跳到正文
← 返回文章列表

VirtueZ · 2025.11.20

Antigravity、Cursor、Claude Code:同一个需求,三种工作方式

三把电钻摆在桌上,不会因为转速参数不同,就自动告诉你哪一把适合修一张摇晃的椅子。AI 编程工具也是这样:看到模型榜单和演示视频,很容易忘了自己到底要完成什么工作。改一个现成网站的文章页,与从零做出一套新系统,需要的视野、控制方式和验收强度根本不同。

2025 年秋天,三家产品展示了不同方向。Anthropic 更新 Claude Code,加入检查点和原生编辑器入口;Cursor 发布 2.0,强调多 Agent 界面与自研 Composer 模型;Google 在 11 月 20 日推出 Antigravity,把可委派的 Agent 工作放到更突出的位置。这些是各家的公开产品定位,不是三者实际效率的比较结果。作为产品经理,我会先拿一份完全相同的需求,看它们分别鼓励人怎样工作,再决定有没有必要做真正的横向测试。

一、同一个任务:给已有网站补四篇文章

这次假设的任务不复杂,却足够暴露工作方式差异。网站已有首页、文章列表与几处互动效果;现在要加入四篇文章,首页也要更新入口。成功标准不能只写“能看到四个标题”。还应该包括:每篇正文可访问,原有三条占位内容消失,移动端阅读正常,首页旧的拖动物理效果仍在,生成结果与来源链接对应。这个任务最难的不是写四个页面,而是在已有网站里加内容时不伤到旧行为。

若使用 Claude Code,我会把它放在“与现有工程对话”的角色上。先读目录和构建方式,找文章数据从哪里来、哪些脚本驱动首页交互,然后提出改动范围。检查点适合保存关键阶段:改文章数据之前、改首页之前、构建验证之后。如果它发现首页是恢复出来的静态页面,缺少原始工程,应该先讲清限制,而不是假装这里有一套可维护的 React 源码。这类工具的价值往往来自贴近文件、命令和版本记录,也需要操作者知道何时该停下来核对。

Cursor 2.0 的界面更强调同时管理多条 Agent 工作。这个任务可以拆成文章内容整理、站内页面接入、导航与移动端检查三块;但拆分之前必须共用一份验收清单,特别是首页脚本不能被覆盖。若三个 Agent 各自改首页,隔离工作区能减少互相覆盖文件,却不会自动解决哪一版规则正确的问题。并行应该服务于确实可分的工作,不是为了让界面同时亮起三张任务卡。

Antigravity 在官方发布里强调 Agent 可以跨编辑器、终端和浏览器规划、执行、验证。对这次任务,我更想看它是否会实际打开页面、点击文章链接、缩到手机宽度,并拖动一张旧卡片。它若能把这些步骤作为工作的一部分,产品价值就不只是生成代码,而是把验收往前推。但官方愿景与一次真实任务的完成质量仍是两件事,不能因为产品强调浏览器验证,就默认它一定替用户检查了全部旧功能。

二、工具界面会改变人提出需求的方式

如果界面首先展示文件和代码,人容易从“改哪里”开始说;如果界面首先展示多个 Agent,人容易从“分几份”开始说;如果界面首先展示委派任务,人容易从“交给它做到什么程度”开始说。三种入口没有高低之分,但会影响产品经理写需求的习惯。文件导向适合定位已有系统里的明确问题;多任务导向适合相互独立、能合并的工作;委派导向适合目标清楚、执行步骤较多的任务。

产品经理常犯的错,是把一个模糊目标直接投入最能自动工作的工具。“把网站做得更专业一点”,Agent 可以改字体、导航、图片和文案,最后交出一套漂亮的新站,可你原本只想加四篇文章。工具越愿意主动做事,需求边界越要具体。写清目标、不可改变的部分和验证方式,不是束缚工具,而是避免它用自己的审美替你做产品决定。

