编码类工具：从云端到本地的选择与权衡

作者首先将AI工具划分为四大类别，其中编码类工具被视为“项目工程师”，适用于从零构建网站、修改现有代码结构或编写解决特定问题的脚本。该类别的代表性工具包括Claude Code、Codex、Zcode和KMCode，但它们在可用性上存在显著差异。Claude Code虽然能力强劲，但对大陆用户极不友好，面临严重的封号风险且无退款机制。作者明确表示不建议使用Claude Code，因为处理账号不确定性所消耗的能量远超其带来的收益。相比之下，Codex是作者使用频率最高的工具，只要能够稳定联网并充值账号，其体验便非常便捷。Codex目前因市场竞争激烈而频繁促销，性价比极高，适合用于单场景问题解决或项目开发。

“Claude Code...特别不友好大陆用户，封号严重。目前没有任何办法完全避免封号，真的是看运气。”

若更看重国内网络访问的稳定性，Zcode和KMCode是不错的替代方案。Zcode由智谱发布，定位为“迷你版Codex”的桌面端工具，其操作体验与Codex基本一致。而KMCode由月之暗面（Moonshot）推出，早期仅支持CLI或VS Code插件形式，现已发布桌面版。作者认为KMCode在视频理解能力以及针对中文语境（如小说创作）的提示词编写方面表现卓越，上下文管理也极为出色。然而，KMCode最大的短板在于高昂的成本与极快的额度消耗。作者曾购买199元的年度会员，但发现5小时的配额往往在半小时内即可耗尽。KMCode除了贵之外没有其他缺点，但对于需要长时间运行的任务而言，其性价比并不理想。

自定义类工具：开源生态与灵活性的代价

第二类工具为可定制化类型，其核心特征是支持用户根据自身需求进行修改和扩展。这类工具通常基于开源项目构建，允许开发者像搭积木一样组合模块，打造符合个人工作流的专属AI工具。然而，自由度伴随着高昂的学习成本。用户需要投入大量时间研究如何搭建、调试以及在出现问题时进行修复，因此这类工具更适合愿意动手折腾的技术爱好者。

在开源生态中，DeepSeer是一个值得高度推荐的项目。它已开源一段时间，拥有良好的生态系统，并推出了预配置常用工具的桌面版版本。DeepSeer被认为是国内同类工具中表现最佳的选择，作者对其未来发展持乐观态度。另一款轻量级且极简的工具是PyAgent。其显著优势在于Token效率极高，并提供SDK扩展及工具嵌入功能。但在插件丰富度和生态扩张速度上，PyAgent不及DeepSeer。对于大多数普通用户而言，DeepSeer是比PyAgent更合适的选择，因为它提供了更全面的功能支持和更快的生态迭代。

助手类工具：长期记忆与自动化执行的双轨策略

第三类工具定位为个人助理或秘书。作者根据使用场景将其细分为两个方向：一是侧重于长期关联与记忆积累，二是专注于任务执行与工作流调度。在长期助理方面，作者推崇具备强大记忆功能的工具（如提及的HM系列）。这类工具能够记录用户的项目进度、过往操作步骤及常规偏好设置。通过长期积累，AI能比用户更了解其电脑环境和习惯，例如当用户忘记文件位置时，直接询问即可获取精准指引。这种协作方式随着使用时间的增加而愈发顺畅，已验证的方法和习惯可被直接复用。

“我目前的HMIS工具比我自己更了解我的电脑。如果我记不住东西在哪，直接问它就能找到。”

在执行助理方面，作者以“小龙虾”（OpenCrowd/OpenFlow）为例，强调其连接性与调度能力。这类工具能够管理任务分发、模型选择及结果输出路径，特别适用于固定步骤的小规模重复性任务。用户可以设定定时数据采集、整理并发送至指定位置的工作流。然而，这类工具的处理质量和结果优劣完全取决于所集成的模型、工具以及用户建立的工作流质量。它并非全自动的“黑盒”，而是需要用户通过逐步优化工作流来提升最终效果。

