Cursor vs Claude Code

两款代表性 AI 编程工具的全方位深度对比：从产品哲学到技术架构，从用户画像到生态布局

2026 年 3 月 v1.0

01概述

两条截然不同的产品路径，指向同一个目标：用 AI 重新定义软件开发。

Cursor 由 Anysphere（2022 年成立于 MIT）开发，是一款基于 VS Code 开源内核（Code OSS）构建的 AI-first 代码编辑器。它的核心理念是：AI 不应该是编辑器的插件，而应该就是编辑器本身。 通过控制编辑器的每一层——击键预测、内联补全、多文件 diff、后台索引——Cursor 实现了远超普通扩展所能达到的深度集成。 截至 2026 年 3 月，Cursor 已拥有超过 50,000 付费客户，年化收入突破 10 亿美元，估值 293 亿美元。

Claude Code 是 Anthropic 官方推出的终端原生智能编程代理。它不绑定任何 IDE，而是作为一个 Unix 风格的 CLI 工具运行在终端中，直接操作文件系统、执行 shell 命令、管理 git 工作流。其设计哲学是 可组合性（composability）——你可以将数据管道化输入、并行运行多个实例、集成进 CI/CD 流水线。 Claude Code 目前以 520 万安装量领跑 VS Code 智能体扩展排行榜，同时也在终端中拥有庞大的独立用户群。

核心分歧：Cursor 选择了"重造编辑器"的路径——在 GUI 中完成一切；Claude Code 选择了"回归终端"的路径——让 AI 成为你命令行工具链的一部分。这一根本性的设计抉择塑造了两款产品几乎所有的差异。

02目标用户画像

谁在用它们？用法有何不同？

Cursor 核心用户

  • 全栈工程师和前端开发者——习惯 VS Code 生态，需要实时补全和可视化 diff
  • 快速迭代的初创团队——Agent 模式可以一次性生成跨多文件的完整功能
  • 大型企业工程团队——超过半数 Fortune 500 企业在使用，重视团队协作和审计功能
  • "Vibe Coder"——对终端不熟悉，偏好 GUI 交互和可视化反馈的开发者
  • 设计师 & PM——借助 Agent 模式可以从自然语言描述直接生成可运行的原型

Claude Code 核心用户

  • 资深后端/系统工程师——终端重度用户，偏好 Vim/Neovim/tmux 工作流
  • DevOps / SRE / 平台工程师——需要在 CI/CD 管道中嵌入 AI 代理
  • 开源贡献者——在各种环境（SSH 远程、Docker 容器）中工作
  • AI 应用开发者——使用 Claude Agent SDK 构建自定义代理
  • 非技术用户——500+ 产品经理用它做数据分析和原型设计
  • 多工具用户——通过 MCP 协议连接 Slack、Linear、GitHub 等外部系统
洞察：两个产品的用户画像正在趋同。Cursor 2.0 增强了终端能力（沙盒执行、Agent 模式），Claude Code 增加了 VS Code 扩展和桌面应用。但核心用户的心智模型仍然不同：Cursor 用户思考的是"在编辑器中完成"，Claude Code 用户思考的是"在终端中完成"。
维度 Cursor Claude Code
主要交互界面 GUI 编辑器（VS Code 衍生） 终端 CLI（React Ink 渲染）
学习曲线 低——VS Code 用户可无缝迁移 中——需要熟悉终端和命令行概念
典型使用场景 编写新功能、重构、代码审查、原型设计 大规模重构、CI/CD 自动化、跨仓库操作、自定义代理开发
协作模式 团队共享 Rules，BugBot 自动审查 PR 团队共享 CLAUDE.md，Agent SDK 构建内部工具
典型企业客户 NVIDIA、Uber、Adobe 等 Fortune 500 以 API/SDK 用户为主，具体企业客户未公开

03架构与交互设计

从底层运行时到用户界面，两个完全不同的技术栈。

Cursor 架构

  • 基座：Code OSS（VS Code 开源内核）的深度 Fork
  • 渲染：Electron + Chromium（继承 VS Code）
  • 索引系统：基于 RAG 的语义索引，理解跨文件关系
  • LSP 集成：深度语言服务器协议集成，动态内存调优
  • 工具系统：10+ 内置工具（搜索、读写、编辑、终端执行）
  • 沙盒执行：终端命令在安全沙盒中运行（macOS GA）
  • 扩展兼容：100% VS Code 扩展/主题/快捷键兼容
  • 新增：通过 ACP 协议支持 JetBrains IDE

