四家终端编码 agent 横评:体积、启动、入口
同一台机器上实测四家终端编码 agent 的安装体积、启动耗时、非交互调用方式与失败模式,给出按场景选型的明确结论,不只堆参数。
大多数人选终端编码 agent 靠的是"别人说好",而不是自己量。这篇文章只做一件事:在同一台 Windows 机器、同一个网络、同一天,把四家 CLI 的安装体积、启动耗时、非交互入口和失败模式全部跑一遍,然后明确说出什么场景该选谁。
环境是固定的,可以复现:
node -v # v22.19.0
npm -v # 11.19.0
codex --version # codex-cli 0.169.1
claude --version # 2.1.327 (Claude Code)
gemini --version # 0.68.0
opencode --version # 1.19.6一、安装体积:差 4.5 倍,这是第一道筛选
用 du -sh 量 AppData/Roaming/npm/node_modules 下的实际占用:
| CLI | 安装体积 | 文件数 | 形态 |
|---|---|---|---|
@google/gemini-cli | 109 MB | 522 | 纯 JavaScript,文件多而碎 |
opencode-ai | 204 MB | 6 | 少量大文件,疑似内含原生二进制 |
@anthropic-ai/claude-code | 363 MB | 11 | 少量大包 |
@openai/codex | 492 MB | 50 | 最大,接近 4.5 倍于 Gemini |
体积本身不是缺点——Codex 492 MB 里有相当部分是它自带的沙箱与执行层。但它决定了冷启动成本,也决定了你在 CI 镜像里能不能随手装一个。
二、启动耗时:三次数,取稳定值
--version 是最小可执行路径,能隔离掉网络和模型推理,纯粹测"进程起来要多久"。每家跑三次:
| CLI | 第 1 次 | 第 2 次 | 第 3 次 | 稳定值 |
|---|---|---|---|---|
| codex | 196 ms | 149 ms | 142 ms | ≈145 ms |
| claude | 1156 ms | 90 ms | 91 ms | ≈90 ms |
| opencode | 1133 ms | 354 ms | 367 ms | ≈360 ms |
| gemini | 1229 ms | 1206 ms | 1196 ms | ≈1.2 s |
两个反直觉的结论:
第一,Claude Code 第一次 1156 ms,后两次 90 ms。首跑在写缓存/校验,稳态其实最快。如果你只看第一次就下结论,会严重冤枉它。
第二,Gemini CLI 三次都是 1.2 秒上下,没有任何下降。说明它不是一次性初始化,而是每次都在做固定开销。在"每个文件调一次 agent"的流水线里,这个成本会乘以调用次数。
三、非交互入口:这才是能不能自动化的分水岭
四家的非交互参数命名完全不统一,写自动化脚本时必须逐个查 --help:
codex exec --skip-git-repo-check -s read-only "你的提示词"
claude -p "你的提示词"
gemini -p "你的提示词"
opencode run "你的提示词"我用同一句提示词("回答两个字:好的")实测,只看能不能在无人值守下跑完:
| CLI | 非交互命令 | 结果 | 墙钟耗时 |
|---|---|---|---|
| codex | codex exec -s read-only | 成功,stdout 输出"好的" | 25.5 s |
| claude | claude -p | 成功,stdout 输出"好的" | 60.6 s |
| gemini | gemini -p | 卡住,等交互式授权 | >6 min,手动 kill |
| opencode | opencode run | 未完成实测(待核实) | — |
Gemini 的失败非常有代表性。它没有报错,而是往 stdout 打了一行:
Opening authentication page in your browser. Do you want to continue? [Y/n]:然后一直等 stdin。如果你的脚本没有重定向 < /dev/null,这一行会安静地挂六分钟以上,看起来像"模型在思考"。这就是典型的伪失败:不是不可用,而是"需要你手动确认一次"。
顺带一个所有 Windows 用户都会撞上的坑:
timeout 20 codex --version # exit=126,stdout 0 字节,stderr 0 字节
codex --version # exit=0,正常输出timeout 作用在 npm 生成的 .cmd 垫片上会返回 126 且什么都不打印。包一层 shell 就好了:timeout 20 sh -c 'codex --version' 返回 0。所以测超时的脚本,别直接对 .cmd 用 timeout。
四、上下文管理与并行能力
这一项我没法用统一基准量化(各家窗口大小与压缩策略不同,且随账号档位变化,具体数值待核实),只能给出机制层面的差异:
- Codex:
exec支持-s/--sandbox分级,把"能不能写文件"变成显式参数,配合只读沙箱做代码审查很稳。 - Claude Code:
--output-format stream-json、--max-turns、--permission-mode一整套,帮助信息里相关行有 45 处匹配,是四家里可编程性最强的。 - Gemini CLI:
--approval-mode有default/auto_edit/yolo/plan四档,plan是只读模式,思路和 Codex 的 sandbox 类似,但默认档仍需交互。 - OpenCode:
--session/--continue/--fork三个参数直接对应"续会话、续上次、分叉",对长任务最友好;另有opencode acp可以当 ACP server 被别的客户端驱动。
关于真正的"并行":四家默认都是单线程的对话循环,不要指望一个 CLI 进程内部并发跑子任务。要并行只能自己起多个进程,各自 cd 到不同工作目录——这也意味着你必须自己解决写作用域隔离,否则两个 agent 会互相覆盖文件。
五、失败恢复
我把观察到的问题按"能不能自愈"分级:
我当时以为:CLI 退出码非 0 就代表出事了。 实际是:最危险的失败是 exit 0 / exit 126 + 零输出。
timeout打在.cmd上返回 126,stdout 和 stderr 都是 0 字节,日志里干净得像成功。
真正需要防的是这一类:
- 授权未完成,进程挂起(Gemini,无超时)
- 包装层吞掉退出码(Windows
.cmd+timeout) - stdout 有内容但内容不是结果(横幅、警告混进输出)
Codex 会把配置问题打成 warning:——我这次就跑出 7 条 unrecognized configuration settings(例如 disable_response_storage 被忽略)。这类警告不影响退出码,但意味着你的配置没生效,属于必须读 stderr 的场景。
结论:什么场景选谁
不和稀泥,直接给判断:
| 你的场景 | 选谁 | 理由 |
|---|---|---|
| 无人值守批处理、CI 里跑 | Codex | exec + 显式只读沙箱,25 s 跑完最小任务,失败模式最干净 |
| 需要精细控制轮次/输出格式/权限 | Claude Code | 可编程参数最多,stream-json 便于二次解析 |
| 已经在 Gemini 生态、且能接受一次人工授权 | Gemini CLI | 体积最小(109 MB),但默认档必须有人守着 |
| 长任务、要续会话或分叉实验 | OpenCode | --session/--fork 是四家里唯一把这层做实了的 |
| 只想在本地随手问一句 | 谁都行,别装两个 | 体积和启动开销都不值得 |
如果只能留一个:Codex。不是因为它最强,而是因为它在"无人值守"这个最难的维度上失败得最干净——25 秒出结果、退出码可信、警告写在 stderr 而不是混进 stdout。剩下的都可以用脚本补。
下一步
想继续深挖的,建议按这个顺序自己量一遍:① 用真实仓库任务替换那句"回答两个字",看长任务的墙体差异;② 在你的网络下重测 Gemini 的授权流程,确认它是否只是一次性的;③ 记录每家的 token 消耗(我用的方法是读会话级缓存报告,见 method 分类里的成本测算那篇)。数字会随版本变化,但测量方法不会。