引言：这类软件到底叫什么
在开始之前，先回答一个很多人都会问的问题：通过接入 API 让我和大模型聊天、甚至让大模型直接在我电脑上执行代码和命令行——这类软件到底叫什么？
行业里的学名是 AI Agent（AI 智能体），更严谨的说法是 Agentic AI（代理式 AI）。它们又可以分为两个细分门类：
- LLM Client（大模型客户端）：接入各家模型 API，提供聊天界面。代表有 Chatbox、Cherry Studio、OpenWebUI 等。
- Coding Agent（编码智能体）：能读取代码库、执行命令、自主完成任务。代表有 Claude Code、Codex CLI、Cursor、Qoder 等，形态上又分 IDE 内置和终端独立两种。
我入坑的第一款软件是聊天客户端，后来一路用到了编码智能体。这两年里我先后深度使用了六款软件：Cherry Studio、Kimi、Qoder、QoderWork、ZCode、OpenCode。这篇文章是我个人的使用体验记录，不吹不黑，只讲真实感受。
Cherry Studio：我的第一款 AI 软件
最早是在 B 站搜索信息，想找一款能自由接入各家 API 的软件，于是找到了 Cherry Studio——一款开源且开箱即用的桌面 LLM 客户端（公开资料显示其代码开源在 GitHub 上，Star 数已超过 4 万，跨平台支持 Windows、macOS、Linux）。
使用体验：最大的特点是开源免费、适配性好。几乎所有主流大模型都有预制接口，只需要填入 API Key 就能用。虽然是开源软件，内置功能却非常多：MCP 工具、搜索工具都可以自定义，还有很多打包好的功能，比如绘图、知识库、定时任务，甚至预制了很多代码工具的 CLI。基本上 AI 常用场景都能通过它帮你配置好环境，你只需要输入自己的 Key 就行。
软件分为聊天助手和智能体两大板块。聊天助手又分助手和话题两个维度：要开始聊天，先设置好助手——包括系统提示词、模型选择、模型温度、思考强度等参数——然后新建话题开始对话。通过不同的助手设置，可以很方便地和不同设定的 AI 对话，也起到了给话题分类的作用。
我第一次知道 MCP 工具就是在这里：在聊天界面让 AI 帮我写文章，结果它直接调用 MCP 工具把文件保存到了电脑上，我这才知道 AI 可以直接操作电脑。借助 Cherry Studio 开箱即用的特性，我快速配置好了真正的智能体——刚开始调试服务器、建立自己的个人网站，都是通过 Cherry Studio 内置的智能体完成的。
转机：有一次网络异常导致智能体报错，检查错误码时我才发现，这个智能体是基于 Claude Code 的底层框架实现的。为了避免类似的风险，我开始寻找国产或开源的 agent 框架。
回头看，Cherry Studio 对我的意义不只是第一款工具，更是一座桥梁：它让我完成了从"把 AI 当聊天框"到"把 AI 当操作员"的认知转变。后来我试过的每一款软件，几乎都会下意识地和它对比——比它强在哪里、又比它缺了什么。
总结：Cherry Studio 非常适合作为入门 AI 的第一款软件，也能支撑很高完成度的深度使用——钉钉、飞书、微信频道、定时任务、知识库等它都覆盖。可以说是一款 AI 基础设施级别的综合性软件。
Kimi：好看但可惜的桌面端
Kimi 是月之暗面推出的 AI 助手（公开资料显示它靠超长上下文起家，从 20 万汉字一路做到百万级 token 上下文，并已演进为能自主执行任务的 Agent）。
使用体验：Kimi 网页版给我的印象是使用工具非常积极，展示做得也很美观，桌面端延续了这一特点。对话启动很快，但工作区加载往往要一段时间。Kimi 有很多自带的生态和工具，十分好用。
槽点：可惜的是，免费用户现在经常面临"繁忙"的问题，会员也已经售罄。如果直接买 API 的 Token 用量额度，KimiK3 的价格实在贵得离谱，对 agent 使用场景太不友好了。我目前主要把它用于桌面端的 agent 任务，工具调用体验确实好，但就是不能爽用。
举个例子：让 Kimi 整理一份长文档并自动归档到指定文件夹，它的操作路径清晰、中途几乎不需要人工干预，这种"把事情交给它"的顺滑感是很多软件做不到的。但每当我把它当成日常工具高频使用时，繁忙提示和用量成本就会把我拉回现实。
总结：Kimi 桌面版很好用，但也真的很可惜——性能和价格之间的落差，让它难以成为日常主力。
Qoder 与 QoderWork：阿里的智能体产品线
知道 Qoder 系列产品，是因为我是阿里云用户，阿里云的客服多次打电话推荐，正好我当时也在找除了 Cherry Studio 之外代码功能更强的软件，于是下载试用。这个产品线包括 Qoder CN、Qoder 国际版和 QoderWork。
