大家好，我是二哥呀。

像 Claude，不仅有网页版，还有 Claude APP，以及 Claude Code，他们之间到底有什么区别，和 Agent 有什么关系，和 CLI 又有什么关系呢？

今天就来给大家详细的盘点一下，搞清楚，装比的时候咱也有底气😄。

系好安全带，我们粗粗粗粗发～

我画了一张图，大家瞅一眼就能知道个大概。

就能理解为什么同一个 Claude，在不同地方用起来体验差距会这么大。

最底层是模型层。Opus 4.7、Sonnet 4.6、DeepSeek V4、GLM-5.1、GPT-5.5，这些都是模型。

模型就是发动机，决定了这辆车的马力上限。Opus 4.7 是 V12 双涡轮，Sonnet 4.6 是四缸，下限差不多，但上限完全不同。

中间是 Harness。2026 年 2 月，OpenAI 的 Ryan Lopopolo 给过这么一个定义：Agent = Model + Harness。

Harness 包括 tool call、context 管理、权限系统、Memory、ReAct 等等，决定了模型的能力能发挥出几成。

我最近就在肝一个项目，名叫 PaiCLI，目前已经实现的功能包括以下这些，还是非常经典的一个 Agent 项目，大家可以期待一下最终的交付效果。

最上层是外壳，也就是我们平时接触到的 GUI。

Claude Code、Claude 桌面版、Qoder、IntelliJ IDEA 的各种 AI 插件等等，这些都是外壳。

外壳决定了我们和 AI 交互的方式，对用户友不友好，能不能让模型发挥出他该有的价值。

在 Claude 网页版，用的是 Opus 模型 + 网页版的 Harness + 浏览器外壳。在终端里用 Claude Code，用的是同一个 Opus 模型 + Claude Code 的 Harness + 命令行外壳。

拉开差距的正是工具对 Harness 的封装。

01、CLI 到底是个啥？

CLI 全称 Command Line Interface，命令行界面。

打开 macOS 的终端，输入 ls 查看文件列表，输入 git commit 提交代码，这些都是在用 CLI。

和它对应的概念是 GUI（Graphical User Interface），就是有按钮、有窗口、能用鼠标点的图形界面。

Claude Code 就是一个 CLI 工具。

在终端里输入 claude，它就启动了。没有花里胡哨的界面，就是一个命令行窗口。

为什么要用 CLI 而不用好看的 GUI？

因为 Agent 这个场景天然适合命令行。

代码文件本身就是纯文本，终端可以直接读写。

让 AI 直接在终端里干活，省去了“复制代码 → 粘贴到编辑器 → 运行 → 看报错 → 再复制回去问 AI”来回折腾的过程。

Claude Code 能直接读项目目录，能直接改文件，能直接跑测试命令，能直接看报错日志。

整个工作流在一个窗口里，这就是 CLI 的优势。

而且 CLI 还有一个容易被忽略的好处——省 token。因为 GUI 需要渲染大量界面信息，这些信息对 AI 来说都市无效燥音。

当然了，CLI 也不是万能的。

如果要做前端页面调试、看 UI 效果，纯命令行确实不太方便。所以现在主流的做法是混合使用，我会用Claude Code编码，然后调用Chrome Devtools MCP 做自动化测试。

02、模型是基本功

模型是一切的起点。

没有好的模型，Harness 做得再好也白搭——你不能指望一台拖拉机的发动机装到法拉利就能跑出飞一般的感觉。

Claude Opus 4.7 和 GPT-5.5 就是目前最屌的模型层，能力方面确实没得说。

我日常开发的第一梯队就是他俩，谁的剩余额度多就先用谁的，谁出bug了解决不了，就切到另外一个去搞定。

基本上没有遇到迈不过去的坎。

虽然都在说Opus 4.7 在降智，但我觉得编程方向没什么问题，就是文本方面不说人话了。

第二梯队，我认为就是GLM-5.1、DeepSeek V4和Kimi 2.6，GLM-5.1 我是max 套餐，所以画图、派聪明RAG、PaiCLI等项目我都接的 GLM-5.1，不够用了，再切到其他两个选项。

03、Harness 是胜负手

同一个模型，在不同的 Harness 框架里，表现天差地别。

就比如说，把 DeepSeek V4 接到我的PaiCLI，他发挥出来的功力可能就是一成，因为PaiCLI不算是生产级别的工具，和Claude Code这种没法比。

如果你感觉自己的模型降智了，很可能是上下文污染了，或者你用的工具和模型不适配。

为什么？

第一，Agent Loop。

Claude Code 的 Agentic Loop 我研究过源码，它每一轮循环都会做三件事：gather context（收集上下文）→ take action（采取动作）→ verify work（验证结果）。

