TL;DR | 一句話定位 #
| 工具 | 一句話 |
|---|---|
| GitHub Copilot | 打字時自動補全，IDE 裡的 Tab 鍵強化 |
| Cursor | AI 版 VS Code，整合了 Composer 可以大範圍改檔案 |
| Claude Code | Terminal 裡的 AI agent，能跑指令、改檔案、Git |
| OpenAI Codex | 雲端 AI 代理，自動在隔離環境裡執行多步驟任務 |
比喻：四種不同的工作方式 #
- Copilot：副駕駛，幫你打字，你還是在開車
- Cursor：換了一輛更聰明的車，方向盤還是你握
- Claude Code：你說目的地，AI 去開車，你在旁邊監督
- Codex：你說目的地，AI 去開車，你去睡覺，回來看結果
詳細比較 #
GitHub Copilot #
定位：IDE inline 補全 + Chat
你寫：function calculateTax(
Copilot 補全：income, rate) {
return income * rate;
}
- 整合在 VS Code、JetBrains、Neovim 裡
- Copilot Chat 可以問問題、解釋程式碼
- 2026 年加入了 Agent mode（多步驟任務）
- 適合：日常寫 code 加速，不想改工作流程
Cursor #
定位：AI-native 編輯器，VS Code fork
核心功能：
- Tab：智慧補全（比 Copilot 更懂上下文）
- Composer：選取多個檔案，一次描述大範圍修改
- Chat：問 codebase 的問題，AI 能搜尋整個專案
Composer：「把所有 API 呼叫從 axios 改成 fetch，
更新錯誤處理，保持原有的 TypeScript 型別」
→ 一次修改 10 個檔案
- 適合：全職用 AI 加速開發，願意換編輯器
Claude Code #
定位：Terminal 裡的 agentic AI
claude "幫我看這個 memory leak 出在哪，順便寫一個 test"
能力：
- 讀寫檔案、執行 shell 指令
- Git（commit、branch、PR）
- 跑測試、看錯誤、修 bug 的完整迴圈
- 支援 MCP 擴充各種工具
不需要 GUI，適合在 terminal 工作的開發者。Claude Sonnet / Opus 驅動，按 token 計費。
- 適合：後端/全端開發者，習慣 terminal 流程
OpenAI Codex #
定位：雲端 AI 軟體工程師 agent
Codex 在 OpenAI 的雲端隔離環境跑：
你：「在 feature/auth 分支新增 OAuth 登入，寫 unit test，
確保所有 CI 通過，然後開 PR」
Codex：（在雲端跑幾分鐘）
→ 完成，PR 已開好：github.com/yourrepo/pull/42
- 非同步執行，你離開也沒關係
- 可以並行跑多個任務
- 適合：明確定義的功能任務，不需要即時互動
選擇建議 #
你主要用 VS Code / JetBrains？
├─ 是 → 先試 Copilot（最無痛整合）
│ 進階：切換到 Cursor（體驗更好）
└─ 否（習慣 terminal）→ Claude Code
任務是否明確、可自動化？
├─ 是 → Codex（非同步執行，解放你的時間）
└─ 否（需要來回確認）→ Claude Code 或 Cursor
費用概覽（2026 年） #
| 工具 | 計費方式 | 備註 |
|---|---|---|
| Copilot | $10/月（個人） | 企業版 $19/月 |
| Cursor | $20/月（Pro） | 有免費版，有使用上限 |
| Claude Code | 按 token，無固定月費 | 用量越大越貴 |
| Codex | 按任務計費 | 定價尚未完全公開 |
💡 延伸問題 #
Q1：這些工具最大的差異是什麼？ #
控制權 vs 自動化的取捨。Copilot 你完全掌控，Codex 幾乎全自動。你越信任 AI 的輸出、任務越清楚，就越適合往自動化那端走。
Q2：Claude Code 和 Cursor 可以同時用嗎？ #
可以。很多開發者用 Cursor 做日常編輯，遇到需要 shell 操作或多步驟任務時切到 Claude Code。
Q3：本地 LLM（Ollama + Llama）能做到一樣的事嗎？ #
效果差距仍然顯著。本地 7B-70B 模型在 code 生成和多步驟推理上遠不如 GPT-4o 或 Claude 3.5。適合隱私要求高、用量大但任務簡單的場景。