导语
2026 年的编码 Agent 市场已经过了”能不能写代码”的阶段，进入”能不能嵌进工程系统“的阶段。但市面上的对比文章普遍存在一个方法论错误：把厂商封闭的编码产品、可自托管的 Agent 运行时、通用任务 Agent 放在同一维度上打分。
结果是：Claude Code 在”本地部署友好度”上输给 OpenClaw，OpenClaw 在”开箱代码质量”上输给 Claude Code，两边都不服。这不是产品差距，是比较维度错配。
本文做三件事：
- 先建立分类坐标系，把五者按”控制权归属”和”抽象层级”放回各自位置；
- 在六个真实影响工程决策的维度上做对比（本地部署、长代码库理解、工具调用、调试闭环、上下文、开源协议）；
- 拆开 Vibe Coding 这个概念——它被严重误读，大多数人争论的是它的输入形式，而它的判别标准其实在验收环节。
时效性声明：本文数据核对时间为 2026-11-11。编码 Agent 是月度迭代的品类，模型名、版本号、价格在一个季度内都可能变化。凡涉及具体版本与数字，均标注来源；属于工程判断的评分，明确标注为主观评估。
1. 坐标系：先分清”产品””运行时””通用 Agent”
1.1 一张定位表
| 本质是什么 | 谁控制执行环境 | 模型绑定 | 编码是 | |
|---|---|---|---|---|
| Claude Code | 厂商自研的终端编码 Agent（闭源产品） | 你的机器，但 harness 由 Anthropic 控制 | 强绑定 Claude 系列 | 唯一主业 |
| Codex | 厂商编码 Agent 产品线（CLI/App/Cloud/IDE 四形态） | 本地或 OpenAI 云沙箱 | 强绑定 GPT 系列 | 唯一主业 |
| Hermes | 开源自进化 Agent 框架（Nous Research） | 你的服务器 | 无绑定，可接本地模型 | 能力之一 |
| OpenClaw | 开源自托管 Agent 运行时 + 网关 | 你的设备 | 无绑定，模型/harness 皆插件 | 能力之一 |
| Manus | 云端通用任务 Agent（SaaS） | Manus 云虚拟机 | 不透明（自研调度） | 子能力之一 |
1.2 分类带来的三个直接结论
结论一：只有两个是”编码专用产品”。
Claude Code 和 Codex 的全部设计取舍都围绕”让代码变更落地”：读仓库、改文件、跑测试、提 PR。它们的 harness 是垂直优化的，所以在单点编码任务上的效率上限最高，代价是你无法改它的行为逻辑。
结论二：OpenClaw 和 Hermes 卖的不是”编码能力”，是”控制权”。
它们提供 Gateway、会话、记忆、技能、通道接入这套运行时，模型是可替换件。编码能力来自你接的模型和装的 skill/plugin。所以拿它们和 Claude Code 比”代码写得好不好”，本质上是在比你配的那个模型，而不是比产品。
结论三：Manus 的对手不是编码工具，是”交付物”。
Manus 的核心抽象是”给一个任务，产出可用的东西”——网站、报告、PPT、数据分析。写代码只是达成交付物的手段之一。用 Manus 做 20 万行 Java 单体仓库的重构，是选错了工具；用它两小时搭一个带后端和登录的 MVP，才是它的甜点区。
1.3 一个容易忽略的事实：harness 比模型更决定体验
同一个模型，套不同 harness，在长任务上的成功率差异可以达到数十个百分点。原因在于 harness 决定了：
- 上下文怎么组织（全量塞 / 检索 / 子 Agent 隔离 / 压缩时机）
- 工具怎么暴露（工具数量、描述质量、是否按需加载）
- 失败怎么恢复（重试策略、检查点、回滚）
- 验证怎么做（能否跑测试、能否读 CI、能否自测）
所以”某模型在 Terminal-Bench 上 91.9%”这类数字，衡量的是模型 + 官方 harness 的组合，不是你把它接进自己框架后的表现。这一点在做技术选型时经常被忽略。
2. 逐个拆解
2.1 Claude Code：把”工程闭环”做到极致的闭源终端
定位：终端优先的编码 Agent，故意不做 GUI。设计哲学是”嵌入已有工作流”，而不是”再造一个 IDE”。
底层模型：Claude 系列，无法切换。2026 年的旗舰线包括 Claude Fable 5、Sonnet 5、Opus 4.8 等（具体档位随订阅变化）。强绑定是产品决策而非技术限制——它换来了对执行边界和工具行为的完全掌控。
核心能力（2026 年形态）：
| 能力 | 机制 | 工程价值 |
|---|---|---|
| CLAUDE.md | 项目级常驻约定文件 | 把团队规范从”每次口述”变成”仓库资产” |
| Subagents | 独立上下文的子 Agent | 探索过程不污染主上下文，天然隔离噪声 |
| Skills | SKILL.md + 资源，渐进式加载 |
把流程知识变成可版本管理的文件，token 与技能数解耦 |
| Hooks | 生命周期钩子（工具调用前后） | 确定性管控：格式化、拦截危险命令、审计 |
| MCP | 标准工具协议 | 接外部系统，不用自己写适配 |
| Plugins | Skills + Commands + Agents + Hooks 的打包 | 团队级分发 |
