作者 ｜ 董道力邮箱 ｜ dongdaoli@pingwest.com

9 月 4 日，Anthropic 在其官网上发布公告，明确其服务条款将强化区域性限制：任何“由被限制地区（如中国）控制”51%以上所有权的公司，不论其注册地在哪，都将被禁止使用其服务。

这也是美国 AI 公司首次对中国相关企业采用如此直接、全面的限制措施，在行业中算是前所未见的。

细数 Anthropic 的产品，在基础模型层面，中国的大模型阵营并没有掉队——无论是 DeepSeek 在推理效率上的尝试，还是 Kimi、Qwen 在中文语境里的表现，都已经在部分指标上逼近甚至超越了国际一线。

但有一个方向，我们不得不承认差距仍然巨大，那就是Claude Code。

自 2023 年起 Cursor 出现，把 VS Code 和大模型深度融合。无数开发者第一次体验到“结对编程”的感觉：输入注释就能得到函数实现，问一句命令就能自动完成复杂配置。那时的舆论一度认为，AI 编程的未来答案已经尘埃落定：AI IDE。

然而，2025 年 Claude Code 的发布，打破了这种唯一解的叙事，而且彻底换了一个思路——编程 Agent。用户只需要描述目标，Claude Code 就能生成架构、产出代码、自动运行测试，甚至自行修复错误。

Claude Code 不是帮你写，而是替你做。它不是来改善你的编程体验，而是试图接管整个过程。

而且 Claude Code 和 Devin 那些叫好不叫座的项目不同，它不是“实验品”。在推出后的短短几个月里，Claude Code 活跃用户数暴涨三倍，营收扩大了 5.5 倍以上。最新数据显示，它拥有超过 11.5 万名开发者用户，每周处理近两亿行代码，年化收入约达 5 亿美元。

换句话说，美国在编程 Agent 的领先已经不只是技术层面的，而是商业化与生态层面的全面领先。这是今天在国别竞争视角下，最该“警惕”的。

如今的世界是建立在代码上，而 Claude Code 代表的，可能就是下一个开发范式。对我们来说，它不仅值得研究，更值得追问：在被切断使用权之后，中国公司们要如何走出自己的路？

1

Claude Code 和 Cursor 有什么不同？

对很多初次接触的用户来说，Claude Code 和 Cursor 好像差不多：都能用自然语言写代码，也能执行终端命令。Cursor 甚至也宣称自己有 Agent 模式。

但经过反复使用后，差别会变得越来越明显。

Cursor 仍然是 IDE 的延伸。而 Claude Code 则试图跳出 IDE，把自己放在工作流的中枢。这就是为什么，在行业里Claude Code 被看作 Devin、AutoDev 这一类“端到端 AI 工程师”的轻量化实现，而不是另一个 IDE 插件（虽然它也能通过终端形式接入 IDE）。

借用一位程序员老哥在 Reddit 上的评论：“Cursor feels like pair programming, Claude Code feels like outsourcing.”前者仍然强调人与 AI 的协作体验，后者则更强调结果导向。

1

我们应该从 Claude Code 中学会什么？

Claude Code 的关键在于，它不是一个“写代码的模型”，而是一条完整的自动化流水线。

用户在终端里输入一个需求，它会先把需求拆解成一套计划，然后一步步调用工具去落地：写文件、运行命令、安装依赖、跑单元测试。

这种体验和 IDE 插件截然不同。Cursor 更像是给你多了一双手，帮你写快一点；Claude Code 则像是请来了一整个外包团队。

在架构上，它做了“角色重置”。交互界面只是表层，真正的核心是调度引擎和工具系统：前者负责把自然语言翻译成计划，后者负责和系统环境打交道。

它能直接读写文件、执行 Bash 命令、分析依赖，甚至通过 MCP 扩展加载第三方工具。统一接口让这些工具能像乐高一样拼装组合，从而完成复杂的链式任务。

图源：阿里云开发者

为了保证效率，Claude Code 还做了一套上下文管理机制。它不会粗暴地把整个项目塞进模型，而是缓存常用信息，按需加载相关文件，并在搜索结果过多时自动截断。这让它既能把握全局，又不会被无关细节拖累。