Claude Code 架构

  • 运行时：Bun（编译和执行）
  • CLI 框架：CommanderJS（参数解析和命令结构）
  • 终端 UI：React Ink（将 React 组件渲染为 ANSI 转义码）
  • 数据持久化：JSONL 格式，存储于 ~/.claude/
  • 缓存优化：前缀缓存（Prefix Caching），92% 复用率
  • 多代理：主代理可生成子代理，各自运行在隔离的 git worktree 中
  • IDE 集成：VS Code 扩展（520 万安装）+ JetBrains 插件
  • 无 GUI 依赖：可在 SSH、Docker、CI 环境中运行

架构哲学对比

设计维度 Cursor Claude Code
设计哲学 编辑器即 AI——控制编辑器的每一层来实现深度集成 AI 即工具——遵循 Unix 哲学，做好一件事，与其他工具组合
上下文获取 编辑器级别：当前光标位置、打开的标签页、最近编辑历史、LSP 语义信息 文件系统级别：按需读取文件、Grep/Glob 搜索、git 历史
编辑反馈 彩色 diff 预览，可逐段接受/拒绝 精确字符串替换（Edit 工具），终端内显示变更
可移植性 绑定 Cursor 编辑器（+JetBrains 插件） 任何终端环境：本地、SSH、Docker、CI/CD、移动端
资源占用 较高（Electron 进程 + 索引 + LSP） 较低（CLI 进程，按需调用 API）
关键区别：Cursor 的优势在于编辑器级上下文感知——它知道你的光标在哪里、你正在看哪个标签页、LSP 提供的类型信息。Claude Code 的优势在于环境无关性——它可以在任何有终端的地方运行，包括 CI 管道和远程服务器。

04智能体循环设计

核心引擎：AI 如何"思考-执行-迭代"？

Cursor 的 Agentic Loop

┌──────────────────────────────────────────────────────────────┐ │ Cursor Agent Loop │ │ │ │ ┌─────────┐ ┌─────────┐ ┌──────────┐ ┌───────────┐ │ │ │ Inspect │──▶│ Plan │──▶│ Execute │──▶│ Observe │ │ │ │(检索上下文)│ │(规划步骤)│ │(调用工具) │ │(收集结果) │ │ │ └─────────┘ └─────────┘ └──────────┘ └─────┬─────┘ │ │ ▲ │ │ │ └────────────── Iterate (迭代) ──────────────┘ │ │ │ │ 特点： │ │ • 工具调用内置于模型（非纯 prompt），长循环中更可靠 │ │ • Plan-First 架构：先完成依赖分析，再执行（Ultra/Teams） │ │ • 可并行运行最多 8 个前台 Agent │ │ • Background Agent 在隔离 Linux VM 中自主运行 │ └──────────────────────────────────────────────────────────────┘

Cursor 2.0 的 Agent 模式采用了五阶段循环：Inspect → Plan → Execute → Observe → Iterate。 模型在每一步都会重新评估上下文，选择最合适的工具（代码搜索、文件读写、终端命令等）。 特别值得注意的是，工具调用能力是内建于模型训练中的（而非纯靠 prompt engineering），这使得在长循环中保持可靠性更高。

2026 年 2 月推出的 Plan-First 架构允许用一个模型做规划（如 Opus），另一个模型做执行（如 Sonnet）， 并且规划阶段会进行完整的依赖分析。Background Agent 则更进一步——在云端隔离的 Linux VM 中自主克隆仓库、编写代码、运行测试，最终提交附带视频演示的 PR。Cursor 内部 35% 的已合并 PR 来自这些 Background Agent。