| Checkpoint / 回滚 | 会话级快照 | 长任务失败可回到已知好状态 |
这套东西的本质是：把”Agent 的行为”从 prompt 里的软约束，变成仓库里的硬资产。Hooks 尤其关键——它是唯一能在模型之外强制执行规则的地方（模型可以忽略 prompt，但不能忽略 hook）。
部署形态：本地 CLI（Node.js 运行时），也可通过 /teleport 把会话迁移到云端继续。没有自托管版本，执行在你的机器上，但 harness 与遥测受厂商控制。
关键取舍：只服务会用终端的人。产品经理、运营、非技术创始人一律用不了。这是它的天花板，也是它在专业开发者中渗透率高的原因——窄产品赚时间，宽产品赚流量。
参考：Claude Code 2.1.x 系列在 2026 年初密集更新 Agent 能力、开发者体验与安全性（腾讯新闻，2026-01-09）；年化收入据路透社 2026 年 2 月披露突破 25 亿美元、企业订阅占比过半（二手报道，人人都是产品经理，2026-05-08）。
2.2 Codex：从 CLI 长成”四形态 + 云环境”
定位：OpenAI 的编码 Agent 产品线。和 Claude Code 最大的结构性差异是：它不把”本地终端”当唯一入口，而是把同一个 Agent 铺到四种执行环境上。
四种形态（截至 2026 年中）：
| 形态 | 执行位置 | 适合 |
|---|---|---|
| CLI | 本地终端（Rust 实现，Apache-2.0 开源） | 终端党、脚本化、CI 内嵌 |
| App（桌面） | 本地 | 不想开终端但要素材本地权限 |
| Cloud（Web） | OpenAI 云沙箱，接 GitHub | 并行派发多个任务、离线跑 |
| IDE 插件 | 编辑器侧边栏 | 需要看 diff 逐行确认 |
2026 年 9 月 DevDay 进一步引入可复用云端开发环境——同一环境可从任意设备接入，把”我的开发机”变成云上持久对象（品玩/TechCrunch，2026-09-30）。这是和 Claude Code”本地优先”路线的根本分歧：**Codex 赌的是”开发环境应该像容器一样可编排”，Claude Code 赌的是”开发者的机器就是最好的沙箱”**。
底层模型：GPT-5.x-Codex / GPT-5.6 系列。2026 年 8 月的公开数据中，GPT-5.6 Sol 在 Terminal-Bench 2.1 上为 88.8%，Sol Ultra 为 91.9%；Claude Fable 5 为 83.1%，Opus 4.8 为 78.9%（引自二手汇总，人人都是产品经理，2026-08-12；benchmark 存在污染与 harness 依赖问题，不建议作为唯一选型依据）。
核心能力：任务并行、PR 自动生成与自审、AGENTS.md 作为仓库级约定、云端环境快照、Codex Security CLI（Apache-2.0，做仓库级安全扫描）。
部署形态：CLI 可自托管执行；Cloud 为托管服务；整体是”开源客户端 + 闭源服务”的混合模式。
关键取舍：云端并行是它最强的差异化，但也是最大的约束——你的代码要出网。金融、军工、部分医疗场景直接出局。
2.3 Hermes：把”自我进化”当第一性原理的框架
定位：Nous Research 于 2026 年 2 月发布的开源自改进 Agent 框架，slogan 是 “The agent that grows with you”。它不是编码工具，是一个带学习闭环的通用 Agent 运行时。
底层模型：不绑定。支持 Ollama 本地模型、OpenAI/Claude 系列、以及任意 OpenAI 兼容接口。这既是优点（隐私与成本可控），也是缺点（效果强依赖你接的模型，弱模型 + 自进化会放大错误）。
核心机制：学习闭环
它的差异点不在工具数量，而在”经验怎么沉淀”：
- 执行 → 记录工具调用链与结果；
- 评估 → 用反馈/结果判定这次任务的好坏；
- 抽象 → 把成功的流程抽成可复用技能，写入技能库；
- 复用 → 后续任务检索技能并加载。
有公开分析指出其自进化环节结合了 GEPA 类的提示进化（生成变体 → 追踪表现 → 按适应度更新策略库），并配合复杂度筛选与反思抽象（php.cn，2026-05-19，属技术解读，非官方论文）。
核心能力：跨会话持久记忆、技能自动生成与复用、全平台消息网关（Telegram / 飞书 / 企业微信 / Slack / Discord）、工具调用、定时任务。
部署形态：自托管（你自己的服务器），数据不出内网。MIT 协议，可商用、可修改。
生态数据：2026 年 4 月公开报道为 17K Stars、207 位贡献者、上线两个月（人人都是产品经理，2026-04-04）；技能市场 agentskills.io 收录 131 个技能（72 内置 + 59 可选），覆盖 26+ 类别（人人都是产品经理，2026-05-08）。
关键取舍：MIT + 自托管 + 自进化，是研究和私有化场景的最优解；但**”自动生成的技能”没有强制验证器**，这是它最大的工程风险——错误流程会被固化进技能库，然后被反复调用。
2.4 OpenClaw：把 Agent 做成”个人基础设施”
