现在各方面的开源 Agent 太多了，用都用不过来，但是我周边很多朋友也还在用着 Claude Code，所以开源 Agent 和 Claude Code 到底谁更好用呢？

我选了 7 个开源 Agent 来和 Claude Code 对比：

• OpenCode：开源通用 Coding Agent
• DeepSeek Harness：插件化Harness
• Pi：极简 Harness
• Goose：通用/MCP Agent
• Cline：IDE Agent
• Aider：Git-native
• mini-SWE-agent：极简/研究型 Agent

用同一套提示词，同一个模型 deepseek-flash，看看谁的效果更好，谁耗 Token 更少。

 

01. 多 Agent 实测

 

case 1 经典的鹈鹕骑自行车

提示词：用 Three.js 做一个「鹈鹕骑车」的 3D 动画。

Claude Code：

沙漠公路、棕榈树和速度仪表形成了鲜明的视觉风格，画面有故事感。缺点是主角没手。

OpenCode：

鹈鹕、自行车、道路和树木都齐，整体建模和动画都没啥大问题。

DeepSeek Harness：

粉色界面和控制项很抢眼，却犯了核心建模错误：车轮横躺；整个车是倒着走的。

Pi：

一眼就能看出鹈鹕在踩自行车。天空、山峦和道路干净利落，但是手部与车把没连接好。

Goose：

头盔、围巾、车篮让鹈鹕更有性格，大喉囊也很醒目，就是有穿模。

Cline：

鹈鹕、车、脚踏的关系清楚。鹈鹕扶着车把，车架和车轮比例协调，就是车轮建模多了一圈红色的东西。

Aider：

完成了基础 3D 模型和运动，但没手，脚还是倒着蹬的。

mini-SWE-agent：

画面有明显瑕疵：辐条伸出轮胎。

本轮排名：

OpenCode> Claude Code > Pi > Goose >Cline > mini-SWE-agent> Aider > DeepSeek Harness

case 2 解读陌生项目

给 Agent 一份已有的订单报表项目，不告诉它计算逻辑。它要从命令行入口开始，找到数据在哪里读取、金额怎样计算、报表怎样汇总，再解释最终结果。

orderdesk/report.py：

提示词：我刚接手这个订单报表项目，想弄清楚 9 月报表的计算过程。请先阅读项目，允许运行本地命令，但不要修改已有代码或测试，也不要安装依赖或访问网络。追踪 python -m orderdesk.cli fixtures/orders.json 2026-09 从读取数据到输出的过程，并在项目里写一份 订单报表分析.md：列出最终完整 JSON；逐一说明哪些订单没有计入 net_revenue_cents 及原因；解释当前 repeat_customers 的计算方法。如果退款订单以后不能用于判定复购，应该改哪个函数的哪段逻辑，9 月结果又会变成多少？请标出关键文件和函数名。不要在原始文件上改动。

Claude Code：

 

资料最详尽，但也最冗长，并明确写了两位客户的复购判定都依赖退款订单，紧接着又算出 lin 去掉退款单仍有两单。关键因果判断自相矛盾。

OpenCode：

报告简洁，所有数值和修改建议都对。但 lin 的复购部分依赖 A-104不够准确：退款单影响了 lin 的计数，并不影响他是否达到复购门槛。

DeepSeek Harness：

证据和行号很全，没有核心错误；不过重复解释较多，还延伸到部分退款等题外情况，读者抓结论要花更久。

Pi：

计算过程完整，却写成 lin 和 zhou 都因此被判定为复购。实际只有 zhou 的复购资格依赖退款单；报告后面的改后结果又说明 lin 仍算复购，前后表述不一致。

Goose：

篇幅适中，调用链、逐单原因和复购变化都讲清楚了，尤其准确抓住 zhou 的第二单来自退款订单。

Cline：

追踪细致，准确说明退款单是被排除，而非作为负数冲减收入；还指出改口径后现有测试的预期值需要更新。稍长，但没有偏离问题。

Aider：

解释最干净。明确指出 lin 去掉退款单后仍有两笔有效订单，只有 zhou 会失去复购资格；建议复用已有的 fulfilled 列表，改动位置也准确。

mini-SWE-agent：

完整且准确，同时给出排除取消和退款与只保留已履约两种改法，并说明它们在当前数据下结果相同。表达略平，改动位置可以再精确到代码行。

本轮排名：

Aider > Cline > Goose > mini-SWE-agent > DeepSeek Harness > OpenCode > Pi > Claude Code

Case 3 Bug 修复

这个 case 会看 Agent 是否先利用现有测试确认现象，修改是否集中在出错的逻辑，以及有没有补上边界测试。

checkout/service.py：

提示词：结算页有用户反馈：用了折扣券后，商品实付金额不足 50 元，页面仍然免运费。规则是折扣后的商品金额达到 5000 分才免运费，否则收 600 分；全额折扣也不能免掉运费。请先运行现有测试复现问题，再定位并修复。只改必要代码，补一条有意义的边界回归测试，最后运行全部测试，告诉我根因、修改文件和测试结果。不要安装依赖或访问网络，不要在原始文件上改动。

