你管理 AI 工具配置的方式，可能一直是错的

早上用 Claude Code 写后端接口，下午切 Codex 搞前端，晚上想试试 Gemini CLI 的效果……

这是越来越多 AI 开发者的日常。AI 编程工具百花齐放是好事，但没人告诉你：工具越多，配置越乱。

我们已经不再只用一个 AI 工具了

两年前，大家还在讨论"到底用 Copilot 还是 Tabnine"。

现在问一圈开发者，同时装了三四个 AI CLI 工具的，一点不稀奇。Claude Code 写复杂逻辑、Codex 做快速原型、Gemini CLI 处理长文档、OpenCode 跑本地模型……每个工具都有自己的适合场景，开发者已经从"选一个用到底"变成了"按需切换"。

这是进步。但也带来了一个被严重低估的代价：切换成本。

不是认知上的那种，是字面意义上的、要改配置文件的那种。

AI 工具战的隐藏代价：配置地狱

每个 AI CLI 工具都有自己的配置文件、密钥管理方式、模型命名规范。

Claude Code 的配置在~/.claude/settings.json，格式改错了直接崩。Codex 有自己的端点配置方式。Gemini CLI 又是另一套逻辑。想换个模型供应商？先找到对应配置文件，查文档确认字段名，填 API Key，改模型名……一通操作少则五分钟，多则半小时，还可能把原来能用的配置一起搞坏。

没有回滚，没有版本管理，没有可视化界面。

这不是用户的问题。这是工具生态碎片化造成的系统性问题。每家厂商只管自己那一亩三分地，用户就成了"胶水"——自己把这些工具的配置黏合在一起。