浅谈调试 Cursor 与 Claude Code

发表于最近更新于最近

作者 Neo

12~16 分钟 阅读

前言

Cursor 和 Claude Code 这两个工具在AI圈子里讨论得热火朝天，我也打算在本地上手实战演练一下。

本地部署完并调试使用过后，感觉这两工具没有想象中那么强大，Cursor还需要自己去手动粘贴，他不具备直接修改操作文件的权限，而Claude消费token惊人，在项目搭建脚手架和重点问题可以用一下，平时基本不会用它。但是，作为AI大模型技术架构师或当今开发者，这两工具掌握一下还是有必要的。

一、 Cursor：精准页面切入辅助工程师

我在使用Cursor的时候，有种AOP的感觉，可以在当前文件，选中部分代码进行大模型分析并帮你完善代码。他的代码自动补全也很棒，在处理简单的逻辑拆解，补全代码和不算复杂的任务时，表现很惊艳，确实可以大幅度提升开发效率。

Cursor 本质上是基于 VS Code 深度定制的一个分支，把 AI 交互能力无缝嵌入到了编辑器内部。界面熟悉、操作流畅，开箱即用的体验确实不错。

但它的问题出在极其霸道的收费策略上。

新版的 Cursor 规定：免费用户不允许接入第三方模型，即使是你自己去官方申请的模型密钥也不行，必须付费升级。Pro 版每月 20 美元，对于日常开发来说性价比极低。

更关键的是——我想用 DeepSeek API。我在 DeepSeek 的官方接口平台申请了KEY并且充值了一些费用，DeepSeek 的API 调用费用虽然涨价了，但是还是比较便宜。

如果无法接入DeepSeek，那么只能选择替代方案，使用VS Code的第三方插件，来实现类似Cursor的功能。

替代方案：Continue

Continue 是一个开源的 AI 编程助手插件，同时支持 VS Code 和 JetBrains 全家桶。它不绑定任何模型，你可以自由接入 Claude、GPT、DeepSeek，甚至本地用 Ollama 部署的模型，插件本身完全开源免费。

配置方式非常简单，接入 DeepSeek 过程：

在 VS Code 扩展商店搜索 Continue 并安装。
打开配置文件 ~/.continue/config.yaml。
在 models 和 tabAutocompleteModel 中加入配置：

YAML

name: Main Config
version: 1.0.0
schema: v1
models:
  - name: "DeepSeek V4 Flash"
    provider: deepseek
    model: deepseek-chat
    apiKey: "你的DeepSeek API Key"
    apiBase: "https://api.deepseek.com/beta"

tabAutocompleteModel:
  name: "DeepSeek V4 Flash"
  provider: deepseek
  model: deepseek-chat
  apiKey: "你的DeepSeek API Key"
  apiBase: "https://api.deepseek.com/beta"

formatting:
  formatOnAccept: false

对于打算降低开发费用的个人开发者来说，VS Code+Continue + DeepSeek API 是最好的配置选择。如果是团队开发或企业公司要用到，那可以直接每月20美元，直接使用Cursor，确实可以大幅提升开放效率，毕竟80%的工作都是简单可重复的。

二、 Claude Code：极其消耗Token的架构师

如果说 Cursor 只是个 IDE 级别的助手，那 Claude Code 则是 Anthropic 推出的一款终端级 AI 编程代理（CLI Agent）。它跟 Copilot 完全是两回事——它不是单纯的补全插件，而是一个命令行原生的 AI 编程代理。

简单说，用 Copilot 像是带了个打字快的助手；而用 Claude Code，更像是雇了个能独立翻文件、读代码、改项目的初级开发者。

安装与国内环境避坑

安装本身很直接，终端执行：

Bash

npm install -g @anthropic-ai/claude-code

但国内使用有网络和账号的双重拦截。Anthropic 官方服务不对国内开放，直连必报 403。常规的解决思路是通过环境变量将请求路由到兼容 Anthropic 协议的中转或代理服务上：

Bash

set ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
set ANTHROPIC_AUTH_TOKEN=你的DeepSeek API Key
set ANTHROPIC_MODEL=deepseek-v4-flash

另外，需要在本地的用户配置（如 C:\Users\用户名\.claude.json）中手动写入：

JSON

{
  "hasCompletedOnboarding": true
}

通过跳过初始化引导，绕过启动时的地区属性校验。

实测体验：62 万 Token 换 200 行代码

配置完成后，我针对项目里的模块做了一次实测。我让它基于现有的 weather_tool.py 结构，扩展生成一个 web_search_tool.py（实时新闻检索工具）。任务并不复杂：参考现有工具代码，写一个结构对齐的新模块。

最终跑出来的统计账单如下：

消耗 Token：622,216 Token
消费金额：约 0.56 元
实际产出：约 200 行有效代码

62 万 Token 换 200 行代码。

这个数字意味着什么？如果我们要用它去跑一个中大型的 Multi-Agent 项目（数万行代码、数十个文件交互），按这个上下文检索和反复吐出的消耗比例，10 块钱的充值卡大概也就够给项目起个头。

更关键的是：这个活我自己写也就 10-15 分钟。

让 AI 全自动干，花了 5 毛钱，省了 10 分钟打字时间。算一笔账：对于一个高级的架构师开发者来说，单次投入产出比勉强能看。但问题在于：

这不是常态。如果每天跑十几个这种小任务，一个月光 Token 账单就非常惊人。
缺乏设计深度。它并没有帮我“设计”出更优雅的架构，也没有帮我“洞察”到我没想到的边界异常。它只是替我做好了文件翻阅和打字的工作。

DeepSeek消耗：

工作成果：

三、整理

我目前的感受：

把核心架构需求、数据结构或 Prompt 扔给 DeepSeek或其他大模型；
在线大模型可以处理大多数的问题，如果碰到复杂问题可以来回切换大模型调试；
起脚手架或整体项目遇到比较复杂的逻辑问题了，可以借助ClaudeCode；
处理体力活，在单页面进行优化和批量处理简单逻辑工作，可以使用Cursor(或Continue)。

最后，由于我的Claude也是借助VSCode的插件使用的（确实比powershell方便），结合Continue，我感觉VSCode才是真神。

技术浪潮滚滚向前，各种新语言、新概念、新工具层出不穷。快速学习并了解和使用新技术，是我们这一代技术人不被浪潮淹没的唯一选择。

许可协议: CC BY 4.0

前言