Claude Code：

用 6000 分全额折扣，并同时断言原价、折扣、运费和总价，检查最完整。

OpenCode：

用 6000 分全额折扣，验证折扣、运费和总价；修复准确，没有多余改动。

DeepSeek Harness：

分别用 8000 分和 10000 分全额折扣，同样能抓住原始错误，只是离 5000 分边界更远。

Pi：

分别用 8000 分和 10000 分全额折扣，同样能抓住原始错误，只是离 5000 分边界更远。

Goose：

都价恰好 5000 分、折扣 100% 的用例，验证折后商品金额为 0 时运费仍是 600 分。修复和测试都很克制。

Cline：

用 6000 分全额折扣，验证折扣、运费和总价；修复准确，没有多余改动。

Aider：

原价恰好 5000 分、折扣 100% 的用例，验证折后商品金额为 0 时运费仍是 600 分。修复和测试都很克制。

mini-SWE-agent：

同样测试 5000 分边界；它把回归测试放进新文件，保留了原测试文件。

本轮排名：

Goose = Aider = mini-SWE-agent > Claude Code = Cline = OpenCode = Pi = DeepSeek Harness

Case 4 代码重构

这个 case 重构的难点在于守住原有行为：调用方式、返回数据、金额舍入和错误处理都要保持一致。

csv_source.py：

json_source.py：

提示词：ledgerimport/csv_source.py 和 ledgerimport/json_source.py 重复处理日期、金额和状态。我想把字段规范化逻辑收敛到一个共享实现。请保持 load_csv(text) 和 load_json(text) 的签名、返回结构，以及现有有效和无效输入的行为不变。不要引入第三方依赖或改变数据格式。请增加至少一个同时检验 CSV 和 JSON 边界输入的测试，运行全部测试，并说明改动为什么没有改变功能，不要在原始文件上改动。

Claude Code：

共享逻辑收得干净，还把原始实现作为对照，逐项比较返回值、异常类型和消息。对重构不能改行为验证最有说服力。

OpenCode：

代码简洁且测试通过，但新增验证最薄，主要检查几种正常输入、非法日期和状态。

DeepSeek Harness：

保留了 45 条重构前行为样本，连异常消息也逐条核对，验证很充分。不过 CSV 和 JSON 入口仍各自重复组装记录，代码和测试也偏繁复。

Pi：

用一个 normalize_record() 消除了重复代码，边界测试覆盖正负金额舍入、空输入和非法状态；缺少直接与原版对照的验证。

Goose：

实现简洁，边界测试覆盖舍入、空输入和错误状态；另做了 1279 次新旧实现对比，结果没有差异。核对脚本写死了本机路径，移到别处不能直接复用。

Cline：

共享模块和项目内测试做得完整，但附带的「与原版对比」脚本把新版本路径指向了 Goose 的文件夹，因此脚本跑通也不能证明 Cline 的结果。

Aider：

两个入口都直接调用同一个 normalize_record()，改动利落；测试检查了金额边界和异常一致性。但验证较窄。

mini-SWE-agent：

重构正确，日期、金额、状态都有新增测试；非法金额和异常优先顺序没有单独覆盖。

本轮排名：

Claude Code > Goose > DeepSeek Harness > Aider > Cline > Pi > mini-SWE-agent > OpenCode。

Case 5 代码审查

这个 case 中 Agent 需要像审查同事的 PR 一样，判断哪些改动可能造成实际问题。refunddesk/refunds.py：

提示词：请帮我审查这次退款改动。需求写在 PR_DESCRIPTION.md，本次代码变化可以用 git diff HEAD 查看。只指出会导致实际错误的缺陷，不给格式或命名建议。你可以阅读代码和运行测试，但不要修改代码或测试，也不要安装依赖。请在项目里写一份 review-notes.md：每个问题给出文件和行号、触发场景、后果以及建议的修复方向；没有把握的问题不要写，不要在原始文件上改动。

Claude Code：

逐项给出触发场景、实际结果和修复代码，还把并发风险说明为原有问题，没有混进本次 PR 的缺陷。证据最完整。

OpenCode：

报告短，但每条都有触发条件、业务后果和具体修法；明确指出三处改动要分别修复。

DeepSeek Harness：

三处问题都找到了，但给出的修复示例把 order.refunded = True 放在网关调用之前。如果网关调用失败，订单可能已被标记为退款完成。

Pi：

准确关联了 PR 要求、三处代码改动和三个失败测试，修复建议也正确；内容简略。

Goose：

问题和影响都找对了，但把 wallet.credit 标为第 5 行，实际在第 6 行；重复退款检查的行号也有偏差。代码审查报告里的定位错误会增加核对成本。

Cline：

三处问题与失败测试一一对应，位置、后果和修复方向都准确，审查意见可以直接交给开发者处理。

Aider：

三处缺陷判断准确，尤其说清了先退款、后报错仍会造成资金副作用。但报告没有列出完整测试运行结果。

mini-SWE-agent：

三处缺陷和修复方向均正确，写得简洁；缺少测试结果或实际输出作为支撑。

本轮排名：

Claude Code > Cline > OpenCode > Aider > Pi > Goose > mini-SWE-agent > DeepSeek Harness