Claude Code 的 Agentic Loop

┌──────────────────────────────────────────────────────────────┐ │ Claude Code Agent Loop │ │ │ │ ┌───────────────┐ ┌───────────────┐ ┌─────────────┐ │ │ │ User Input │──▶│ Model Reason │──▶│ Tool Call? │ │ │ │ (用户输入) │ │ (模型推理) │ │ (是否调用？) │ │ │ └───────────────┘ └───────────────┘ └──────┬──────┘ │ │ ┌──┴──┐ │ │ Yes │ │ No │ │ ▼ ▼ │ │ ┌────────┐ ┌──────┐ │ │ │Execute │ │Reply │ │ │ │Tool │ │(结束) │ │ │ └───┬────┘ └──────┘ │ │ │ │ │ ▼ │ │ ┌────────────┐ │ │ │Feed Result │ │ │ │(回送结果) │ │ │ └─────┬──────┘ │ │ │ │ │ ┌─────────────┘ │ │ ▼ │ │ Model Reason (再次推理) │ │ │ │ 特点： │ │ • 极简设计：while(tool_call) → execute → feed → repeat │ │ • 三个交织阶段：收集上下文 / 执行操作 / 验证结果 │ │ • 当模型输出纯文本（无工具调用）时循环自然终止 │ │ • 子代理可在隔离 worktree 中并行执行 │ └──────────────────────────────────────────────────────────────┘

Claude Code 的 Agentic Loop 以优雅的极简主义著称。核心逻辑可以归结为一行伪代码： while (tool_call) → execute → feed → repeat。模型根据上一步的结果决定下一步需要什么—— 搜索文件、读取代码、编辑文件、执行命令、运行测试——直到任务完成，自然输出纯文本回复。

这种设计的核心优势在于简单且通用。同样的循环机制可以处理从简单的代码补全到复杂的跨仓库迁移。 Claude Code 同样支持多代理编排：主代理可以生成专门的子代理，每个子代理在隔离的 git worktree 中工作， 完成后将结果返回给主代理。

Agentic Loop 对比

维度 Cursor Claude Code
循环设计 五阶段：Inspect → Plan → Execute → Observe → Iterate 极简循环：while(tool_call) → execute → feed → repeat
规划能力 Plan-First 架构，支持分离规划和执行模型 Plan Mode（只读模式），EnterPlanMode/ExitPlanMode 工具
并行执行 最多 8 个前台 Agent + 10-20 个 Background Agent 主代理 + 多个子代理（在隔离 worktree 中并行）
后台/云端执行 Background Agent：隔离 Linux VM，自主创建 PR + 视频演示 暂无等价的云端自主代理功能
自动化触发 Automations：Slack、GitHub、Linear、PagerDuty 等事件触发 Hooks 系统：PreToolUse / PostToolUse / PermissionRequest 事件
验证机制 内置：运行测试、检查 linter 错误、截图验证 UI 内置：执行 shell 命令、运行测试、检查输出
循环终止 任务完成或用户中断 模型输出纯文本（无工具调用）或用户中断
洞察：Cursor 的 Agentic Loop 更加结构化和可控——明确的阶段划分、Plan-First 架构、模型分离。 Claude Code 的循环则更加有机和自适应——模型自主决定何时收集信息、何时执行、何时验证，没有硬编码的阶段边界。 这反映了两个团队不同的工程哲学：Cursor 信任系统编排，Claude Code 信任模型智能。

05上下文管理

如何在有限的 token 预算内，让模型"看到"最相关的信息？

Cursor 的上下文策略

  • 语义索引：首次打开项目时构建整个代码库的 RAG 索引，理解跨文件语义关系
  • @-mention 系统：@file、@folder、@codebase、@Docs、@web、@git 等手动上下文附加
  • 自动上下文收集：Cursor 2.0 中 Agent 模式会自动搜集所需上下文，不再需要手动 @mention
  • 编辑器级感知：当前光标位置、打开的标签页、最近编辑、LSP 类型信息
  • .cursorignore：控制哪些文件/目录不进入索引
  • 超限处理：显示 "Context Window Exceeded" 提示，建议新开会话或减少引用

Claude Code 的上下文策略

  • 按需读取：不预加载整个代码库，通过 Read/Grep/Glob 工具按需获取
  • CLAUDE.md 层级：全局 → 项目 → 本地 → 模块化规则，自动加载
  • 前缀缓存：92% 复用率，大幅降低重复上下文的 API 成本
  • 自动压缩：上下文达到 ~80-95% 时自动触发 /compact，将历史压缩为摘要
  • 1M token 窗口：Opus 4.6 支持 100 万 token（Max/Team/Enterprise）
  • /context 命令：提供可操作的建议——哪些工具消耗最多上下文、内存膨胀预警
  • MCP 工具延迟加载：ToolSearch 按需加载工具定义，避免预加载所有工具