闭源办公AI的定位与局限

视频将腾讯文档、钉钉等大厂集成工具归类为“办公室类型”，这类产品主要面向日常办公任务，如整理文档、分析表格、制作PPT或撰写报告。其核心特征是将常用工具和执行工作流预先整合在一个产品中，用户无需研究框架搭建或流程构建，只需发送数据并下达指令即可。尽管这些功能理论上可以通过前文提到的Agent工具自建实现，但大厂生态拥有不可替代的权限优势。然而，作者强烈建议初学者仅将其作为入门体验工具。对于希望长期投入并构建专属Agent的用户，作者认为应追求更高质量的工具选择。这类闭源工具存在显著弊端：模型集成与定价完全取决于厂商意愿，用户缺乏自主权。此外，由于国内开发仍处于追赶阶段，即便使用如DeepSeek R1等较强模型，其实际体验与顶尖Agent工具相比仍存在明显差距。用户往往因促销期的积分福利而使用，但长期来看资金投入后无法获得真正的掌控力。

模型选择困境：Codex的高昂成本与更强能力

在探讨AI Agent工具的选择时，作者首先直面了当前市场中的一个矛盾现象。尽管从纯粹的价格维度来看，选择国内模型原本是基于性价比的考量，但在实际使用体验中，这一逻辑正在发生剧烈反转。作者指出，Codex在模型能力上远强于国内同类产品，这种核心能力的巨大差距使得单纯的价格比较变得不再具有决定性意义。然而，现实情况是，Codex的使用量级是国内模型的数倍之多，且随着近期策略的调整，其费用变得“更加离谱”。这种高昂的使用成本与极高的使用频率并存的现状，构成了当前开发者面临的主要痛点。作者坦言，尽管价格令人咋舌，但Codex依然是目前最具性价比的选择。这种看似荒谬的结论背后，反映的是用户对工具实际效能与最终产出价值的深度权衡。当工具的模型能力成为关键瓶颈时，用户不得不为更强的智能支付溢价。

对国产工具的期待：拒绝“价高质低”的恶性循环

面对Codex在成本与体验上的双重挤压，作者表达了对国产AI工具发展的深切忧虑。目前的局面是，国内产品在提升价格的同时，产品体验和技术能力却未能同步跟进。这种“涨价但服务滞后”的策略被作者形容为一种令人失望的市场行为。作者呼吁国内品牌能够正视这一差距，不要仅仅停留在价格战或简单的成本转嫁上，而应真正致力于提升产品核心竞争力与用户体验。只有当国产工具在功能、稳定性和智能程度上达到或超越国际主流水平时，用户才会重新考虑价格因素。作者希望看到的是技术实力的实质性突破，而非商业策略上的短视行为。这种呼吁不仅是对现有市场格局的批评，更是对未来行业健康发展的期许。国产工具亟需摆脱“廉价但低效”的刻板印象，通过真正的创新来赢得用户的信任与选择。

后续内容预告：基于真实场景的案例深度解析

在结束对当前市场现状的讨论后，作者为接下来的内容进行了铺垫。他表示今天的分享主要聚焦于工具选择的宏观视角与成本分析，而具体的落地应用细节将在后续内容中展开。作者计划基于自己真实的业务场景和使用经验，分享一系列具体的案例研究。这些案例将涵盖不同工具在实际工作流中的应用效果、遇到的挑战以及最终的解决方案。通过还原真实的使用情境，作者希望与观众共同探讨如何根据具体需求最优地配置和使用各类AI Agent工具。这种从宏观选型到微观实操的过渡，旨在为读者提供更具操作性的指导。后续内容将深入探讨工具组合的最佳实践，帮助观众在复杂的工具生态中找到适合自己的路径。作者邀请大家通过评论或加入群组参与讨论，共同探索AI工具在实际场景中的最佳用法。

结论

编码类工具中，Codex凭借远超国内竞品的模型能力成为首选，尽管其使用成本高昂且频率极高；Claude Code因封号风险被明确劝退。若追求国内网络稳定，Zcode和KMCode可作为替代方案，但后者存在额度消耗过快的问题。自定义类工具中，DeepSeer凭借完善的生态和桌面版体验优于PyAgent，更适合大多数用户。助手类工具需根据需求区分：侧重长期记忆与习惯积累的HM系列，以及专注任务调度的执行类工具。闭源办公AI虽便捷但缺乏掌控力，仅建议初学者体验。

当前市场核心矛盾在于国产工具“涨价但质未提升”，导致用户被迫为Codex的高效能支付溢价。作者呼吁国产厂商通过技术突破摆脱低效刻板印象，而非仅靠价格战或成本转嫁。最终选型应基于实际效能权衡：若模型能力是瓶颈，高成本的Codex仍具性价比；否则应优先考虑生态完善、体验稳定的国产开源方案。