开发者必备的"饭碗":大模型应用开发工具链全景图
开发者必备的"饭碗":大模型应用开发工具链全景图 大家好,我是极客老墨。 前几篇讲完了大模型的工作逻辑、Token、上下文和 API 参数。到这里,已经不能只停留在“会调接口”了。真正做项目时,问题会很快变成另一组: 代码应该让 AI 在 IDE 里补,还是交给终端 Agent 改? 一个功能要不要让 Codex 或 Claude Code 自己开分支、跑测试、提 PR? DeepSeek 便宜,但工具链怎么接?有没有 Claude Code 之外的选择? Prompt 改了以后,怎么知道不是“感觉变好了”? Agent 能跑命令、改文件、连 MCP,权限边界怎么收住? 这就是工具链的价值。 2024 年以前,很多人说“AI 编程工具”,其实是在说补全插件。2025 年以后,重点明显变了:Coding Agent 开始进入真实工程流程。它不只是补一行代码,而是能读仓库、改文件、跑命令、看测试、解释 diff,甚至在云端并行处理多个任务。 所以这篇不再按“工具排行榜”写。更实用的方式,是按一条大模型应用开发流水线来拆:模型底座、编码 Agent、Agent 应用框架、本地调试、评测观测、Go 生态,以及上线前的权限和成本控制。 本文按 2026-06-19 可查到的公开资料整理。AI 工具更新很快,具体模型名、价格、可用地区和安装方式,以官方文档为准。 一、模型 API 平台:先把底座选稳 大模型应用的底座还是 API。工具再花哨,最后都要回到三件事:能力、成本、稳定性。 1. DeepSeek:低成本长上下文,适合大量工程试错 DeepSeek 当前官方模型表里,主模型是 deepseek-v4-flash 和 deepseek-v4-pro。官方文档显示二者都支持 1M context、JSON Output、Tool Calls 和 Thinking Mode,OpenAI 格式 base URL 是 https://api.deepseek.com,同时也提供 Anthropic 格式入口。 ...