上下文窗口对比

维度 Cursor Claude Code
最大上下文窗口 取决于所选模型（Composer 2: 200K） 200K（标准）/ 1M（Opus 4.6 extended）
上下文获取方式 预索引 RAG + @-mention + 自动收集 工具按需读取（Read/Grep/Glob）
持久化配置 .cursor/rules/*.mdc（MDC 格式） CLAUDE.md + .claude/rules/*.md
上下文超限处理 提示超限，建议新开会话 自动压缩（/compact），保留关键信息摘要
上下文成本优化 依赖索引减少重复检索 前缀缓存（92% 复用），缓存命中仅需 10% 价格
排除机制 .cursorignore 工具级控制（只读取需要的文件）
权衡：Cursor 的 RAG 索引提供了更快的上下文检索（已经预计算），但需要额外的本地存储和计算资源。 Claude Code 的按需读取更加灵活且资源友好，但在首次理解新代码库时可能需要更多的工具调用轮次。 Claude Code 的 1M token 窗口是一个重要优势——可以在单次对话中容纳整个中型代码库。

06记忆系统

跨会话的持久化知识管理——一个被低估的差异化维度。

Cursor 的记忆现状

  • 原生记忆已移除：2025 年中引入的 Memories 功能在 v2.1.x 中被移除
  • 当前替代方案：Rules 系统（.cursor/rules/*.mdc）
  • MDC 格式：支持前端 frontmatter + Markdown 内容，可按目录自动附加
  • 局限：Rules 是声明式的静态配置，不是动态学习的记忆
  • 第三方方案：Recallium、Basic Memory、ContextForge、Cursor Memory Bank（通过 MCP）
  • 最佳实践：维护"锚点文档"（AnchorDoc），让 Cursor 将决策写入文件

Claude Code 的记忆系统

  • CLAUDE.md：层级化的声明式配置（全局 → 项目 → 本地 → 模块化规则）
  • Auto Memory：AI 在工作过程中自动积累知识，无需手动干预
  • MEMORY.md 索引：每次对话自动加载的记忆索引文件
  • 四种记忆类型：用户（user）、反馈（feedback）、项目（project）、参考（reference）
  • Frontmatter 元数据：每个记忆文件包含 name、description、type
  • 记忆验证：使用前检查文件/函数是否仍然存在，避免过时信息
  • autoMemoryDirectory：自定义记忆存储目录（2026 年 3 月新增）
关键差异：这是两款产品之间最大的设计差异之一。Cursor 选择移除原生记忆， 让用户通过 Rules 手动管理持久化知识。Claude Code 则构建了一个完整的自主记忆系统——AI 自动学习用户偏好、 项目上下文和工作反馈，并在未来的会话中主动回忆。这意味着 Claude Code 在长期使用中会变得越来越"懂你"， 而 Cursor 的每次会话更像是一个"无状态"的新开始（除非你手动维护 Rules）。

Claude Code 记忆类型详解

记忆类型 用途 触发保存时机
user 用户角色、偏好、知识水平——帮助 AI 调整回答风格和深度 当了解到用户的职业、技能、偏好等信息时
feedback 用户对 AI 行为的纠正和确认——让 AI 不重复犯错，也不丢失有效做法 用户纠正做法 ("don't do X") 或确认非显而易见的选择 ("yes, exactly")
project 项目的目标、约束、时间线——理解工作的更大背景 了解到项目的 why、what、when（如截止日期、合规要求）
reference 外部系统中信息的位置指针——知道去哪里找信息 了解到外部资源的用途和位置（如 Linear 项目、Grafana 面板）

07MCP（Model Context Protocol）集成

开放标准协议如何扩展 AI 工具的能力边界。

MCP 是 Anthropic 于 2024 年底推出的开源协议，旨在标准化 AI 模型与外部工具/数据源之间的连接。 截至 2026 年 3 月，MCP 生态已经拥有超过 5,000 个社区构建的服务器。两款产品都将 MCP 作为核心扩展机制。