定位：开源自托管 AI 助手/Agent 运行时，2025 年底由 Peter Steinberger 起手，2026 年 1 月下旬爆红（曾用名 ClawdBot、Moltbot）。现在的官方叙事是”你的助手，跑在你的设备上，出现在你的聊天软件里”。
底层模型：完全解耦。官方明确”Models and agent harnesses (Claude, Codex, local models) are plugins you can swap”——它甚至可以把 Claude Code、Codex 当成自己的 harness 插件。这是理解 OpenClaw 的关键：它卖的是编排层，不是模型能力。
架构：
| 组件 | 作用 |
|---|---|
| Gateway | 本地控制平面：会话、工具、事件、通道路由 |
| Channels | Discord / iMessage / Slack / Teams / Telegram / WhatsApp 等 20+ 入口 |
| Companion apps & nodes | 语音、Canvas、摄像头、屏幕、设备本地动作 |
| Tools / Skills / Plugins | 能力扩展，Plugin SDK + ClawHub 分发 |
| Sandboxing | 可选；默认主会话工具直接跑在宿主机 |
核心能力：多通道接入、持久化记忆与凭据本地存储、Skills（SKILL.md）、MCP、Code Mode、Workboard 会话管理、定时自动化、异地完整备份（可到 Cloudflare R2）。
2026 年 10 月的 v2026.10.1（402 位贡献者、2425 PR、3055 commits）做了两个方向性更新（36氪/机器之心，2026-10-12）：
skills_search+skills_read**：不再把所有技能目录塞进 prompt，改为先检索、再按需读全文**。这是解决”技能数量 vs 上下文预算”矛盾的正确做法，值得所有做 skill 系统的团队抄。- MCP Apps：把 MCP 工具的交互界面直接开在聊天区旁边，人可以在表单里填参数、确认授权。
部署形态：纯本地自托管（macOS / Linux / Windows / Docker / Nix），MIT 协议，无付费层、无托管服务，由独立 501(c)(3) 基金会治理。企业侧有 OCE（OpenClaw Enterprise）控制平面，定位是”Agent 版的 Kubernetes”，目前未发 1.0，仅适合内部试点（腾讯新闻/至顶科技，2026-10-14）。
关键取舍：能力上限极高（能读你的文件、跑你的命令、发你的消息），但权限也是真的高。官方 README 直接写了 “Tools run on the host for the main session unless you configure sandboxing”——这意味着默认配置下，一个提示注入就可能变成宿主机命令执行。NVIDIA 的 NemoClaw 用 OpenShell 做内核级沙箱、网络策略和审计日志，本质是在补这块（w3cschool/Ollama 文档）。
2.5 Manus：云端通用 Agent，编码只是手段
定位：通用任务 Agent，产物导向。2025 年 3 月由中国团队 Monica.im（蝴蝶效应）发布，2025 年 10 月推出 Manus 1.5。
底层模型：不公开具体模型与调度策略。对外呈现的是”多智能体协作 + 云端虚拟机”的黑箱。
核心能力（Manus 1.5）：
- 全栈 Web 应用开发：对话式产出带持久化后端、数据库、用户认证、嵌入式 AI 的应用，不用离开平台处理托管与部署；
- 集成浏览器自测：启动应用、像真实用户一样交互、发现问题并自主修复——这是它最有价值的一环，因为它闭合了 verify loop；
- 研究 + 内容 + 图像 + 幻灯片的单上下文串联：一个任务里完成”调研 → 建站 → 分析数据 → 出 PPT”；
- 协作与资料库：多人共享会话，产物集中管理。
官方称 1.5 架构使平均任务时长从 4 月的 15 分钟降到不足 4 分钟，内部基准任务质量 +15%、满意度 +6%；分 Manus-1.5 与 1.5-lite 两档，lite 全量开放、订阅用户有积分折扣（观猹产品页）。
部署形态：纯 SaaS，云端虚拟机执行，不可本地部署。计费为订阅 + 积分/credits。
关键取舍：它优化的是”从想法到可交付物”的端到端时长，不是”在既有代码库里的精确变更”。所以它对绿地项目（从零开始）极强，对棕地项目（几十万行遗留系统）帮助有限——因为它没有你内网的仓库、CI、私有依赖。
3. 六维横向对比
3.1 总表
下表中”技术事实”列来自公开资料（截至 2026-11-11）；”评估”列为主观工程判断，5 分制，仅供方向参考。
| 维度 | Claude Code | Codex | Hermes | OpenClaw | Manus |
|---|---|---|---|---|---|
| 本地部署友好度 | 3（本地执行，harness 闭源） | 4（CLI 开源 Apache-2.0；云依赖） | 5（服务器自托管，MIT） | 5（本机自托管，MIT） | 1（纯 SaaS） |