这三件事在 Claude 官方的工程博客里被反复强调，是所有 Agent 设计的骨架。

第二，Tool System。

Tool System 的作用，就是把模型的文字输出翻译成可执行的动作。

读文件、写文件、跑命令、查数据库、调外部 API，全都得通过工具。Claude Code 有一个非常巧妙的设计哲学——少而精的工具，原子组合。

它的内置工具不多，就那十几个（Read、Write、Edit、Bash、Grep、Glob 等等），但组合起来能解决绝大部分开发任务。

第三，context 管理。Claude Code 的一次会话可能会累积大量的上下文——读了哪些文件、跑了哪些命令、grep 了哪些结果、diff 了哪些代码。

当上下文快撑爆的时候，Harness 会自动压缩——保留当前任务、最近的报错、文件名这些关键信息，丢掉中间过程的细节。

之前有小伙伴跟我抱怨 GLM-5.1 在编程方面效果很差，一问用的什么工具，是 OpenCode。

我不是说 OpenCode 不好，但同样的底层模型，Harness 做得好不好，体验差距确实很大。

Claude Code 本身是免费的，可以接入各种大模型，能把本身模型的能力拉到满中满。

我自己就做了一个PaiSwitch，底层模型切换比 CC switch 好用。因为本质上很简单，就是改一下URL，改一下API key。

04、Agent 是什么意思？

说实话，Agent 这个词有点被用烂了。

在 AI 编程的语境里，Agent 指的是能自主决策和执行任务的 AI 系统。

注意关键词是“自主”，不是你问一句它答一句的问答模式，而是你给它一个目标，它自己能拆解任务、自己选工具、自己执行、自己验证结果。

就比如说 PaiCLI 可以针对你的问题进行规划，拆解。

传统的 AI 聊天是这样的：你问“这段代码有什么 bug”，它告诉你“第 15 行的变量没有初始化”。完了。

它只负责回答，不负责动手。

Agent 模式是这样的：你说“这段代码有什么 bug”，它会先读相关的代码文件，理解项目结构，定位 bug 位置，写出修复代码，跑测试验证，如果测试没过再回去改，直到修好为止。

整个过程你可以不参与。

Claude Code 就是一个典型的 Agent。你在终端里给它下达任务，它会自己规划步骤、调用工具（读文件、写文件、跑命令）、根据反馈调整策略。你能看到它在做什么，觉得不对可以随时喊停，但大多数时候它能自己搞定。

就比如说 Claude Code 能用时 13 分钟来完成第九期联网功能的开发，并自己测试，然后给出下一步的建议。

Agent = Model + Harness。

Model 是大脑，提供理解和推理能力。

Harness 是身体和工具，提供感知环境和执行动作的能力。

两者合在一起，才构成一个完整的 Agent。

所以当有人说“我用 Claude Code 写代码”的时候，他实际上是在用一个由 Opus 模型驱动、Claude Code Harness 武装起来的 Agent 在干活。

05、当下主流 AI 编程工具对比

Claude Code：Anthropic 官方出品的终端 Agent。

底层模型是 Opus/Sonnet（当然也可以接DeepSeek V4和GLM-5.1、Kimi 2.6），Harness 做得非常扎实（前面详细讲过了），外壳是 CLI。

Agent 能力最完整、上下文窗口最大（1M）、token 效率最高。

目前是我的主力编程工具。

Codex：OpenAI 的 super APP，我的第二主力编程工具，最牛逼的是能 computer use、浏览器 use，量大管饱。

Qoder/Qoder CLI：阿里系的产品，底层模型据说有一些是Claude Opus，我会在 Claude 额度不够的时候启用。

专家团是目前我用的最多的场景。

IntelliJ IDEA，我现在也是基本上每天必开，毕竟是个后端，这玩意看代码目前没办法被取代，吊打任何一款 AI IDE，比如说 Cursor。

有很多种方法可以接入 Codex、Claude Code，比如说 CC GUI，比如说 IntelliJ IDEA 原生的 AI 助手，再比如说其他各种插件，如 Qoder。

Cursor：AI 原生 IDE，我已经弃用了。

以上这些，至少必须拥有一个。

这些玩意是真的挺烧钱的，还有很多小伙伴在蹭免费额度，但不管怎么样，必须得用上一个，别天天喊给大模型公司打工。

现阶段，你不拥抱AI，差距只会越拉越大，时代变了。

别头铁。

06、我自已的 CLI 实践

最近我在从 0 到 1 写一个 CLI 工具。

底层模型可以切换 GLM-5.1 和 DeepSeek V4。

目前已经实现了 ReAct + Tool Call、Plan-and-Execute、Memory、RAG、Multi-Agent、Human-in-the-Loop、并发、多模型适配这些基础能力。

今天打算实现 Web search 和 web fetch。

为什么要自己造？

因为用了大半年的 Claude Code，我越来越清楚 Harness 这一层有多重要，也越来越想理解它到底是怎么工作的。最好的学习方式就是自己造一个。

哈哈哈，装比下。

其实就是想给大家提供一个 Agent 的实战项目。

代码也是完全开源的：https://github.com/itwanger/paicli

需要的小伙伴，可以一起学习啊。

ending

CLI、Agent、Opus、Harness，这四个词看起来像在说四件事，其实在说同一件事的四个维度。

CLI 是你和 AI 对话的方式，

Opus 是 AI 的大脑，

Harness 是 AI 的工程化实践，让AI发挥最大能力，让AI被你所用，

Agent 是它们三个合在一起之后的产物。

【工具的价值不在于它有多强，而在于它到底有没有帮助到你，有没有提升你的生产力。】

我们要做的，就是理解它，明白这些概念、原理和底层；也只有这样，我们才能不被拉开差距，才能脱颖而出。

毕竟 AI 放大了我们的边界能力。

一个不懂操作系统页面置换原理的人，也能 Coding 出一个牛奔的产品。

记住这句话，宁可盲目的自信，也不要妄自菲薄。

冲吧。