摘要：在大模型（LLM）开发日益激烈的今天，选择合适的 IDE 和 AI 辅助工具至关重要。本文记录了我在实际 LLM 项目中，从传统开发环境迁移到 AI-Native 工具的心路历程，并对 PyCharm, VS Code, Cursor 及各类 SOTA 模型进行了横向评测。

一、 前言：为什么我们需要重新思考 IDE？

在做 Python 项目时，PyCharm 和 VS Code 永远是两座绕不开的大山。对于传统的后端开发和脚本编写，PyCharm 无疑是王者；但在处理 LLM（大语言模型） 项目时，我发现工作流发生了微妙的变化——我们不再只是写代码，而是在处理数据、Prompt 和 API 调用。

二、 编辑器之争：PyCharm vs VS Code

在这个项目中，我主要使用了两款主流 IDE，它们各有千秋：

💡 经验之谈：

如果你在做 LLM 项目，经常需要查看 CSV、JSONL 格式的数据集，VS Code 的渲染速度和便捷性确实优于 PyCharm。这也是我在后期频繁切换环境的原因之一。

三、 进阶之路：AI 编程工具的引入

1. Cursor：救急的“外援”

有一段时间，我的 PyCharm 出现了严重的反应迟钝（Lag）问题。为了不耽误项目进度，我转向了 Cursor。

• 特点：基于 VS Code 构建，原生集成 GPT-4。

• 痛点：它是收费（Pro）工具。当我的免费 Token 额度用尽后，高昂的订阅费让我决定寻找替代方案。

2. WindSurf & Cascade：插件化的平替

回到 PyCharm 后，我安装了 Codeium 推出的 WindSurf 插件（其核心功能叫 Cascade）。

这简直打开了新世界的大门。相比于单一的 Copilot，它提供了更多的模型选择（Model Selection）：

• Kimi (Moonshot)：处理长文本上下文表现出色。

• GLM-4：国产大模型中的佼佼者，代码逻辑严密。

• SWE-agent：专注于软件工程任务的智能体。

四、 模型红黑榜：谁是最强 Coding LLM？

在项目中，我尝试接入了多种 API 进行测试，以下是我对主流模型的直观感受：

1. Claude 3.5 Sonnet：目前的编码之王，逻辑复杂时的首选。

2. GPT-4o / Codex：老牌劲旅，稳定性极高。

3. Gemini 1.5 Pro：超长上下文，适合分析整个代码库。

4. GitHub Copilot：适合作为“自动补全”工具，而非架构设计工具。

(注：部分模型在国内直接调用存在网络限制，需配置相应的 Proxy 环境。)

五、 总结与最佳实践建议

经过这一轮折腾，我总结出了一套高效的 LLM 开发环境配置：

1. 重度依赖数据清洗 →使用 VS Code。

2. 纯 Python 后端逻辑 →使用 PyCharm + WindSurf (Cascade)。

3. 复杂算法重构 →临时切换到 Cursor 或直接使用 Claude Web 端。

工具永远服务于需求，没有最好的 IDE，只有最适合当前 Task 的组合。

如果这篇文章对你有帮助，欢迎点赞、收藏、在看 ⭐️