

这套方法依赖 Claude Code 的付费订阅；config.md 是一份可改的「规则书」，仪表盘显示不准就改规则、再让助手重新生成即可。所有仪表盘都是纯 Markdown，在分屏、侧栏、手机端和关系图谱里都能正常显示，换人或不用插件都能读懂。若觉得某条规则太敏感（例如停滞阈值默认 14 天显得吵），直接调大即可。

来源：XDA Developers

一、拦住毁灭性命令

Bash 工具每次调用前加一道 PreToolUse 守卫，扫描命令文本，命中危险模式就拦截。脚本从标准输入读 JSON，取出 command 字段，匹配 rm -rf、dd if=、mkfs 等就退出码 2，Claude 会收到原因并改提替代方案，而不是盲目重试。

#!/bin/bash
command=$(cat | jq -r '.tool_input.command')
[[ "$command" =~ rm -rf|dd if=|mkfs. ]] && echo "Blocked: destructive command" >&2 && exit 2
exit 0

二、保护密钥和环境变量

针对 Edit、Write 工具加钩子，禁止改写路径里含 .env、secrets、credentials 的文件。这一步格外重要：调试配置时 Claude 常想”顺手修一下”环境文件，而密钥文件恰恰最不该由 AI 在无人看管时改动。

#!/bin/bash
path=$(cat | jq -r '.tool_input.file_path')
[[ "$path" =~ .env|secrets|credentials ]] && echo "Blocked: protected file" >&2 && exit 2
exit 0

三、阻止强制推送和危险 Git 操作

Git 事故最难挽回，因为它会改写共享历史。钩子可专门识别 git push –force、推送到 main 或 master，以及 git reset –hard，在命令执行前拦下，避免一个下午的工作被静默清空。

#!/bin/bash
command=$(cat | jq -r '.tool_input.command')
[[ "$command" =~ push --force|push .* main|reset --hard ]] && echo "Blocked: dangerous git command" >&2 && exit 2
exit 0

四、拦住破坏性的数据库语句

对含 DROP TABLE、TRUNCATE 的命令直接拒绝，并返回结构化 JSON 说明原因，让 Claude 在下一次尝试时调整方向，而不是单纯报错。

#!/bin/bash
command=$(cat | jq -r '.tool_input.command')
[[ "$command" =~ DROP TABLE|TRUNCATE ]] && echo '{"hookSpecificOutput":{"hookEventName":"PreToolUse","permissionDecision":"deny","permissionDecisionReason":"Destructive SQL detected"}}'

五、规范包管理器与 CI 配置

若项目用 pnpm，检测到 npm install 就拦下，避免生成冲突的锁文件；同理可禁止改动 CI 配置和生产部署脚本，除非人工明确批准。这类小错累积起来，破坏力不亚于一次大事故。

#!/bin/bash
command=$(cat | jq -r '.tool_input.command')
[[ -f pnpm-lock.yaml && "$command" =~ ^npm install ]] && echo "Blocked: use pnpm instead" >&2 && exit 2
exit 0

统一接入：一个 JSON 文件

以上钩子都写在 .claude/settings.json 的 PreToolUse 数组里，按工具（Bash、Edit、Write）配置 matcher。脚本可用 Bash 加 jq 编写，也可用 Python 写更易读的逻辑，建议随仓库提交，让所有协作者共用同一套护栏。

{
  "hooks": {
    "PreToolUse": [
      { "matcher": "Bash", "hooks": [{ "type": "command", "command": ".claude/hooks/block-destructive-bash.sh" }] },
      { "matcher": "Edit|Write", "hooks": [{ "type": "command", "command": ".claude/hooks/protect-secrets.sh" }] }
    ]
  }
}

注意事项：钩子依赖 jq 解析输入；拦截以正则匹配命令文本，复杂场景建议结合官方文档细化规则，避免误伤正常操作。

来源：MakeUseOf

编程智能体一旦放手，效率确实高；可真放手，又担心它顺手改错配置、误删文件，甚至把 .ssh 里的密钥亮出来。Docker 最近把 Sandboxes 推到了可用版本，核心思路是给 Claude Code、Codex、Kiro 这些智能体一人一个轻量级 microVM，让它们在该改的目录里使劲折腾，宿主机和敏感文件一概碰不到。

为什么容器还不够

用普通容器隔离智能体看起来省事，但很快会遇到三个坎。第一，OS 自带的沙箱机制在不同系统上行为不一致，写好的脚本换个平台就失灵。第二，智能体经常要跑 docker build 或 docker compose up，把 Docker socket 挂进容器等于把宿主机的 Docker 守护进程暴露给它。第三，传统虚拟机隔离强，但启动慢、配置重，换个项目就得重新搭。

Docker Sandboxes 想走的是第四条路：比容器硬、比虚拟机快，还允许「Docker 里跑 Docker」。

microVM 里关一只智能体

每个 Sandboxes 实例跑在一个独立 microVM 里，只把当前项目目录挂载进去。智能体可以安装系统包、改配置、删测试文件、甚至在里面再起容器，但宿主机的文件系统、网络栈、Docker daemon 都不在视野内。出了错也简单，一个命令删掉沙箱，重新起一个干净的即可。

它自带几层安全控制：

• 网络白名单/黑名单：可以只让智能体访问特定域名，默认 deny 状态下逐个放行。
• 文件系统最小挂载：只有项目工作区可见，家目录、系统配置、密钥目录默认隔离。
• 安全的 Docker 访问：智能体在沙箱内自建容器，不需要接触宿主 Docker daemon。

Docker 给出的安装方式也很轻：macOS 上 brew install docker/tap/sbx，Windows 上 winget install Docker.sbx。不需要先装 Docker Desktop。

哪些智能体能直接用

官方列出支持 Claude Code、Codex CLI、GitHub Copilot CLI、Gemini CLI、OpenCode、Kiro 以及 Docker Agent。另外像 NanoClaw、OpenClaw 这类新一代自主系统也能跑在里面，省下一台专门用来隔离的 Mac mini。

这些工具原本大多有个 --dangerously-skip-permissions 模式，开发者戏称为「YOLO 模式」——不弹窗、直接执行，效率最高也最危险。Docker 把它变成了默认：沙箱先替你画好边界，里面随它怎么 YOLO。

这还不是终点

Docker 在产品页和博客里列出的下一步包括 Linux 支持、MCP Gateway 支持、向宿主机暴露端口，以及接入更多智能体。目前 Sandboxes 可在 macOS 和 Windows 上直接下载使用。

对普通开发者来说，这意味着一个之前很纠结的选择题被改了题面：要么每步都点确认当「人形剪贴板」，要么冒着把环境搞坏的风险让智能体狂奔。现在可以先画好一个硬边界，再把钥匙交给它。

来源：Docker 官方博客