在细节上，Claude Code 还有不少小巧思：同一个请求会跑两次，用来判断模型是否犹豫不决。长对话会被自动压缩成摘要，避免上下文爆炸，简单任务则交给更轻量的 Haiku 模型，节省算力开销。而内置的 ripgrep 工具，让它能在大型代码库里实现毫秒级的搜索。

所有这些工程化的设计，汇聚到一起，才让 Claude Code 给人的感觉像是一个真正能带项目的高级工程师。

（以上内容参考阿里云开发者的文章：Claude Code 深度拆解：一个顶级AI编程工具的核心架构，以及 Github ShareAI-Lab项目：analysis_claude_code。）

对中国开发者而言，这正是需要正视的差距：不是我们缺少写代码的模型，而是我们缺少把模型变成流水线、再变成生态的能力。

1

Claude Code SDK：从工具到基础设施

如果说最初的 Claude Code 只是证明了“编程 Agent 可以跑通”，那么 SDK 的推出则彻底改变了它的角色。

CUDA 之于 GPU 的意义，在某种程度上可以类比 Claude Code SDK 之于编程 Agent。CUDA 让 GPU 从图形处理单元变成通用算力平台，而 SDK 则让 Claude Code 从一款工具，变成了别人可以依赖和扩展的底座。

在 SDK 发布之后，Claude Code 不再只是 Anthropic 内部维护的单体应用，而成为一个开放的系统。开发者能够基于它构建属于自己的 Agent。

过去你只能“使用 Claude Code”，而现在你可以“在 Claude Code 上开发”。

官方文档甚至明确列出了多个行业模板：SRE 故障诊断 Agent、安全审计 bot、值班工程助手、法律顾问、金融分析师、市场写作助手等。在 Python SDK 中，一个法律审查 Agent 的示例代码只需几十行就能搞定启动、查询、反馈流程，完全可嵌入日常脚本 。

社区开发者还做出了更具创意的扩展：一位开发者围绕 CLI SDK 写了一个 JavaScript wrapper，添加了 session.fork() 和 revert() 功能，支持多路径探索和会话版本管理 。

更引人注目的是，Medium 的一篇文章展示了完整从产品需求到部署的“AI 团队结构”，每个角色由 Claude Code Agent 执行，覆盖架构审核、任务拆分、模块开发、冲突协调——几乎是一个由 AI 驱动的开发部门 。

Devin、AutoDev 曾经展示过“端到端 AI 工程师”的未来想象，但没能从实验室走出来。而 Claude Code 则先通过轻量化形态完成市场验证，再通过 SDK 实现平台化。

中国如果不能在 SDK 与生态层面形成对等的产品，那么未来不仅会缺少一款工具，更可能缺少整个开发生态，重走国产芯片的老路。

1

高成本与国产机会

流水线的效率是真实的，但流水线烧的钱同样很真实。

尽管 Claude Code 展现了前所未有的自动化编程能力，但它背后的成本却并不低。尤其当项目复杂度提升时，Agent 模式会消耗大量 token。

据 Business Insider 报道，一位开发者以每月 200 美元订阅计划使用 Claude Code，却在几周内耗费了价值近 3.5 万美元的推理服务。Anthropic 为此在 2025 年 8 月起，引入每周使用上限制度，并在后台自动切换更便宜的模型，以控制开销。这一举动也被不少开发者吐槽 Claude Code 变笨了。

图源：Anthropic 访谈视频

这也说明，流水线模式的未来虽然真实，但在现有商业模式下，开发者未必承受得起。

而这，正是国产替代的机会所在。通过优化推理框架、适配国产算力芯片、降低 token 成本，我们完全有可能在成本效率上实现超车。

事实上，国内已经出现一些替代尝试：开发者用“Claude Code Router”将核心流程保留，却在推理环节换上 DeepSeek、Kimi 等国产模型，以此降低成本。阿里也推出了 Qwen Code，明确对标 Claude Code，探索流水线式编程 Agent 的国产路径。

代码的未来，不该永远依赖他人。真正的答案，必须写在我们自己的流水线上。

点个“爱心”，再走 吧