维度 Cursor Claude Code
支持状态 一等公民（First-class），内置市场一键安装 一等公民，通过配置文件管理
配置方式 .cursor/mcp.json（项目）/ ~/.cursor/mcp.json（全局） .mcp.json（项目）/ ~/.claude.json（全局）
传输协议 stdio / SSE / Streamable HTTP stdio / SSE / Streamable HTTP
支持的 MCP 能力 Tools、Resources、Prompts、Roots、Elicitation、Apps Tools、Resources、Elicitation + ToolSearch（按需加载）
工具上限 报道称每个 server 40 个工具上限 通过 ToolSearch 动态加载，无硬性上限
认证支持 远程传输支持 OAuth 支持 env 变量注入凭证
特色功能 Apps 扩展——MCP 工具可返回交互式 UI 视图 ToolSearch——延迟加载工具定义，节省上下文空间
生态合作 Atlassian、Datadog、GitLab、Hugging Face 等 30+ 合作伙伴 知识工作插件库（11 类）、金融服务插件库（41 个技能）
设计差异：Cursor 的 MCP 集成侧重于可视化和易用性（市场一键安装、Apps UI 视图）。 Claude Code 侧重于上下文效率（ToolSearch 按需加载，避免工具定义占满上下文窗口）。 这与它们各自的 GUI vs CLI 哲学一致。

08模型支持

选择哪个模型？一个多模型市场 vs 一个垂直整合生态。

Cursor 的模型策略：多模型市场

  • Anthropic：Claude Sonnet 3.5/4/4.5, Opus 4/4.6
  • OpenAI：GPT-4o, GPT-5.2/5.3/5.4
  • Google：Gemini 2.0 Pro, Gemini 3 Pro
  • xAI：Grok Code
  • 自研模型：Composer 1（4x 快速）、Composer 2（200K 上下文，基于 Moonshot AI Kimi），Fusion（Tab 补全）
  • Auto 模式：根据查询复杂度自动选择最优模型

Claude Code 的模型策略：垂直整合

  • Opus 4.6：$5/$25 per MTok——大规模重构、多代理编排（支持 1M 上下文）
  • Sonnet 4.6：$3/$15 per MTok——默认推荐，能力与成本最优平衡
  • Haiku 4.5：$1/$5 per MTok——简单任务、格式化、样板代码
  • 混合模式：opusplan 用 Opus 规划 + Sonnet 执行
  • 会话内切换：/model opus、/model sonnet
  • 子代理级别切换：为每个子代理指定不同模型
战略分析： Cursor 作为独立公司，选择模型无关策略以降低供应商锁定风险，并开始自研模型（Composer 2）以建立差异化壁垒。 Claude Code 作为 Anthropic 的产品，天然绑定 Claude 模型家族，优势在于模型与工具的深度协同优化—— 前缀缓存、工具调用训练、上下文管理都是为 Claude 模型量身定制的。

值得注意的是 Composer 2 的定位引发了行业争议——它基于 Moonshot AI 的 Kimi 基础模型构建， Cursor 最初对此含糊其辞，引发了关于透明度的讨论。这暴露了 AI 应用层公司在"自研 vs 依赖"之间的张力。

09定价模型

SaaS 订阅 vs API 按量计费——完全不同的商业逻辑。

方案 Cursor Claude Code
免费层 Hobby：2,000 补全/月，50 慢速请求 无（需 Pro 订阅或 API key）
入门付费 Pro $20/月：$20 额度池 Pro $20/月：包含 Claude Code 终端访问
进阶 Pro+ $60/月 / Ultra $200/月 Max 5x $100/月 / Max 20x $200/月
团队 Teams $40/人/月 Team Standard $25/人/月 / Premium $150/人/月
企业 Enterprise（自定义）：SCIM、审计日志 Enterprise（自定义）
计费模式 信用额度池（2025 年 6 月改革，曾引发争议） 订阅制（固定包量）或API 按 token 计费
API 直接使用 不支持——必须通过 Cursor 客户端 支持——可直接用 API key 按量付费
成本优化手段 Auto 模式（自动选便宜的模型） 前缀缓存（10% 价格命中）、批处理 API（50% 折扣）、模型切换
注意：Cursor 在 2025 年 6 月的定价改革从固定请求数切换到信用额度池， 实际效果是同价位下的可用请求数从 ~500 降到 ~225。这引发了用户不满，Cursor 在 7 月 4 日发布了公开道歉并提供退款。

