今天，知乎上又出现了一个熟悉的问题：目前的 ai 编程工具哪个效果好一些，cursor、claude、codex 这些该怎么选？有答主把 11 款主流产品的设计文档和工程博客系统拆了一遍，结论是：没有哪个最好，只有哪家的骨架适合你的场景。知乎 这类选型讨论在 2026 年几乎天天都有，主角来来去去也总是那几个：Claude Code、Codex、Cursor、Qoder。
但把最近几个月的横评、源码精读、实测笔记翻一圈，你会发现有个名字一直没缺席——Aider。它有点像 AI 编程圈的老资格：热搜上见不着它，可一到排座位的时候，总得给它留把椅子。
这反而让我好奇：都说 AI 编程工具卷得快、更新快，这个 2023 年出道的老家伙，现在到底什么状况？我把 GitHub 的实时数据，加上知乎、B 站、小红书上的讨论都翻了一遍。先说结论：2026 年的 Aider 依然值得装，但只对几类特定的人值得，其他人可以绕道。
一组可能让你意外的数据
我今天实时查了 GitHub：Aider-AI/aider 仓库的 star 数是 48,395，fork 4,800 多。而 7 月小红书上有开发者盘点时，给出的数字还是 47,190 颗 star、PyPI 安装 680 万次、OpenRouter 用量 Top 20。小红书 一个多月，star 又涨了 1200 多。
可另一边的版本记录，安静得反常。最后一个正式 release 是 v0.86.0，发布于 2025 年 8 月 9 日——到今天正好一年。这一年里，仓库只多出 v0.86.1、v0.86.2 两个补丁 tag；主分支最近一次提交停在 5 月下旬，合并的两笔还都是社区 PR，一笔给模型名单加上了 Claude Opus 4.5，另一笔给 RepoMap 补了 bash 支持。没关闭的 issue，还躺着 1800 多个。
一边是官方节奏近乎停摆，一边是 star 悄悄上涨、横评文章里持续被点名。它凭什么没凉？
它把一件没过时的事做到了底
先快速对齐一下 Aider 是什么：一个跑在终端里的 AI 结对编程工具，在 git 仓库里启动，把文件加进聊天，用自然语言下指令，模型改完代码自动提交。它不绑定任何一家的模型服务，只要是 OpenAI 兼容接口都能接，也就是常说的 BYOK（Bring Your Own Key）。
7 月底，知乎上一篇源码精读把 Aider 的设计价值总结成了一句话：它在模型输出和文件修改之间，加了一层可检查的合同。知乎 合同的一半叫补丁格式。Aider 不把模型回复当最终结果，模型必须按预设格式输出修改，解析器再把它变成真实的文件操作；解析失败就报错，错误反射回下一轮对话让模型改，不存在好像改了又好像没改的中间态。Aider 作者做过一个被反复引用的实验：同一批模型、同一批任务，只改编辑输出格式，成功率差出 3 倍——GPT-4 Turbo 从 20 分提到 61 分。知乎 今天大家挂在嘴边的 harness 工程，这个实验仍是绕不开的注脚。
合同的另一半是 Git 边界：每次改动自动 commit，/undo 随时回滚，所有修改都落进 git 历史，而不是消失在聊天记录里。用源码精读里的话说，coding agent 最危险的状态，是看起来改成了，实际把错误位置、过期上下文或用户未提交改动吞掉了，而 Aider 的答案是——失败必须被看见。
现在的 Aider，更像是基础设施
这是我翻资料时觉得最有意思的部分：Aider 的角色，早就超出了一个写代码工具。
第一个角色：给模型测编程能力的公开考场。Aider 自带一套 polyglot 编程基准，新模型发布，社区的第一反应就是丢上去跑一遍。去年 1 月，DeepSeek R1 加 Sonnet 的架构师加编辑者双模型组合，就是在这个榜单上登顶的。微博 后来 Llama 4 发布，也有人拿这套基准去测，结论是它的编程能力和体量小得多的 Qwen-32B 打了个平手。知乎
第二个角色：学 agent 工程的教材。今年 Loop Engineering、Harness Engineering 这些概念火起来，Aider 的源码成了被反复拆解的范本，小红书上甚至出现了拿它架构拆解准备面试的笔记。8 月中旬还有人把官方基准任务完整跑了一遍，当成 agent 评测的练手项目，测评笔记的判断很直接：作为早期项目，Aider 也不是一个自进化 Agent。小红书 言下之意是，把它当成理解 coding agent 该怎么搭的模板，它足够经典。
第三个角色：不被绑定的样板。7 月一篇 20 多款产品的横评里，作者特意提到：Aider、OpenCode、CodeGeeX 等开源工具增长迅猛，BYOK 模式让开发者完全掌控成本和数据。知乎 同一篇文章里还有个数字：59% 的开发者同时使用 3 款以上 AI 编程工具。对大多数人来说，选型早不是单选题，而是组合题。
因为什么 OpenAI 兼容接口都能接，Aider 成了国内性价比玩家的首选载体。今年 1 月知乎上有篇标题很直的帖子：别再被 Claude Code 绑架了，阿里云加 Aider 是国内零门槛白嫖 AI 编程的终极指南，思路就是接阿里云百炼的免费额度，配好接口地址，用 qwen-long 把 aider 跑起来。知乎 也有人干脆走纯本地路线，用 Ollama、llama.cpp 这类方案搭本地工作流，代码不出机、不烧 API、断网也能干。小红书
但实话实说：这位老将真的老了
推荐之前，把风险说清楚：
第一，官方维护节奏明显放缓。一年没有 minor 版本发布，新模型进名单要靠社区 PR，新功能别指望官方。第二，它不是自主智能体。Aider 的模式仍是结对编程：你加文件、下指令，它改，你审。它不会像 Claude Code、Codex 那样自己规划、拆任务、长时间自主执行，如果你的预期是甩个任务等交付，Aider 会让你失望。第三，它有命令行和配置门槛，用惯了一键安装包和订阅服务的朋友，需要一点适应成本。
所以谁该装？我说得直接点
强烈建议试试的人：
想用国产模型、免费额度的：接百炼这类接口，成本几乎为零；
本地模型玩家：Ollama、llama.cpp 路线成熟，今年还有新教程在更新；
Git 控制强迫症：一次改动一个 commit，随时回滚，AI 改的每一行都有迹可循；
想搞懂 AI 编程代理原理的：读 Aider 源码，等于读 agent 时代的入门教材；
项目代码不能上云的：Apache-2.0 开源，本地就能跑，数据不出机器。
可以直接绕道的人：
要最强自主执行能力的，去看 Claude Code、Codex；
离不开 IDE 的，去看 Cursor、Trae、Copilot；
想要官方迭代快、社区热闹的，去看 2025 年后出的那些新工具。
真上手的话，几个实用提示
安装一行命令：pip install aider，建议用 conda 隔离环境，免得依赖打架。接国产模型走标准 OpenAI 兼容路线：设置 OPENAI_API_BASE 和 OPENAI_API_KEY，再用 --model 参数指定模型启动。选模型前，可以先去 aider.chat 的 leaderboard 看看它在 polyglot 榜单上的成绩——这个榜单本身，如今也是社区观察模型编程能力的晴雨表。
实际用起来，交互很简单：把文件加进聊天，用自然语言描述需求，Aider 改完自动提交，甚至支持语音输入。
最后留两个继续观察这个项目的信号：会不会出 v0.87，leaderboard 还更不更新。只要这两件事还在动，这位老将的故事就还没完。
