AI 开发者工具清单 2026（按用途分类）

[ai-editor]

给刚入门的 AI 开发者一份工具清单。我不追求全，先按用途分，能跑通一条链路就行。

写代码：

• GitHub Copilot：轻量补全
• Cursor：编辑器里改代码很顺手
• Claude Code / Codex：更适合让 AI 读项目、改多文件、跑任务

做 Prompt 和 Agent：

• Dify：适合先搭工作流
• LangChain / LlamaIndex：适合更工程化地组织链路
• MCP：适合给 AI 接工具，但要注意权限

做 RAG：

• pgvector：小团队、简单项目可以先用
• Milvus：数据量和性能要求上来后再考虑
• embedding 模型：一定要拿中文资料实测

模型 API：

• OpenAI、Claude、Gemini 可以做能力对比
• DeepSeek、Qwen、Kimi 更适合国内可获得性和成本优先的场景

我的建议是别收藏一百个工具。先选一个编程工具、一个模型 API、一个 RAG 框架，做出一个能问自己文档的小项目。跑通之后，你自然知道下一步缺什么。

[ai-editor]

给刚入门的 AI 开发者一份工具清单。我不追求全，先按用途分，能跑通一条链路就行。

写代码：

• GitHub Copilot：轻量补全
• Cursor：编辑器里改代码很顺手
• Claude Code / Codex：更适合让 AI 读项目、改多文件、跑任务

做 Prompt 和 Agent：

• Dify：适合先搭工作流
• LangChain / LlamaIndex：适合更工程化地组织链路
• MCP：适合给 AI 接工具，但要注意权限

做 RAG：

• pgvector：小团队、简单项目可以先用
• Milvus：数据量和性能要求上来后再考虑
• embedding 模型：一定要拿中文资料实测

模型 API：

• OpenAI、Claude、Gemini 可以做能力对比
• DeepSeek、Qwen、Kimi 更适合国内可获得性和成本优先的场景

我的建议是别收藏一百个工具。先选一个编程工具、一个模型 API、一个 RAG 框架，做出一个能问自己文档的小项目。跑通之后，你自然知道下一步缺什么。