正文

分享一套个人在实践中跑顺的 AI 环境组合，核心思路是一专多能、控制成本。

我日常用 AI 的场景不只编码，信息整理、学习、日常决策都会用上。这些需求看起来分散，其实可以收敛到同一套环境和工具链里。

多数人的主力电脑是 Windows，生态丰富、日常软件成熟，没必要为了开发切系统。但 AI 工具链在 Linux 下更成熟——包管理方便、兼容性好、社区支持足。如果只是轻量开发，WSL 也完全够用；我最后选择虚拟机，是因为隔离性更强、重装和迁移成本更低。Windows 做桌面，Linux 跑工具，各司其职。

1. 整体架构

Windows 宿主机
  └─ VS Code + Remote SSH
       └─ SSH →
            Linux 虚拟机
              ├─ Claude Code / Codex 等 AI Agent 工具
              ├─ DeepSeek / GPT-5.5 等远程模型 API
              └─ Git / Node / Python / Docker 等开发工具链

Windows 负责桌面环境和 VS Code 交互，Linux 负责所有 AI 工具和开发工作。通过 VS Code Remote SSH 连接后，编辑体验和本地一致。

2. 各层职责

Windows 宿主机负责桌面环境和日常使用。Windows 的生态丰富，办公软件、浏览器、聊天工具、截图录屏这些日常应用成熟稳定，不需要额外折腾。大多数人的主力设备就是 Windows，保留它作为交互层，学习成本最低。

Linux 虚拟机是 AI 工具和开发环境的核心。Linux 下包管理方便、工具链完整，绝大多数 AI 工具在 Linux 上的安装和兼容性都更好，社区支持也更丰富。所有代码仓库、编译运行、AI 工具都放在这里。

VS Code 装 Remote SSH 插件连过去，Linux 端不需要桌面环境，一个终端就够了。此外，把 AI 工具和开发环境都隔离在虚拟机里，不会污染 Windows 本地环境——装错了删掉虚拟机重来就行，零心理负担。

3. AI 工具分工

两套工具各司其职，不互相替代。

Claude Code 是日常主力，通过第三方 Provider/API 配置 DeepSeek 模型。成本低、响应快，日常约 80% 的任务靠它解决。编码方面——写功能、改 bug、生成脚本；非编码方面——信息整理、方案讨论、日常问答，完全够用。

Codex 负责高难度任务，搭配 GPT-5.5 或当时最新的高能力模型。处理需要更强推理能力的场景：复杂逻辑梳理、架构设计、疑难调试，以及一些需要深度分析的讨论。剩下的约 20% 任务交给它。

这种分工的好处很直接：高频任务走低成本模型，不会因为 token 焦虑束手束脚；高难度任务切高能力模型，需要的时候能顶上。非开发场景也一样——日常问答走 Claude Code，深度分析才切 Codex。

4. 优点与注意事项

这套组合最大的优点是性价比。DeepSeek 极致性价比，日常咨询、编码可以放开用。VS Code Remote SSH 让远程开发和本地编辑没有体感差异，Linux 工具链也一个不落。

几个注意点：

• 插件体验：如果不想每次都切到 VS Code 终端里敲命令，可以装对应的 VS Code 插件，直接在编辑器侧边栏里交互，体验更流畅。
• API Key：不同模型的 API key 在 Claude Code 和 Codex 中分别配置，互不干扰。不要把 key 写进代码仓库，优先放在用户级配置或环境变量里。
• SSH 配置：第一次用 Remote SSH 时提前配好 SSH key 和 config，后续连接自动保持。
• 虚拟机配置：系统可以选 Ubuntu LTS 或 Debian；网络最好固定 IP 或做 DHCP 绑定，方便 VS Code Remote SSH 连接。

后续如果有闲置笔记本，可以直接装成 Linux 服务器，把环境从虚拟机迁移过去。甚至可以租一个云服务器，这个成本相较于 token 的花费其实也比较低。Remote SSH 的配置方式不变，连接目标从虚拟机 IP 换成服务器 IP 就行，迁移成本很低。

5. 适合与不适合

这套方案适合主力机是 Windows、又希望把开发环境和日常桌面隔离开的人。如果你经常用 CLI、Git、Node、Python、Docker，以及 Claude Code、Codex 这类 AI Agent 工具，统一放到 Linux 里会更清爽。

它不一定适合所有人。如果你只是偶尔写脚本，或者已经习惯 WSL，没必要为了换环境再折腾一套虚拟机。工具组合的目标不是追求复杂，而是让高频工作更稳定、更顺手、更便宜。