| 长代码库理解 | 5 | 5 | 2–3（取决于接入模型） | 2–3（取决于 harness/模型） | 2（无法访问私有仓库） |
| 工具调用 | 5（MCP + Hooks + Skills） | 5（MCP + 沙箱 + 并行） | 4（MCP 生态 + 自生成技能） | 5（MCP + Plugins + ClawHub） | 3（内置工具为主，扩展性弱） |
| 调试能力 | 5（跑测试/读 CI/git 操作） | 5（云端跑测 + PR 自审） | 3（能跑命令，缺专用验证层） | 3–4（Code Mode + 沙箱可选） | 4（浏览器自测是亮点，但沙箱不可控） |
| 上下文策略 | compaction + subagent + skills 渐进加载 | 云端任务隔离 + 大窗口 | 持久记忆 + 技能复用 | 技能检索按需加载 + 会话管理 | 单任务窗口扩展 |
| 开源协议 | 闭源 | CLI/Apache-2.0（服务闭源） | MIT | MIT | 闭源 SaaS |
3.2 本地部署友好度：不只是”能不能装”
这个维度要拆成三问，答案经常不一致：
| 问题 | Claude Code | Codex CLI | Hermes | OpenClaw | Manus |
|---|---|---|---|---|---|
| 代码是否出你的机器？ | 否（推理走 API） | CLI 否；Cloud 是 | 否（可全本地模型） | 否（可全本地模型） | 是 |
| 能否离线/内网跑？ | 否 | 否 | 可（配 Ollama） | 可（配 Ollama/vLLM） | 否 |
| 能否改行为逻辑？ | 否（只能配 hooks/skills） | CLI 可改（开源） | 可改（MIT） | 可改（MIT） | 否 |
关键判断：真正决定”能不能进内网”的不是客户端是否开源，而是推理是否必须走公网。Codex CLI 开源但依赖 OpenAI API；Hermes/OpenClaw 开源且能接 Ollama，才算完整的内网方案。但要注意——本地模型的能力折损是真实的，用 7B/14B 模型跑 OpenClaw，体验和接 Claude 差一个量级。选”本地”之前先想清楚：你要的是合规，还是省钱？两者结论可能相反。
3.3 长代码库理解：三条技术路线
这是编码 Agent 最核心的能力，业内实际有三条路线，各自代价不同：
| 路线 | 代表 | 机制 | 优势 | 短板 |
|---|---|---|---|---|
| Agentic Search（无索引） | Claude Code 主流用法 | LLM 自己 grep/glob/读文件，多轮收敛 | 无索引漂移、结果可解释、隐私好、冷启动快 | 依赖命名规范；仓库越乱越靠模型”猜”；轮次多则慢 |
| 语义索引 | Cursor 类 IDE 产品 | 代码切块 + embedding + 向量召回 | 首轮召回快，跨文件语义匹配强 | 索引需重建（分支切换、大 monorepo 是痛点）；有隐私顾虑 |
| 云端仓库快照 + 并行任务 | Codex Cloud | 云端完整 clone、装依赖、跑测试 | 环境一致性最好，可并行 N 个任务 | 首次环境准备慢；依赖出网 |
Claude Code 选 1 是刻意的：Anthropic 多次表达过”不做索引”的立场，理由是索引会漂移、会过时，而 grep 的结果永远是真的。工程上的实际差异是：
- 单文件/邻近文件任务：三者差别不大；
- 跨 20 个文件追一条调用链：agentic search 的轮次成本显著上升，索引方案更快；
- 重命名混乱、无类型标注的遗留仓库：agentic search 容易漏，索引的语义召回更有优势。
结论：没有普适最优。代码规范好、类型完整的仓库，agentic search 性价比最高；命名混乱的老仓库，先补类型和命名，比换工具收益大。
3.4 工具调用：MCP 收敛了接口，没收敛”流程”
2025–2026 年最大的变化是工具层协议收敛到 MCP。五个里至少四个支持 MCP（Claude Code、Codex、OpenClaw、Hermes），这意味着”接一个内部系统”这件事的成本从”每家写一个适配器”降到”写一个 MCP server”。
但要分清两个层次：
| 层 | 解决什么 | 代表机制 | 是否已标准化 |
|---|---|---|---|
| 工具层 | 单个原子能力怎么暴露 | MCP | 事实标准 |
| 流程层 | 一串动作怎么复用 | Skills / Commands / Workflow | 未标准化，各家方言 |
这正是 OpenClaw 和 Claude Code 都在做 Skills 的原因：MCP 让你有更多工具，Skills 让你不必每次重新组织工具。而工具越多，选择准确率越低——所以 OpenClaw 在 2026.10 把技能目录改成 skills_search 按需检索，方向是对的。
一个反直觉的工程结论：接 50 个 MCP server 的 Agent 不一定比接 5 个的强。工具描述占上下文、选择空间变大、错误调用率上升。工具集要做”策展”，不是”堆砌”。
3.5 调试能力：能不能闭合 verify loop