Qoder：主打编程，有 agent 助手对话界面和 IDE 界面两种形态可选，支持自定义模型（但只能选预设的几种）。阿里云给新用户的奖励很大气：直接送 2000 点数，每天签到还送 100 点；可用的模型包括 qwen 系列的预览版和正式版，预览版期间白天 0.05 倍、晚上 0.01 倍的计费，可以说十分大方了。
实际用下来有几个突出的亮点：
- 内置浏览器和 MCP 服务器比 Cherry Studio 更好用，让 agent 在做网页开发和调试时效率更高。
- 多模型协同能力强：免费点数调用的 qwen 系列支持多模型，我甚至用它试过提取工程设计图的关键信息——虽然速度不快（几十张图处理了一整晚），但 agent 的正确率是 100%。
- 命令风险审核：Qoder 可以自动审核 agent 使用命令行是否有风险，会自动拦截或提示有风险的操作，这一点让我用起来放心很多。
- Better Harness 实验功能：有预设好的提示词，可以让 AI 分析我的使用习惯并生成改进建议，比如创建优化的 skill 技能、整理长期记忆和短期记忆的内容结构。
槽点：Qoder 系统下除了 FACT 文件有记忆，Qoder 软件自己还有一套专属记忆区，需要我用命令让 AI 把专属记忆同步到共用的 memory 文件夹的 FACT 文档中，否则其他 agent 软件就算在同一个工作区也看不到这些记忆内容，这算是一个生态封闭的代价。
收费问题：Qoder 系列产品都要充会员。自定义 API Key 的功能目前仅限于活动期间给免费版用户使用，等活动过了，只有月付 59 元的付费用户才能用。而我月付 59 元每月的点数只有 2000 点，完全不够用。我买了千问的 Token Plan，月付 39 元，每周 2500 点额度在周二之前就用光了——而大部分 agent 能力，在我的使用场景下和 DeepSeek V4 Flash 正式版差不太多。这让我不得不继续寻找其他软件。
QoderWork：更偏向日常办公的 agent 助手，没有 IDE 界面，但多了定时任务、频道等功能。我主要用它处理办公内容，定时任务和频道推送确实方便。缺点是它没有自定义 API Key 的入口，灵活性比 Qoder 差一截。
ZCode：智谱的桌面智能体，稳定够用
ZCode 是智谱推出的桌面端 Agentic Development Environment（ADE，智能体开发环境），可以免费试用并接入自己的 API。不过如果想用智谱自己的模型，是没有免费额度的，只能先充钱。我在对比了 GLM 5.2 和 DeepSeek V4 Flash 正式版的价格之后，果断选择使用自己的 API。
使用体验：整体感觉接近 Qoder，但比 Qoder 简陋一些。不过它有两个值得说的点：一是多了查看调用链的功能，可以看清楚 agent 每一步做了什么、调了什么工具，调试起来很直观；二是免费用户使用自定义 API 不限时，这是 Qoder 目前做不到的。
我目前还在正常使用 ZCode，作为主力之外的稳定备选。如果哪天 Qoder 的自定义 API 功能开始收费，ZCode 会是我转向的首选之一。
OpenCode：开源的"毛坯房"
OpenCode 是一款开源的终端 Coding Agent（公开资料显示它由 SST/Anomaly 团队开源，Star 数已超过 12 万，模型无关，支持 75 以上的模型提供商，还支持 Plan/Build 双模式）。
使用体验：给人的感觉是"毛坯房"——功能框架都在，但打磨不足。agent 步骤一多，显示界面就很卡（当然前几个软件也卡，但 OpenCode 尤其卡），而且出 bug 停止运行的次数更多。感觉做得太仓促：能用，但不够好用。
Token 统计问题：它的 token 统计有问题，统计的消耗数量和 API 后台对不上，我推测它没有统计子 agent 的消耗数量，只统计了主线 agent 的。
总结：虽然体验一般，但它是开源软件，可以作为一个兜底选择——正因为有 OpenCode 这样的开源选项存在，Qoder 这类收费软件的"吃相"才不至于太难看。
横向对比
| 维度 | Cherry Studio | Kimi | Qoder | QoderWork | ZCode | OpenCode |
|---|---|---|---|---|---|---|
| 类型 | 聊天客户端 | 聊天助手/桌面端 | 编码智能体（IDE+对话） | 办公智能体工作台 | 桌面 ADE | 终端 Coding Agent |
| 开源 | 是（MIT） | 否 | 否 | 否 | 否 | 是（MIT） |
| 自定义 API | 完全自由 | 仅购买额度 | 活动期免费/付费会员 | 不支持 | 免费不限时 | 完全自由 |
| 模型策略 | 聚合各家 | 自家模型 | qwen 系为主 | qwen 系为主 | 自家+自定义 | 模型无关 |
| 核心优势 | 生态全、开箱即用 | 工具积极、展示美观 | 浏览器+MCP 强、命令审核 | 定时任务、频道 | 调用链可视化 | 开源兜底、零成本 |