Claude Code 的 API 按量计费模式对重度用户可能更贵（复杂任务单次可能消耗数美元的 token）， 但提供了更精细的成本控制和透明度。对于轻度使用，Pro $20/月的订阅通常更经济。

10生态与扩展性

围绕核心产品构建的工具链和开发者生态。

维度 Cursor Claude Code
扩展机制 VS Code 扩展 + MCP + Automations MCP + Hooks + 自定义命令/Skills + Agent SDK
代码审查 BugBot：自动 PR 审查，35%+ 修复直接被合并，已审查 100 万+ PR Claude Code Review：并行 PR 分析
CI/CD 集成 BugBot 集成 GitHub CLI 原生适合 CI/CD：--bare 模式、管道化输入输出
自定义代理开发 无公开 SDK Claude Agent SDK（Python + TypeScript），可构建完全自定义的代理
自定义命令 通过 Rules 注入指令 .claude/commands/*.md 自定义 slash 命令 + Skills 系统
IDE 支持范围 Cursor 编辑器 + JetBrains（ACP 协议） VS Code + JetBrains + 独立桌面应用 + Web + 移动端 + 终端
通信渠道 Automations 可连接 Slack Channels（Telegram、Discord）+ MCP Slack 集成
安全模型 沙盒执行，无网络连接 四级权限模型（Plan → Normal → Auto-accept → Bypass）、命令黑名单、Hooks 拦截
语音交互 内置语音模式（2.0 起） /voice 命令，支持 20 种语言（2026 年 3 月）
生态策略差异：

Cursor 的生态围绕编辑器体验构建——BugBot、Background Agent、Automations 都是让你留在 Cursor 里完成更多工作。它正在从"编辑器"演进为"软件开发平台"。

Claude Code 的生态围绕可编程性构建——Agent SDK 让你把 Claude Code 的引擎嵌入任何地方，Hooks 让你拦截和自定义每一步操作，自定义命令让你封装领域知识。它正在从"CLI 工具"演进为"代理运行时（Agent Runtime）"。

11综合评分

基于上述分析的主观评分（满分 10 分），仅供参考。

■ Cursor
■ Claude Code
上手易用性
9
7
上下文管理
8
9
记忆系统
4
9
Agentic 能力
9
8.5
可编程性
6
9.5
模型多样性
9.5
5
成本透明度
5
8.5
环境适应性
6
9.5
团队协作
8.5
7
代码审查
9
6.5

12结论与选择建议

没有绝对的"更好"，只有更适合你的工作方式。

选择 Cursor 如果你……

习惯 VS Code 生态，偏好 GUI 交互和可视化 diff。需要在编辑器内完成从编码到代码审查的完整工作流。 团队中有非技术成员需要参与开发。希望使用多家 AI 厂商的模型以对冲风险。 重视 Background Agent 的云端自主编码能力。 需要 BugBot 级别的自动化代码审查和 PR 修复。

选择 Claude Code 如果你……

终端是你的主要工作环境（Vim/Neovim/tmux 用户）。需要在 SSH 远程服务器、Docker 容器或 CI/CD 管道中使用 AI。 希望 AI 能跨会话记住你的偏好和项目上下文。计划构建自定义 AI 代理（Agent SDK）。 需要精细的成本控制（API 按量计费 + 前缀缓存）。 偏好可编程性和可组合性胜过 GUI 便利性。

两者并用？完全可以。许多开发者的工作流是：在 Cursor 中进行日常编码和 UI 开发（利用其编辑器级别的上下文感知和可视化 diff），在 Claude Code 中处理大规模重构、CI/CD 自动化和跨仓库操作（利用其终端原生性和可编程性）。两者通过 MCP 协议共享相同的工具生态，切换成本很低。

未来展望

两款产品正在从不同方向向中间靠拢：Cursor 在增强终端能力和代理自主性（Background Agent、Automations）， Claude Code 在增强 GUI 体验和平台化能力（VS Code 扩展、桌面应用、Channels）。

更深层的竞争是"平台 vs 运行时"之争：Cursor 想成为开发者的操作系统—— 所有工作都在 Cursor 里完成；Claude Code 想成为代理的运行时——所有 AI 代理都用 Claude 引擎驱动。

无论谁"赢"了这场竞争，开发者都是最大的受益者。2026 年的 AI 辅助编程已经从"能不能用"进化到了"怎么用得更好"的阶段。选择权在你手中。