“调试能力”不是”能不能改 bug”，而是Agent 能否自己确认改对了。这决定了长任务的收敛性。
| 验证手段 | Claude Code | Codex | Hermes | OpenClaw | Manus |
|---|---|---|---|---|---|
| 跑单测/构建 | ✅ | ✅ | ✅（需配） | ✅（需配） | ✅ |
| 读 CI 日志 | ✅ | ✅（GitHub 集成） | ⚠️ 需自建 | ⚠️ 需自建 | ❌ |
| 浏览器端自测 | ⚠️ 需装 Playwright MCP | ⚠️ 需配 | ⚠️ 需配 | ⚠️ 需配 | ✅ 内置 |
| 提交前人工 diff 确认 | ✅ | ✅（IDE 形态最佳） | ⚠️ | ⚠️ | ❌（黑箱） |
| 失败回滚 | ✅ checkpoint | ⚠️ 依赖 git | ❌ | ❌ | ❌ |
这是我认为Manus 最被低估、也最容易被高估的地方：内置浏览器自测确实闭合了”UI 改完到底对不对”这个环，对绿地 Web 项目价值极高；但它的执行在云端黑箱里，你看不到中间 diff，出问题只能重跑。verifier 强，可观测性弱。
反过来 Claude Code 是verifier 弱一点（要自己配），可观测性强（每一步都能看、能中断、能回滚）。生产环境里，后者通常更重要——因为你需要为结果负责，而不只是拿到结果。
3.6 开源协议：MIT 和 Apache-2.0 的差别比想象中大
| 项目 | 协议 | 商用 | 修改 | 专利授权 | 商标 | 备注 |
|---|---|---|---|---|---|---|
| Claude Code | 闭源 | 按订阅条款 | ❌ | 无 | Anthropic | 企业需看 DPA 与数据条款 |
| Codex CLI | Apache-2.0 | ✅ | ✅ | ✅ 显式授予 | 不含商标 | 含专利 retaliation 条款 |
| Hermes | MIT | ✅ | ✅ | ❌ 无明示 | 不含商标 | 最宽松，法务最省事 |
| OpenClaw | MIT | ✅ | ✅ | ❌ 无明示 | 不含商标 | 基金会治理（501(c)(3)） |
| Manus | 闭源 SaaS | 按订阅条款 | ❌ | 无 | Manus | 数据处理在境外需评估 |
给企业法务的三条实操建议：
- 有专利风险敞口的场景选 Apache-2.0 而非 MIT。MIT 不含专利授权条款，贡献者日后主张专利时你没有明示许可；Apache-2.0 第 3 条明确授予专利许可，并含 retaliation（你起诉别人专利侵权则授权终止）。Codex CLI 在这里更稳。
- **MIT 项目要注意”无担保”**。Hermes/OpenClaw 出问题，责任在你自己。
- 闭源产品的风险不在协议，在数据条款与可撤销性。订阅制意味着供应商可以改价、改模型、改配额，你的工作流会被动跟着变。
4. Vibe Coding 辨析：被误读的不是输入，是验收
4.1 它到底是什么
2025 年 2 月，Andrej Karpathy 在 X 上发了那句话：
“There’s a new kind of coding I call ‘vibe coding’, where you fully give in to the vibes, embrace exponentials, and forget that the code even exists.”
2025 年底，Collins 词典把 Vibe Coding 选为年度词汇。到 2026 年 8 月，它已经走完了”狂欢 → 反思”的完整周期（人人都是产品经理，2026-08-12）。
定义里其实有两个可分离的成分：
- (a) 输入侧：用自然语言表达意图，而不是写代码；
- (b) 验收侧：放弃阅读代码，”forget that the code even exists”，靠运行结果和感觉判断对错。
绝大多数争论混淆了这两者。 用 Claude Code 写代码、但每行 diff 都看过的人，做的是 (a) 而不是完整意义上的 Vibe Coding。判别标准是 (b)：你是否还愿意/能够为这段代码的正确性负责。
4.2 与传统目标驱动式编码 Agent 的思路差异
先明确”目标驱动式”（goal-driven / verifier-driven）是什么：给定目标 + 可执行的验收条件，Agent 迭代直到验收通过。SWE-bench 式的任务、带单测的需求、CI 必须绿的 PR，都是这个范式。
| 维度 | 目标驱动式 Agent | Vibe Coding |
|---|---|---|
| 输入 | 目标 + 约束 + 验收标准 | 感觉 + 模糊描述 |
| 验证者（verifier） | 程序：单测、类型检查、CI、断言 | 人：看一眼、跑一下、觉得对 |
| 终止条件 | 验收通过（客观） | “看起来行了”（主观） |
| 失败可见性 | 高（测试红/绿） | 低（只有明显 bug 才暴露） |
| 迭代成本 | 每次迭代有明确信号 | 每次迭代靠人肉判断，易陷入”越改越乱” |
| 适用生命周期 | 长期维护的生产系统 | 短周期原型、一次性脚本、内部工具 |
| 对使用者的要求 | 会写验收标准 | 会描述需求 + 能判断”跑起来对不对” |
