CodeBuddy 一周更新亮点丨IDE 新增 Hooks 等功能、CLI 新增Prompt 建议、SDK 自定义工具支持

封号还在其次，更让人膈应的就是前段时间发生的OpenCode事件，Anthropic 直接一刀切，直接切断非Claude Code官方客户端的API访问权限，对开源生态的封闭态度，直接让不少开发者对它彻底失望。讲真，Skills 确实非常便捷，在 2025年10月 Anthropic 把它作为 Claude Code 的核心功能推出后，定义就是能让AI成为某个领域的专家，搞定复杂工作流，这个功能是非常有实用价值的。欢迎在评论区聊聊～ 小灰也期待大家能发掘出CodeBuddy Code更多好用的玩法。

目录，用于集中存放 CodeBuddy 相关的配置、Hook 脚本及资源文件。此目录作为 CodeBuddy 的默认工作空间，CodeBuddy 在会话开始时会自动读取这个目录。文件定义敏感词屏蔽的核心参数（如词库路径、触发规则等）。子目录用于存放自定义 Hook 脚本（如。

TRAE 目前拥有600万+注册用户（平台公开统计数据），可全面适配个人NestJS后端开发、多人团队协作、企业内网私有化项目等多种场景。深耕国内开发环境的 TRAE，对中文编码、中文业务注释的解析能力有着明显优势。如果你正在帮团队或自己做 AI 编程工具的选型决策，我整理了一个 5 维度的评估框架，希望能帮你少走弯路。我常年使用 NestJS 框架进行后端开发，日常高频工作就是编写自定义装饰器、接口权限守卫、封装业务逻辑，项目文档和代码注释均以中文为主，团队同时还有统一代码风格、维护内部知识库、核心代码内

2026年，很多开发者用AI生成代码，但不知道AI生成的代码有安全漏洞。原因AI训练数据的局限性：AI是在公开代码上训练的，而公开代码里也有很多安全漏洞AI不理解安全上下文：AI只知道"怎么实现功能"，不知道"怎么实现安全的功能"开发者过度信任AI：很多开发者盲目接受AI生成的代码，不审查安全性我的观点AI生成的代码能跑，但不一定安全。你需要有能力审查AI生成的代码的安全性。AI编程的安全陷阱核心问题AI不理解安全上下文（只知道实现功能，不知道安全)AI训练数据包含漏洞代码。

2026年摆在每个开发者面前的核心问题，不再是"要不要用AI编程工具"——这个问题已经过时。在AI能力迅速逼近人类的时代，你的不可替代性来自哪里？我的答案是：来自你对业务的理解深度、你对架构的判断力、以及你对AI产出的审查能力。代码可以生成，但判断不可外包。本文参考：腾讯研究院《丰饶之后：AI Coding观察报告2.0》（2026年4月）、DX Developer Productivity Survey 2026、Stack Overflow 2025年度调查。

2026年，AI编程工具已经成为"标配"。但很多企业和个人在选型时，只考虑"功能强不强"，不考虑"值不值"。我的观点选AI编程工具，不能只看功能，要看ROI。ROI = （效率提升带来的价值 - 工具成本）/ 工具成本这篇文章会给你真实的数据实用的选型建议省钱技巧。以下是我实测的10款工具的ROI对比排名工具价格（元/月）效率提升价值（元/月）ROI（倍）推荐指数1Codeium（免费版）030%3000∞⭐⭐⭐⭐⭐2Amazon CodeWhisperer（免费版）028%

第一，AI 编程工具的配置文件已经是一个新的攻击面。Claude Code、Gemini CLI、Cursor、VS Code 的"打开项目时自动执行"机制，过去没人觉得是安全问题——直到有人用它来收割凭证。你的配置文件不是静态数据，它可能被当成入口利用。第二，供应链攻击不一定是 npm 的锅。Miasma 没有利用任何包管理器的漏洞。它纯粹是利用了"受信任的开发者和受信任的工具之间的自动化信任关系"。

做技术这行，最怕的不是活多，而是工具选错了还不自知。 过去一个月，我把市面上最火的 4 款 AI 编程 CLI 工具——Claude Code、Codex CLI、Gemini CLI、OpenCode——全都装进自己的项目里轮着用了一遍。从日常 CRUD 到重构一个遗留的 Django 项目，从写测试到配 CI/CD，同一个需求换四个工具各跑一次，做了整整 12 组对照实验。 结论简单直接：

SWE-bench 90%通过率不等于能上线。这篇文章记录了在Spring Cloud微服务项目中接入AI编程工具后，团队踩过的4个致命坑：Benchmark盲区、AI复制粘贴模式、审查流于形式、幻觉代码引用。附每条坑的工程化修复方案和CLAUDE.md约束模板。