相反,也不要把工具当成必须逐行指挥的实习生。若任务边界与成功标准足够明确,可以让它自行查文件、找影响范围、提出实现方案。人的注意力留给关键决定:是否允许改共享模块,是否接受新交互,当前预览能否代表线上环境。掌握这些判断,使用者不需要盯住每一行输出;放掉这些判断,即使自己看了每一行,也可能漏掉真正的用户问题。

三、真正的比较终点,是旧功能仍在的完整交付

横向比较三款工具,最容易偷懒的做法是给同一句提示词,计时到它第一次说“完成”。这不公平,也不实用。它们的设计重点不同,允许使用的环境和工具可能也不同。更合理的办法是固定用户目标、起始工程、资源预算和验收项,让每款工具按自己的正常使用方式完成;同时详细记录过程,包括谁补充了材料、谁发现了 bug、改了几轮。

最后检查同一份结果清单:四篇文章能否阅读、源链接是否正确、首页入口是否更新、移动端是否可用、旧拖动效果是否仍能工作。若某工具需要更多人工提示才能通过,也记下来。完成时间从人开始准备材料算,到全部验收项通过才结束。顺带记下失败样本:链接进入错误页面、文章被旧脚本覆盖、动画不再执行,这些都比“代码生成了多少行”更能区分工具价值。

比较时还应保留工具条件。一个可以直接打开浏览器,另一个只有文件系统;一个接入原始 Git 工程,另一个只拿到部署后的静态备份。这些差异会影响结果。你可以比较真实配置下的使用体验,但结论应写成“在这样的材料和权限条件下,哪套工具更适合这类任务”,而不是宣布某个模型全面胜出。

四、已有工程比空白项目更能暴露工具短板

新建一个展示页面,输入和输出通常由工具自己决定;修改老项目,规则早就藏在目录、组件、部署方式和使用者习惯里。工具若读不懂这些历史,很容易交出一份“另起炉灶的优秀作品”,却没法融入现有产品。个人网站只有十几页,这种问题已经会出现;大型业务系统里有权限、异步任务和长期数据,代价更高。

因此测试样本应包含历史约束。可以故意放一处不明显却重要的行为:首页卡片能拖动、移动端菜单能打开、下载链接带正确文件名。把它写进验收标准,但不要把具体实现方法喂给工具。看它会不会主动调查依赖,修改后会不会回到浏览器里做真实操作。若工具只是运行一次构建命令便宣布“没有问题”,它通过的是编译检查,不是产品验收。

当然,老工程可能本身就不健康。源码缺失、依赖过期、部署脚本无法运行,不应全算成工具失败。产品经理要区分“工具没看见已有线索”和“团队没有提供足够材料”。如果只有静态备份,便不能要求工具像拿到完整源码一样安全地重构组件。合理的交付也许是先做可预览的静态改动,同时列明无法确认的动态功能与发布限制。这种诚实的边界,常比强行宣称“已经重建好了”更专业。

五、工具越能自主操作,权限越需要按阶段放

编码工具从补全代码走向编辑文件、运行命令、打开网页,产品经理获得了速度,也把更多动作交给了系统。任务刚开始时,允许它阅读工程、在隔离分支上改文件和运行本地测试,风险相对可控;到了连接真实服务、读取用户数据、修改线上配置或发布网站的阶段,风险就变了。可以让它把发布包、变更清单和回退方法准备好,再由有权限的人看过后执行。权限与审查强度应该跟动作后果一起上升,而不是因为前十步顺利,就默认第十一步也能自行完成。

这里有个常见误会:设置确认点会拖慢 AI。事实上,如果确认点放在每次读取文件之前,确实很烦;若放在“准备改共享脚本”“要删除旧资源”“即将发布到线上”这类节点,团队花几分钟判断,可能省下数小时补救。重点不是让工具每一步都问人,而是让它知道哪些决定属于产品所有者。自动化越强,越需要少而清楚的边界。

三款工具对这些边界的呈现方式可能不同。有人习惯在终端看命令,有人更愿意在编辑器里看差异,也有人希望用任务管理界面追踪多个 Agent。产品经理选工具时,可以问自己团队的审核者在哪里最容易发现问题。一个功能丰富、却让业务同事看不懂交付证据的工具,可能增加沟通成本。能把“改了什么、为什么、是否验证”讲清楚的工作方式,才适合需要多人协作的项目。