用一句话概括差异：
目标驱动式 Agent 把”对不对”交给程序判定；Vibe Coding 把”对不对”交给人的直觉判定。
前者可规模化（可并行、可自动回归），后者不可规模化（人的注意力是瓶颈）。
4.3 90 天崩溃曲线：机制解释
公开数据里有一组很值得警惕的观察：Y Combinator 2025 冬季批次中，21% 的团队代码库超过 91% 由 AI 生成；到第 90 天，其中 40%–60% 的团队发现”修一个 bug 会破坏另外三个功能”，冲刺产能被稳定化工作吞噬，原始速度优势完全消失（人人都是产品经理，2026-08-12）。
这个曲线的机制不复杂，但常被归因为”模型不行”：
- 没有 verifier 的系统必然熵增。每加一个功能，隐含假设多一条，但没有测试把它钉住。
- AI 代码的维护成本 ≈ 阅读成本。Vibe Coding 没有消除阅读成本，只是把它外部化到未来（”技术债”的现代版）。
- 耦合是隐式产生的。人类写代码时会本能地避免过度耦合（因为要自己维护）；Agent 只对当前 prompt 负责，天然倾向于”能跑就行”的实现。
- 人的记忆是瓶颈。Vibe Coding 依赖你记得”上次那个地方是怎么改的”，而这个记忆在 3 周后必然失效。
所以 90 天不是玄学，是**”隐式假设 > 显式约束”的临界点**。
4.4 适用场景：按”可验证性 × 生命周期”切
| 生命周期短 | 生命周期长 | |
|---|---|---|
| 可验证性高（有测试/有明确 IO） | ✅ 非常适合 Vibe Coding（脚本、数据管道、内部工具） | ⚠️ 可以用，但要逐步补测试，转目标驱动 |
| 可验证性低（UI/交互/业务规则模糊） | ✅ 适合（原型、demo、一次性活动页） | ❌ 高危（核心业务系统、金融/医疗逻辑） |
明确不适合 Vibe Coding 的四类：
- 有合规/审计要求的系统（金融、医疗、车控）——你无法为”没读过的代码”签字；
- 多人长期协作的代码库——风格与隐式约定会失控；
- 性能/资源敏感路径——“能跑”和”跑得动”差一个数量级；
- 安全边界相关代码（认证、加密、权限）——LLM 生成的这类代码是漏洞高发区。
4.5 第三条路：SDD（规范驱动开发）
2026 年一个明显的趋势是 Spec-Driven Development 的回归：先写规范（需求 + 验收标准 + 边界条件），再让 Agent 实现（掘金，2026-07-14；掘金，2026-04-29）。
它的本质不是”新方法论”，而是把 verifier 前移：
1 | Vibe Coding: 感觉 → 代码 → 跑一下 → 感觉不对 → 再改 |
SDD 解决的是目标驱动式 Agent 的前置成本问题：写测试比写 spec 贵，但写 spec 比”事后 debug”便宜。对 Coding Agent 尤其重要——**spec 是 Agent 唯一能稳定消费的”意图压缩包”**，比 20 轮对话澄清有效得多。
我的工程判断：Vibe Coding 适合探索期，SDD 适合交付期，两者不是替代关系，是阶段关系。 争论”该不该 Vibe Coding”没有意义，真正的问题是”你现在在哪个阶段”。
5. 选型建议
5.1 决策树（按约束排序，而不是按功能排序）
1 | 你的代码能不能出网？ |
5.2 Claude Code vs Codex：不是”谁更强”，是”你的组织长什么样”
| 你的情况 | 建议 | 理由 |
|---|---|---|
| 深度终端用户、单机开发、重视可控与可回滚 | Claude Code | 终端体验、checkpoint、hooks 的确定性管控最成熟 |
| 团队已重度使用 GitHub + PR 流程 | Codex | 云端并行 + PR 自审 + AGENTS.md 与 GitHub 工作流贴合 |
| 需要同时派发多个任务、机器会被关掉 | Codex Cloud | 云端持久环境，任务不依赖本地机器在线 |
| 已有大量 Claude 订阅/合规审查通过 | Claude Code | 采购与合规路径已通，切换成本最低 |
| 要审代码安全、做仓库级扫描 | Codex（+ Security CLI） | 有专门的开源安全扫描形态 |
| 两者都想用 | 双轨：Claude Code 做探索与重构，Codex 做批量与 CI | 现实中不少团队就是这么干的，成本可接受 |
一个务实的观察：这两个产品的差异，在 80% 的日常任务上小于”你有没有写好 CLAUDE.md / AGENTS.md”带来的差异。 先把仓库约定文件写好、把测试跑通，再纠结工具。
5.3 场景 → 推荐组合
| 场景 | 首选 | 备选 | 关键理由 |
|---|---|---|---|
| 单人全栈开发 | Claude Code | Codex CLI | 上下文连续性 + 回滚 |
| 团队 PR 流水线 | Codex | Claude Code + CI | 云端并行、GitHub 原生 |
| 遗留系统重构（10 万行+） | Claude Code + subagents | Codex Cloud | 需要隔离探索上下文、逐步验证 |