Case 6 前端页面

这个 case 考察 Agent 如何拆解页面任务、修改 CSS、检查桌面和手机效果的能力，以及发现问题后是否继续调整。

提示词：请为虚构独立书店「行间」完成一个新书策展页，面向喜欢实体书、偏爱安静阅读空间的城市读者。交付本地双击 index.html 就能打开的页面。使用 books.js 里的 6 本书和 assets/ 中的封面；页面要有品牌区、新书主视觉、书目展示和一小段书店介绍。用户应能按分类筛选，点击「加入书袋」后右上角数量立即更新，刷新后仍保留；筛选不能清空已加入数量。请兼顾 1440px 桌面和 390px 手机，避免横向滚动，保证键盘可操作和文字可读。只用原生 HTML、CSS、JavaScript，不用 CDN、远程字体或图片、组件库，也不要安装依赖。完成后说明设计思路，并列出你实际验证过的交互和视口，不要在原始文件上改动。

Claude Code：

书店的安静气质做得很完整，桌面三列书卡、手机单列横向书卡都整齐；书袋还能调整数量。

OpenCode：

首屏有明确的书店风格，信息层次也清楚。手机端坚持两列书卡，文字显得偏小；右上角书袋只显示计数。

DeepSeek Harness：

面端的纸张底纹、主推卡片和深色页脚有辨识度；手机端六本书逐本占满一列，页面实测约 6274px 高，浏览效率明显下降。

Pi：

三本叠放的封面、标题和留白形成了最清楚的首屏；手机端改成易读的横向书卡。书袋面板也能查看所选书目，视觉与使用体验最均衡。

Goose：

排版稳定，桌面三列和手机单列都便于浏览；书袋面板有书目与合计金额。主视觉只突出一本封面，记忆点稍弱。

Cline：

桌面书卡和手机阅读顺序都处理得好，但页面仍写着2025 春季，与其他成品的秋季新书主题不一致；书袋只有数量展示。

Aider：

页面干净，手机端书卡易读，但主视觉只有一本封面，关于书店又排在书目之前，浏览新书要多滑一段。书袋按钮点击后会跳向书目，没有书袋详情。

mini-SWE-agent：

功能可用，也有书袋面板；但桌面书目排成五本一行、最后一本单独一行，手机端两列书卡又让文字和按钮偏挤，版式完成度最低。

本轮排名：

Pi > Claude Code > Goose > Cline > OpenCode > Aider > DeepSeek Harness > mini-SWE-agent

 

02. 实测花费

 

• Claude Code：¥1.18，7,904,689 Tokens
• OpenCode：¥1.60，10,479,617 Tokens
• DeepSeek Harness：¥1.92，35,950,662 Tokens
• Pi：¥0.64，3,201,291 Tokens
• Goose：¥1.08，7,762,504 Tokens
• Cline：¥1.97，11,145,123 Tokens
• Aider：¥0.40，138,921 Tokens
• mini-SWE-agent：¥2.28，19,943,150 Tokens

六个 Case 的 总花费从高到低：

mini-SWE-agent（¥2.28）＞Cline（¥1.97）＞DeepSeek Harness（¥1.92）＞OpenCode（¥1.60）＞Claude Code（¥1.18）＞Goose（¥1.08）＞Pi（¥0.64）＞Aider（¥0.40）。

 

03. 挖一挖

 

六个 Case 跑下来，Agent 确实会影响结果。

3D 动画和前端页面的差距更直观，完成任务与做出好看的成品是两回事。

Claude Code 在重构和代码审查中表现最好，验证和结论都有较扎实的依据，但在订单分析中也出现了关键误判。

开源 Agent 里，Goose 整体发挥较稳；Aider 擅长读项目和处理小范围修改；Pi 的前端页面最出彩；OpenCode 在 3D 动画中交出了亮眼结果。没有哪个 Agent 六轮都领先。

API 账单也得和结果放在一起看：Aider 只花了 ¥0.40，Pi 只花了 ¥0.64；mini-SWE-agent 花了 ¥2.28，却没有取得更高的整体排名。

如果按本轮结果选择，我建议把 Claude Code 用于重构和代码审查，日常使用开源 Agent 先试 Goose；重视费用可以试 Aider，做前端页面可以试 Pi。

当 Agent 进入日常开发流程，值得比较的就不只有一次生成的效果，还有它能否持续交付正确结果，以及团队为此实际付出了多少成本。

原文链接：7 个开源 AI Agent vs Claude Code 横评，谁更好用？