为什么做这个测试

每次看到「XX 模型编程能力碾压全场」这种文章，我都会想一个问题：那些评测用的是标准的 benchmark 题，实际干活谁更好？

于是我做了一个不太严谨但很真实的小实验：拿同一个实际项目需求，分别让 DeepSeek、Claude 和 GPT-4o 来写代码，看看谁交的作业最靠谱。

测试场景

一个真实的小需求：写一个 Node.js 脚本，自动抓取某个技术网站的热门文章列表，提取标题、链接、摘要，然后生成一份 JSON 格式的日报。

要求：

• 支持 anti-crawler（随机 User-Agent、请求间隔）
• 输出结构化的 JSON
• 代码要有错误处理
• 支持配置目标网站和抓取深度

第一轮：代码生成

GPT-4o

速度很快，3 秒出答案。给的代码结构完整，注释清晰，甚至还加了 TypeScript 类型定义。但问题在于——它默认用了 cheerio + axios 的经典组合，没有考虑目标网站可能用 SPA 渲染。如果目标网站是 React/Vue 渲染的，这代码根本抓不到内容。

典型的 「看起来完美但实际有坑」。

Claude

Claude 用了更复杂的方案——先用 axios 请求判断页面是 SSR 还是 CSR，如果是 CSR 就自动切换 puppeteer。还贴心地加了一个读取 robots.txt 的逻辑。

代码量最大，考虑了最多的 edge case。但问题是：过度设计了。一个简单的抓取脚本，搞了 400 行，维护起来反而麻烦。

DeepSeek

DeepSeek 的方案是最务实的：axios + cheerio，但如果检测到没有关键内容，就报错提示「可能需要 headless 浏览器」。还用了 async/await 的流式处理，内存占用很低。

没有过度设计，没有花架子，刚好够用。而且中文注释写得很自然，改起来方便。

第二轮：Debug 测试

我故意给每个 AI 的代码里加了一个隐藏 bug（Promise.allSettled 的错误处理没做 res 检查），看谁能在 code review 时发现。

结果：

• DeepSeek：指出了错误，解释了为什么在并发场景下这可能引发静默失败
• Claude：同样发现了问题，还给了一张时序图说明问题发生过程
• GPT-4o：指出问题但解释比较简短，没有展开

在代码审查这个环节，三个模型差距不大，都合格。

第三轮：修改与迭代

我要求加一个功能：输出改为 Markdown 格式，并且把抓取失败的 URL 单独记录下来。

DeepSeek 和 Claude 都正确修改了代码结构，GPT-4o 的修改方案把原来的 JSON 输出功能也破坏了——因为它的修改 diff 不够精确，删了不该删的行。

这说明：在迭代修改已有代码的场景下，长上下文和代码理解能力确实重要。

我的结论

维度	DeepSeek	Claude	GPT-4o
代码速度	⭐⭐⭐	⭐⭐⭐	⭐⭐⭐⭐⭐
代码正确性	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐
代码实用性	⭐⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐⭐
Debug 能力	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐
修改迭代	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐

选哪个？

• 日常写代码：GPT-4o 最快，适合你知道怎么写只是懒得打的场景
• 复杂项目/重构：DeepSeek 最务实，它给的代码最接近「能直接投入生产」的状态
• 做原型/探索：Claude 最全面，适合你不知道自己不知道什么的场景

说到底，没有什么「最强的编程 AI」。不同的任务选不同的模型，就像不同的工具干不同的活。

💬 评论区聊聊：你用过的哪个 AI 写代码最顺？有没有被某个 AI 坑过的经历？👇