LLMs Have Different Taste on Coding

在使用过 Cursor、WindSurf Pro、Gemini Cli、Claude Code 等工具后，我发现一个有趣的现象，即每个 LLM 在回答/建议编程问题时都有其独特的“品味”。

以下是一些基于使用各家旗舰模型的发现。

Claude Sonnet 4 – 开拓者

这是目前最受欢迎的编程模型。与其他模型相比，它通常会按照你的要求执行，并且或多或少地完成你期望的工作。

最适合：搭建新项目和脚手架。

• 根据你的要求立即构建功能结构。
• 擅长定义路由、样板代码和高级功能。
• 它通常会帮助生成一个可用的项目或示例，并以最新的解决方案满足你的需求。

弱点：

• 在调试时，它经常忽略关键问题。例如，它曾经错误地识别了一个 CSS 类选择器，没有检查实际的 DOM 元素，而是根据经验猜测。
• 在要求它改进时，它会螺旋式上升：添加复杂的匹配逻辑，嵌套点击处理程序，甚至尝试点击每个嵌套元素——真的过度设计了。
• 如果一直要求它改进一些小事情或修改一些不符合预期的地方，它往往会把简单的事情复杂化。
• 它会在提供响应时产生大量的表情符号或图标，并且生成的代码也会包含表情符号（如果在代码中添加调试消息）。你可以要求它减少生成表情符号，它会听从。但过一段时间后，它又会这样做。

一旦陷入循环，我就切换到其他模型。它擅长启动项目，但不擅长调试。

 Gemini 2.5 Pro – 过度重构者

这款来自 Google 的模型似乎响应速度非常快，并且可以提供细节方面的建议，但似乎缺乏对全局的把握。它更像是一个捕捉和修复问题的模型。

最适合：修复错误。

如果项目的某个特定区域存在一些错误，它会在定位问题和提供修复方案方面表现出色。它曾经准确地解决了点击处理问题，并提供了一个清晰的解决方案，修复后立即生效。

但是：

• 对于下一个功能，它编写了冗长的解释，并重写了前面的代码，实际上是回滚了之前的工作。
• 它喜欢在流程中进行重构，有时会撤销之前的进展。
• 奇怪的是，在我责骂它之后，它道歉并修复了问题——但精神负担让人感到疲惫。

它很精确，但使用起来让人情绪耗竭。

GPT-4.1 – 外科手术式修复者

它也是一个或多或少可以帮助完成工作的模型，但需要更多的指导和审查。它往往非常谨慎，但乍一看并不那么自信。

最适合：渐进式改进和精确性。

• 回复简洁明了。
• 完美地处理小的更改——一点一点地改进一个函数。
• 大约 70% 的情况下第一次尝试就成功；对于剩下的情况，它会冷静而安静地迭代。

我坚持使用它的原因：

• 没有冗长、复杂的解释来干扰代理窗口。
• 我发现 Gemini 2.5 用代码术语解释它的伟大之处并没有帮助：
  1. 我不理解高科技的吹嘘。
  2. 如果我理解，我自己会写。

我不需要模型来夸夸其谈——我只需要事情干净利落地完成。

比较各种“品味”

最后的想法：选择你的“口味”

归根结底，LLM 具有不同的编码“品味”。这与找到最聪明的模型无关——这被高估了。而是要找到一种风格与你的工作流程相匹配的模型。这种个人的“品味”至关重要。有时，可以将一些模型组合起来，并在同一项目的不同阶段使用。