| 主要槽点 | 智能体基于 Claude Code | 繁忙、API 贵 | 记忆封闭、点数不够 | 无自定义 API | 界面较简陋 | 卡顿、bug 多 |
| 适合人群 | AI 入门用户 | 长上下文/工具调用需求 | 重度编程用户 | 办公自动化需求 | 需要调试透明度的用户 | 预算敏感/开源爱好者 |
性能：被集体忽视的优化
六款软件用下来，我注意到一个普遍现象：大部分 agent 软件在性能上都没有做很好的优化。平心而论，这类软件的本质工作链路并不复杂——把设定好的提示词和上下文发给 API，拿到 token 输出，再通过命令行流式传输，渲染成 markdown 格式的文字显示出来。理论上，这不该占用多少资源。
但实际情况是，只要进入 agent 模式、对话轮次一多，界面就会开始卡顿。前文提到的 OpenCode 尤其明显，但其他几款软件也无一幸免，只是程度不同。内存占用同样普遍偏高：我 64G 内存的电脑没有内存压力，但还是卡——这说明瓶颈根本不在内存，而在 CPU 和渲染；而 16G 内存的电脑，已经能明显感觉到资源紧张了。
归因起来无非几层：长对话没有做虚拟滚动，整个对话历史全量渲染；流式输出时频繁重排页面；每来一段新内容就把整篇 markdown 重新解析一遍。桌面端大多基于 Electron 一类的多进程架构，光是 Chromium 的基线开销就是几百 MB 起步。作为对照，我在服务器上部署的 OpenClaw，平时常驻也就几百 M 内存——这说明 agent 的核心逻辑本身非常轻，重的其实是客户端的外壳。
为什么会出现这种集体性的性能欠账？我想还是行业竞争节奏的问题：各家把资源都投在了模型能力和功能数量上，性能工程这种"看不见"的优化自然被排在了后面。以前那些精心优化的软件，实现同样的功能并不需要这么高的性能占用。我期待哪家厂商愿意在性能上认真下功夫，这会成为很实际的差异化优势。
我的组合工作流
用到现在，我的主力工具是 Qoder，其他软件也在用，形成了明确的分工：
- Qoder：日常主力，负责编程、网页开发调试、工程设计图信息提取这类重活，靠的是它更强的浏览器、MCP 服务器和命令审核能力。
- Cherry Studio：入门级的兜底聊天客户端，快速接各家 API 验证模型效果时用。
- Kimi：桌面端 agent 任务和工具调用场景，体验好但受限于价格，只能偶尔用。
- QoderWork：办公内容、定时任务和频道推送的专属场景。
- ZCode：稳定备选，特别是调用链功能让我在排查 agent 行为时多一双眼睛。
- OpenCode：最后的兜底——如果收费软件都不好用，至少还有它。
关于多 agent 的使用，我也有了一点体会：单 agent 处理复杂分步任务容易注意力分散，多子 agent 并行则稳定性受限于框架对子 agent 的控制力。这些工具各有所长，但没有一个是完美的，所以我倾向于按任务类型分配工具，而不是绑定某一家。
多框架并存的指针式提示词文档
软件多起来之后，随之而来的是一个很现实的问题：每个框架读取启动文档的方式都不一样。有的框架会阅读工作区内的 CLAUDE.md，有的阅读 SOUL.md 和 USER.md，还有一些阅读 qwen.md 这类自定义名称的启动文件。同一个工作区里跑不同框架，就得为每个框架准备符合它约定的文档。
我目前的解决方案是：把其他格式的 md 文档都做成"指针"——文档的唯一内容就是让 AI 去阅读 SOUL.md，权威内容只保存在这一处。这样一来，无论哪个框架先读到了哪个文件，最终都会收敛到同一个事实源，修改提示词时也只需要改一个地方，不会出现多份文档内容越改越不一致的漂移问题。
我判断，未来的 agent 软件生态大概也不会融合成完全统一的标准：商业上，各家需要靠自己的约定来锁定用户；技术上，记忆系统、上下文注入、配置体系的设计路径差异也很大。既然如此，指针式的提示词文档可能就是唯一可行的办法——它不需要任何一家让步，只需要利用"每个框架至少会读一个文件"这个最小共同点。在多框架共存的时代，兼容层的价值会越来越明显。
结语
两年用下来，我的感受是：这个领域变化太快，没有"最好"的软件，只有"当下最合适"的组合。腾讯、字节、网易、Google、OpenAI 也都推出了各自的 agent 软件，DeepSeek 即将推出 harness 工具，这些我还没试过，等以后再试。在生态统一遥遥无期的情况下，指针式提示词文档会是我长期坚持的兼容策略；同时我也期待，性能优化能早日跟上功能迭代的速度。
如果你正在选第一款 AI 软件，Cherry Studio 是最低门槛的起点；如果你重度写代码，Qoder 或 ZCode 值得一试；如果你预算敏感，OpenCode 永远在那里等着你。
工具会不断迭代，各家厂商的收费策略、模型能力、生态边界都在快速变化，今天的最佳选择可能半年后就变得不再划算。在我看来，与其追求某一款"最好"的软件，不如保持对工具生态的敏感度，持续试用、按需切换。判断工具的眼光，比工具本身更值钱。