六、挑工具之前,先挑人要保持的工作习惯

如果团队本来没有版本管理,改坏了也不知道怎么回退,引入检查点和多 Agent 并不会自动解决组织问题。如果需求经常在群里反复改、没有最终生效版本,再强的模型也会在互相矛盾的指令里猜。工具可以帮助整理材料和发现冲突,但需要有人决定有效规则。比较产品时,别把原有流程问题藏起来,然后把测试结果全部解释成模型差距。

一个健康的习惯是先保存基线。修改前知道网站当前能做什么;修改中记录超出任务范围的建议;修改后按用户路径检查关键旧行为。另一个习惯是把失败样本留住:哪一种改动最常破坏动画,哪一类页面容易在手机上溢出,哪个接口的错误信息最难理解。下次换工具或换模型时,用这些真正折磨团队的问题做测试,而不是每次从一张最容易成功的新页面开始。

这也影响采购。你花钱购买的是一套协作方式,不只是一个模型入口。若工具能少让产品经理在三个系统间搬需求,能让设计师更早看到可点击原型,能让研发把回归结果交得更清楚,这些都可能产生价值。反过来,若它让每个人多维护一份任务状态、多解释一遍背景,模型跑分再漂亮,落地收益也可能被管理成本吃掉。

七、方法论:一张任务卡,三次完整交付

先准备一份可复制的任务卡,包含现有网站快照、四篇文章、发布时间、目标页面、不能破坏的旧行为与验收路径。第一轮交给工具时,只补充它运行所需的环境说明,不临时给某个工具多加一份“内部答案”。执行过程中,记录每次人类介入和原因。工具做完以后,由同一位验收者用同一套浏览器操作走完全程。

不要在一次测试里把所有复杂问题揉在一起。先看基础接入是否成功,再看旧功能回归,最后看维护性:以后要加第五篇文章,团队要改几处?能否从数据文件生成列表和正文?如果一次任务成功,但未来每加一篇都得手工改压缩后的页面,交付质量仍值得打问号。工具帮你完成眼前工作,也应该尽量减少下一次工作的门槛。

将三次结果放在一张表里:通过的验收项、关键错误、总耗时、人工修正时间、改动范围和后续维护方式。胜出者不一定是最快生成代码的那个。对已有业务系统,少破坏一条旧流程、少占用半小时的排错时间,就可能比快十分钟写完页面更有价值。

给表格留一栏“测试没有覆盖什么”。比如没有线上部署权限,就不能评价发布流程;没有手机真机,就先把窄屏浏览器检查写清;缺少原始项目源码,就不能据此判断工具在正常工程里的重构表现。限制写在结果旁边,读者才知道结论能用到哪里。若后来拿到更完整的环境,再复测同一批任务,比较结论也可以更新。

每轮测试都保留屏幕操作或简短记录,避免只凭印象打分。团队有时会因为某个工具的动画好看、解释礼貌而高估它;也会因为另一个工具的界面陌生而忽略它稳定完成的工作。把证据和感受分开写,可以承认体验差异,同时让采购判断站在可复核的任务上。

三款工具当年各自强调的能力,给产品经理的共同提醒很简单:AI 编程已经从“帮我写几行”走向“帮我完成一个任务”。当任务范围变大,需求与验收的责任不会变小。真正值得交出去的,是执行劳动;真正必须留在团队手里的,是对用户目标、旧功能和最终质量的判断。

三款工具面对同一任务时,别把它们的默认工作方式硬拧成一样。终端工具允许阅读文件和运行本地测试,编辑器工具允许看代码差异,任务型工具允许规划与浏览器操作;各自正常使用即可。最后统一比较用户任务是否完成、旧功能是否保留、人花了多少时间确认结果。条件记录清楚,比一句“同一句提示词谁先完成”更公平。

信息来源与事实边界