Claude Code 翻倍、Cursor 推 Origin、Copilot 跌到 21%——AI 编程工具市场正在重新洗牌

8 月 18 日,JetBrains 发了 2026 年开发者生态调查报告。15,000 多名专业开发者的回答,画出了一张和半年前完全不同的 AI 编程工具版图。

先看三个数字,你自己品:

  • Claude Code 从 1 月的 18% 涨到了 39%,翻了一倍多
  • GitHub Copilot 从 29% 掉到了 21%,丢了近三分之一的份额
  • 90% 的开发者每周至少用一次 AI 编程工具

半年前谁跟我说 Claude Code 能超过 Copilot,我会觉得他疯了。但事实就是这样------Anthropic 那个命令行工具,从去年 5 月的 4% 起步,18 个月后成了全球开发者用得最多的 AI 编程工具。

这事有意思的地方在于,它不是靠一个功能打赢的。Claude Code 没有任何花哨的 UI,没有可视化编辑器,连个正经的 IDE 插件都没有。它就是个终端里的命令行工具。但开发者偏偏吃这一套------JetBrains 的调查里,Claude Code 的满意度是所有工具里最高的。

为什么?

我自己的感受是,Claude Code 解决的痛点和 Cursor、Copilot 不太一样。后两者更倾向于"帮你写完这段代码",而 Claude Code 从一开始就定位在"帮你完成这个任务"。它不需要你盯着编辑器,你给它一个目标,它自己去跑、去试、去改,然后回来告诉你结果。这种"委托式"的工作流,跟过去一年整个行业从"代码补全"到"编码智能体"的转变完全合拍。

GitHub Copilot 不是没看到这个趋势。2026 年 3 月,Copilot 的 Agent Mode 正式 GA,6 月还发了桌面版应用。但问题是,它起步晚了。当 Copilot 还在做代码补全的时候,Cursor 已经在做 Agent 了;当 Copilot 开始做 Agent 的时候,Claude Code 已经让开发者习惯了"扔个 issue 等 PR"的工作流。

再来看 Cursor。8 月 19 日,Cursor 发了一波大更新,直接把 Cloud Agents 的能力拉到了一个新的层级。

最核心的变化是三个:Subscriptions(订阅)、/goal 命令、子代理独立虚拟机。

Subscriptions 的意思是,Cursor Agent 不再只等着你敲命令。它可以订阅一个 PR、一条 Slack 线程、或者一个定时任务,那边一有动静,它就自己醒过来干活。它自己开的 PR 会自动跟踪到底,CI 挂了它去修,bot 评论了它去回。你不需要再盯着它。

/goal 命令更狠。你告诉它一个长期目标,比如"修好所有 flaky test 让 CI 变绿",它会在多个会话之间持续追踪这个目标,直到完成。断开连接了?回来继续,它记得进度。

子代理跑在独立的 Firecracker microVM 里,每个子代理有自己的项目副本,环境隔离,互不干扰。以前主代理和子代理共享同一个运行环境,文件冲突、资源争抢都是家常便饭。现在每个子代理各干各的,并行效率高了一个档次。

但 Cursor 最让我意外的不是这些功能,而是 8 月 22 日------就是今天------他们推出了 Origin 代码托管平台 Beta 版。

一个 AI 编程工具公司,自己搞了个代码托管平台。这事往小了说,是"给 AI Agent 频繁提交代码的场景做个专用平台";往大了说,Cursor 正在从"编辑器插件"变成"完整的 AI 原生开发环境"。它能监控 PR、能跑 CI、能管代码仓库------你越来越不需要离开 Cursor 的生态去完成任何开发任务。

这让我想起了一个问题:当 AI 编程工具能够自己写代码、自己提 PR、自己修 CI、自己部署,那开发者的角色到底变成了什么?

JetBrains 的调查里还有一个数据值得注意:68% 的开发者每天都用 AI 编程工具,但只有 42% 的人觉得这些工具真的提升了他们的生产力。"用了"和"用好了"之间,差距还是很大的。

我自己的观察是,真正能用好 AI 编程工具的开发者,不是那些"什么代码都让 AI 写"的人,而是那些"知道什么时候让 AI 写、什么时候自己写"的人。工具越强,对人的判断力要求越高。

你觉得呢?AI 编程工具的未来,是像 Cursor 这样"自己做一套完整生态",还是像 Claude Code 这样"做好一个命令行工具然后接入别人的生态"?欢迎评论区聊聊。

相关推荐
蓝速科技2 小时前
蓝速科技信创落地:平衡安全合规与项目成本的实战方案
android·运维·人工智能·科技·安全·电脑·鸿蒙
Web3&Basketball2 小时前
vLLM部署开源大模型实战:显存、命令与成本核算
人工智能·深度学习·大模型·ai技术·vllm
Dawson Zhu2 小时前
图结构(Graph)如何重构智能体认知?从DAG规划到GraphRAG的技术拆解
人工智能·语言模型·重构·架构·aigc
爱炼丹的James2 小时前
从技术名词堆积到知识图谱:如何建立自己的大模型技术体系
人工智能·llm·知识图谱
lancyu2 小时前
关于多轮对话机器人的上下文Token优化和解决方案
人工智能·python·深度学习·机器学习·chatgpt·机器人·prompt
xier_ran2 小时前
【infra之路】GPU 执行与存储层次全景关系图
人工智能·深度学习·cuda
奈斯先生Vector2 小时前
从 127.0.0.1:3080 到插件运行时:DeepSeek Harness 远程开发与版本治理实战
linux·运维·人工智能·ubuntu·aigc
joinwell522 小时前
AI Agent 的技能不是工具权限:为什么“会怎么做”和“允许做什么”必须分开?
人工智能
IT_陈寒2 小时前
Vite动态导入差点让我秃头,原来问题出在这
前端·人工智能·后端
luckystar513~3 小时前
自己动手写Agent Harness【agent tools】:给它装手和眼睛(工具注册与执行流水线)
人工智能