| 从零做 MVP / 内部工具 | Manus | Codex / Claude Code | 端到端交付，含部署与自测 |
| 数据不出内网 | OpenClaw + 本地模型 | Hermes | MIT + 可接 Ollama/vLLM |
| 私有化 + 自进化研究 | Hermes | OpenClaw | 学习闭环是核心差异点 |
| 企业规模化管控 | Codex/Claude Code + OCE | 自建网关 | 需要命名空间隔离、凭据管理、审计 |
| 非技术成员参与 | Manus | — | 唯一不需要终端的选项 |
5.4 各自的短板（选之前必须接受的代价）
| 产品 | 最痛的三点 |
|---|---|
| Claude Code | ① 强绑定 Claude，模型换代你做不了主；② 长任务 token 消耗大，成本不可预测；③ 无自托管，合规只能靠合同 |
| Codex | ① Cloud 必须出网；② 云端环境准备有冷启动成本；③ PR 由 Agent 生成后，审查负担转移到人，团队容易”看着像对就 merge” |
| Hermes | ① 生态早期，技能质量参差；② 自进化缺强制验证器，错误会固化；③ 效果强依赖你接的模型 |
| OpenClaw | ① 升级频繁破坏自定义工作流（社区真实抱怨）；② 默认宿主机权限，安全需自己兜；③ 插件/技能质量无门槛 |
| Manus | ① 纯黑箱，不可本地、不可审计；② 私有仓库/内网依赖基本无解；③ 积分计费，长任务失败重试成本不透明 |
5.5 组合策略：两条被验证过的路径
路径 A：能力分层（推荐给 10 人以上团队）
1 | Manus（探索 / 交付物） → Claude Code 或 Codex（实现） → CI + 人工 review（把关） |
理由：探索期用容忍度高、产出快的工具；实现期用可控、可回滚的工具；把关期必须有程序化 verifier + 人。
路径 B：双 Agent 交叉验证（推荐给关键模块）
让 Claude Code 写实现，Codex 做 review（或反过来）。两个异构模型的盲区不重合，实测能捞出一批单模型自审漏掉的问题。代价是成本翻倍，只对核心模块值得。
6. 工程踩坑点
6.1 通用坑（与选哪个产品无关）
| 坑 | 表现 | 修法 |
|---|---|---|
| 把 Agent 当 autocomplete | 只给一句话需求，期待它猜对 | 给目标 + 约束 + 验收标准（SDD） |
| 没有 verifier | 改完不知道对不对，靠肉眼 | 先补测试/类型检查/CI，再上 Agent |
| 仓库约定文件缺失 | 每次都要重复交代规范 | 写 CLAUDE.md / AGENTS.md，进版本库 |
| 上下文塞满 | 把所有文档贴进 prompt | 分层：常驻约定 < 200 行；其余按需检索 |
| 自动批准所有命令 | --dangerously-skip-permissions 常态化 |
白名单 + hook 拦截危险命令 |
| benchmark 选型 | 按榜单分数决策 | 用自己仓库的 20 个真实任务做 A/B |
| 忽略缓存成本 | 每轮重排上下文，prompt cache 全 miss | 稳定前缀，易变内容放尾部 |
6.2 分产品坑
Claude Code
- CLAUDE.md 膨胀：写着写着变成 500 行，反而稀释注意力。控制在 100–200 行，只放”模型猜不到的东西”（构建命令、目录约定、禁忌）。
- Subagent 黑箱：子 Agent 只回结论不给证据，主 Agent 无法校验。要求它回传”结论 + 依据文件 + 置信度”。
- Hooks 写太狠：每个工具调用都跑一遍格式化 + lint，长任务直接卡死。只对写操作挂 hook。
- 跳过权限确认：省事，但一次提示注入就可能是
rm -rf。
Codex
- 云端环境不一致：本地能跑、云端装不上依赖（私有包、系统库）。提前用容器固化环境。
- PR 洪水：并行派发 10 个任务 → 10 个 PR → 没人认真看。限制并发数，强制”人审 + CI 双绿”。
- AGENTS.md 与实际不符：写了但过期，Agent 会照着错的做。当成代码维护，改流程必须同步改它。
Hermes
- 技能库污染：自动生成的技能没有验证，错的一次成功就被固化。加”技能准入”：必须带样例输入输出 + 通过一次回归。
- 自进化不可控：策略库在你不注意时漂移。定期导出 diff 审计。
- 弱模型放大错误：本地小模型 + 自进化 = 错误自我强化。要么用强模型，要么关掉自动演化。
OpenClaw
- 升级破坏工作流：这是社区最集中的抱怨——几乎每次升级都要修环境，有人因此转向托管产品（36氪，2026-10-12）。锁版本 + 升级前备份 + 在测试机先跑一周，不要追最新。
- 默认宿主机权限：官方明确主会话工具直接跑在宿主机。开沙箱，或至少用独立用户 + 容器。
- 多通道路由混乱：同时接 5 个聊天软件后，会话串线、权限错配。按通道划分 workspace。
- token 成本失控：常驻 Agent + 高频消息 = 账单不可预测。设日预算上限。
Manus
- 长任务失败成本：跑到 90% 失败，重试要重花积分。把大任务拆成可交付的小段。
- 不可审计：出问题看不到中间过程。关键产物要求它输出变更说明与验证记录。