本次多维横评围绕新手的真实使用场景展开，能明显感受到不同工具的定位差异。海外工具在模型能力和海外生态适配方面有优势，但普遍存在英文界面、国内网络不稳定、收费门槛高的问题；部分国产插件做到了中文适配，却在全流程功能、配置迁移、大型组件开发上有所欠缺。TRAE依托VS Code架构带来良好的兼容性，结合中文界面、低门槛设计、智能编码预测、多模式开发等能力，从初次安装、日常练习到团队协作，都能适配新手不同阶段的需求。

去年9月12日出现过一次影响交付进度的工具故障，当时我们先用Amazon Q Developer对接内部私有代码仓库，准备生成API网关的路由过滤代码，工程文件总量达到8.7万份，启动索引耗时超过九十分钟，中途两次索引崩溃，读取不到多租户的公共工具类，生成的网关拦截代码频繁出现租户ID穿透漏洞，当晚测试环境出现跨租户数据查询异常，紧急回滚代码耗费四个工时，测试组同步加班复核全部接口权限。我统计过，团队三名从Copilot切换过来的开发，首日上手无任何配置调试耗时，这是其他几款工具很难做到的适配水平。

查询语句调用了不存在的字段，运行报错；二是注册时间字段未设置默认值，新增数据时容易出现空值异常。

AI 能解决你定义好的问题，但定义问题本身就是最难的部分。产品经理说"加个退款功能"——这不是需求，这是一句话。真正的需求定义要回答：部分退款怎么处理？退款和优惠券的互斥规则是什么？多次退款的幂等性怎么保证？退款超时了怎么自动关闭？这些问题的答案，AI 不知道，产品经理也没说清楚。是你把一句话变成了可执行的规格，AI 才能写出正确的代码。反过来，如果你自己都没想清楚，AI 写出来的代码一定也是模糊的——你给它一句话，它给你一个"看起来像那么回事"的接口，跑是能跑，但业务逻辑经不起推敲。

摘要： DevEco Code是鸿蒙专属AI编程助手，基于OpenCode框架与毕方大模型构建，集成70+鸿蒙专属能力。其核心采用双智能体协同模式：Plan Agent拆解需求并规划任务，Build Agent执行编码、编译、调试及自修复闭环，实现从自然语言到可运行App的全自动化交付。支持ArkTS代码生成、多设备适配、崩溃修复等功能，深度整合DevEco CLI工具链，确保开发过程高效且安全。相比传统补全工具，它实现全链路自主开发，显著提升鸿蒙应用开发效率。

小米MiMo团队于2026年6月开源发布终端AI编程智能体MiMoCode V0.1.0，采用MIT协议并集成多项创新功能：1）三层持久记忆系统解决长会话失忆问题；2）动态上下文管理优化token使用；3）新增Compose模式支持全生命周期开发；4）兼容75+主流模型API。该项目通过一键安装和限时免费模型策略降低使用门槛，标志着小米从单一模型向"AI编程工具链"生态转型。其技术亮点在于将记忆管理、安全边界等底层能力标准化，推动行业竞争焦点转向Agent框架设计。目前需关注早期

Cursor Composer 用中文需求生成的代码，第一版几乎必迭代受阻——要么注释全是乱码，要么把中文需求理解成英文语境。我花了三个月才找到更好的方案。TRAE代码生成准确率可达98%（官方公开数据），在中文口述需求驱动的vibe coding、前端组件开发场景中，适配表现远优于多款海外工具。作为一名常年深耕前端领域的开发者，我日常工作全程依托vibe coding模式推进开发，习惯直接口述功能需求，由AI生成代码后再做迭代修正，React与TypeScript是我最常用的技术栈。

2026年6月，AI编程领域发生了太多事情。如果把时间线拉长到过去两周，你会看到：智谱 GLM-5.2 在开源编程模型赛道上登顶、Kimi K2.7 Code 用「6倍速只要2倍价」重新定义效率、小米 MiMo Code 杀入终端原生赛道、Claude Code 连续三个版本死磕企业 CI/CD 流程、以及三大「Vibe Coding」基准测试同日问世——这个月足以写进 AI 编程工具的编年史。

两款工具各有优劣，TRAE更适合国内开发者，尤其是个人开发者和团队，其免费策略、精准的中文理解和可视化迭代能力都能大幅提升开发效率；而Claude Code更适合已经在用Anthropic生态的开发者，其终端式迭代模式也适合习惯命令行操作的用户。整体来看，TRAE在国内开发者的适配性和使用成本上更具优势。

MiMo Code 是小米 MiMo 技术团队于 2026 年 6 月 11 日正式发布并开源的一款终端原生 AI 编程助手。该系统基于开源项目 OpenCode 进行二次开发与深度重构，采用宽松的 MIT 开源协议，允许个人开发者与企业用户自由使用、修改、二次分发及商业集成。其核心能力包括：基于“主代理专心干活、子代理专门记录”架构的持久记忆系统、为 MiMo 系列模型量身定制的专属 Harness 执行框架、可实现全流程自动化的独创 Compose 模式，以及依托 MiMo-V2.5-ASR 语音识别技