- 数据边界：上传的仓库/数据在云端，先过一遍合规。
6.3 一条被低估的踩坑：把”工具数量”当能力
OpenClaw 装了 80 个 skill、Claude Code 接了 30 个 MCP server——结果是选择准确率下降 + 上下文被描述占满。判断标准应该是：最近 30 天真正被调用过的工具/技能有几个，其余的归档。工具集的健康度看”命中率”，不看”库存量”。
7. 小结
- 这五者不在同一生态位。 Claude Code / Codex 是垂直编码产品，比的是 harness 打磨程度；OpenClaw / Hermes 是可自托管的 Agent 运行时，比的是编排能力与生态；Manus 是通用任务 Agent，比的是端到端交付。跨生态位比”谁更强”没有意义。
- 决定编码 Agent 体验的是 harness，不是模型分数。 同一模型换 harness，长任务成功率能差数十个百分点。榜单分数衡量的是”模型 + 官方 harness”，不是你的集成效果。
- 本地部署的真正判据是”推理是否出网”，不是客户端是否开源。 要内网就得接受本地模型的能力折损；两者不可兼得。
- 长代码库理解有三条路线，没有普适最优。 仓库规范好 → agentic search 性价比最高；命名混乱的老仓库 → 先补类型与命名，比换工具收益大。
- MCP 收敛了工具层，没收敛流程层。 工具越多选择越难，工具集要策展不要堆砌；Skills 的价值在于”不必每次重组工具”。
- 调试能力的本质是能否闭合 verify loop。 Manus 的浏览器自测很强但不可观测，Claude Code 的 verifier 要自己配但每一步可见可回滚——生产环境通常后者更重要。
- Vibe Coding 的判别标准在验收侧，不在输入侧。 用自然语言写代码不算 Vibe Coding，放弃阅读代码、把 verifier 换成人眼才算。它的适用边界由”可验证性 × 生命周期”决定。
- 90 天崩溃不是模型问题，是”隐式假设超过显式约束”的临界点。 Vibe Coding 没有消除阅读成本，只是把它外部化。
- 选型的正确顺序是：先定数据边界 → 再定工作流形态 → 最后才比功能。 反过来做，一定选到”功能最全但用不起来”的那个。
- 先写好
CLAUDE.md/AGENTS.md、把测试跑通，再纠结工具。 这两件事的收益，大于在 Claude Code 和 Codex 之间反复横跳。
如果只留一句：编码 Agent 的上限由模型决定，下限由 harness 和 verifier 决定——而生产环境里，你感受到的几乎全是下限。
参考来源
产品与官方资料
- OpenClaw GitHub 仓库与 README（MIT 协议、Gateway 架构、模型/harness 插件化、sandboxing 说明）：https://github.com/openclaw/openclaw
- OpenClaw v2026.10.1 更新（skills_search / skills_read、MCP Apps）：36氪/机器之心，2026-10-12；官方 release notes：https://docs.openclaw.ai/releases/2026.10.1
- OpenClaw 企业版 OCE 与 OCC 控制平面：腾讯新闻/至顶科技，2026-10-14
- NemoClaw（NVIDIA OpenShell 沙箱方案）：https://www.w3cschool.cn/ollamadocs/ollamadocs-integrations-nemoclaw.html
- Manus 1.5 发布说明：观猹产品页
- Codex 四种形态（CLI / App / Cloud / IDE）：CSDN，2026-07-27（页面当前抓取受限，结论以 OpenAI 官方文档为准）
- Codex 可复用云端开发环境：品玩/TechCrunch，2026-09-30
- Codex Security CLI（Apache-2.0）：OSCHINA，2026-07-29
- Claude Code 2.1 更新：腾讯新闻，2026-01-09
生态与分析
- Hermes Agent 评测（17K stars / 207 贡献者 / MIT / 学习闭环）：人人都是产品经理，2026-04-04
- Agent 框架图鉴（Hermes 技能市场 131 技能、Claude Code ARR 25 亿美元）：人人都是产品经理，2026-05-08
- Hermes GEPA 自进化机制解读：php.cn，2026-05-19
- Vibe Coding 全景（Collins 年度词、YC 90 天崩溃数据、2026 模型与 benchmark 现状）：人人都是产品经理，2026-08-12
- Vibe Coding 与规格驱动开发：掘金，2026-07-14；掘金，2026-04-29
- Claude Code vs Codex 使用体验与定价：至顶网，2026-08-13
说明：OpenClaw、Hermes 的 star 数与版本号在本文核对时（2026-11-11）已明显高于上表中的报道时点，引用时请以官方仓库为准；benchmark 数字来自二手汇总，仅作量级参考。