Aider 是一个革命性的命令行 AI 编程助手，它直接在终端中与你的代码库对话，支持 Git 集成、本地 LLM 运行，让开发者在不离开终端的情况下完成复杂的编程任务。
为什么选择 Aider？
在 VS Code 插件盛行的时代，Aider 反其道而行之，选择回归终端。这听起来可能有些复古，但实际上带来了独特的优势：
- 零干扰工作流：不需要切换窗口，不需要鼠标，全程键盘操作
- Git 原生集成：自动创建 commit，保留完整的修改历史
- 本地 LLM 支持：可以连接 Ollama、LM Studio 等本地模型，保护代码隐私
- 多文件编辑：能够同时理解和修改多个相关文件
- 成本可控：使用本地模型时零 API 费用，使用云端模型时按需付费
根据早期用户的反馈，熟练使用 Aider 后，日常开发任务的完成速度平均提升了 3-4 倍，特别是对于重构、调试和文档编写这类任务。
安装与配置
基础安装
Aider 通过 pip 安装，支持 Python 3.10 及以上版本：
pip install aider-chat
或者使用 uv（更快的 Python 包管理器）：
uv pip install aider-chat
模型配置
Aider 支持多种模型提供商，配置方式灵活：
使用 OpenAI/GPT-4：
export OPENAI_API_KEY="your-api-key" aider --model gpt-4o
使用 Anthropic/Claude：
export ANTHROPIC_API_KEY="your-api-key" aider --model claude-3-5-sonnet-20241022
使用本地 Ollama 模型（推荐隐私敏感项目）：
# 首先确保 Ollama 正在运行 ollama serve # 拉取模型（推荐 code 系列） ollama pull codellama:7b # 或者更大的模型 ollama pull codellama:34b # 启动 Aider 连接本地模型 aider --model ollama/codellama:7b --api-base http://localhost:11434
使用 LM Studio：
# 在 LM Studio 中启动本地服务器 # 然后连接 aider --model openai/<model-name> --api-base http://localhost:1234/v1
配置文件
Aider 支持 .aider.conf.yml 配置文件，放在项目根目录或用户主目录：
# .aider.conf.yml model: claude-3-5-sonnet-20241022 auto-commits: true dirty-commits: true attribute-author: true attribute-committer: true watch-files: true dark-mode: true
核心功能详解
1. 智能代码编辑
Aider 最强大的功能是理解你的代码库并进行精确修改。你只需用自然语言描述需求：
$ aider Aider v0.50.0 Model: claude-3-5-sonnet-20241022 with whole edit format Git repo: .git with 47 files Repo-map: using 1024 tokens > 给 user_service.py 添加输入验证，确保 email 字段符合 RFC 5322 标准
Aider 会：
- 自动读取相关文件
- 理解现有代码结构
- 生成符合项目风格的修改
- 显示 diff 供你确认
- 自动提交更改（如果配置了 auto-commits）
2. 多文件协同编辑
复杂功能往往涉及多个文件。Aider 能够追踪文件间的依赖关系：
> 添加用户注册功能，需要创建新的 API 端点、数据库模型和验证逻辑
Aider 会自动识别需要修改的文件：
models/user.py– 添加 User 模型routes/auth.py– 添加注册端点validators/user.py– 添加验证规则tests/test_auth.py– 添加测试用例
3. Git 集成
Aider 的 Git 集成是其杀手级功能：
自动提交：
# 在配置文件中启用 auto-commits: true
每次修改都会创建有意义的 commit message：
git commit -m "Add email validation to user registration - Implement RFC 5322 compliant email validation - Add regex pattern matching - Include unit tests for edge cases"
脏提交（Dirty Commits）：
dirty-commits: true
即使工作区有未暂存的更改，Aider 也能正常工作，它会自动处理暂存和提交。
作者信息保留：
attribute-author: true attribute-committer: true
确保 Git 历史中的作者信息准确无误。
4. 代码库映射（Repo Map）
Aider 使用 repo-map 技术来理解整个代码库的结构，而不需要一次性加载所有文件：
# 配置 repo-map 大小 map-tokens: 1024 # 默认值，平衡上下文和成本
这对于大型项目尤其重要，Aider 能够：
- 识别关键文件和函数
- 理解模块间的依赖关系
- 在修改时考虑全局影响
5. 测试驱动开发
Aider 支持 TDD 工作流：
> 为 user_service.py 编写单元测试，覆盖正常情况和边界情况
Aider 会：
- 分析现有代码
- 生成全面的测试用例
- 运行测试验证
- 根据失败信息迭代修复
实战场景
场景一：快速原型开发
假设你需要快速创建一个 REST API 原型：
$ mkdir fastapi-demo && cd fastapi-demo $ git init $ aider > 创建一个 FastAPI 项目，包含用户 CRUD 操作 > 使用 SQLAlchemy 作为 ORM，SQLite 作为数据库 > 包含完整的错误处理和输入验证
Aider 会在几分钟内生成：
- 项目结构
- 数据库模型
- API 路由
- Pydantic 模型
- 基础测试
场景二：代码重构
重构是 Aider 最擅长的任务之一：
> 将 user_service.py 中的验证逻辑提取到独立的 validators 模块 > 保持现有 API 不变，确保所有测试通过
Aider 会：
- 分析依赖关系
- 创建新模块
- 迁移代码
- 更新导入语句
- 运行测试验证
场景三：调试和修复
遇到 bug 时，Aider 可以帮你快速定位和修复：
> 这个测试失败了：tests/test_user.py::test_email_validation > 分析失败原因并修复
Aider 会读取测试文件和源代码，理解失败原因，然后提供修复方案。
场景四：文档生成
> 为所有公共函数生成 Google 风格的 docstring > 包含参数说明、返回值和异常信息
Aider 会遍历代码，为每个函数生成详细的文档字符串。
高级技巧
1. 使用 Slash 命令
Aider 提供了一系列斜杠命令来增强控制：
/undo # 撤销最后一次修改 /diff # 显示当前会话的所有更改 /commit # 手动创建提交 /model # 切换模型 /tokens # 显示 token 使用情况 /exit # 退出 Aider
2. 上下文管理
对于大型项目，合理管理上下文很重要：
# 手动添加文件到上下文 /add src/utils.py src/config.py # 移除文件 /drop src/old_module.py # 查看当前上下文 /ls
3. 批量操作
# 一次性处理多个需求 > 1. 添加日志记录到所有 API 端点 > 2. 实现请求速率限制 > 3. 添加健康检查端点
4. 与现有工作流集成
VS Code 集成：
虽然 Aider 是 CLI 工具，但可以在 VS Code 终端中使用，结合 VS Code 的代码导航功能。
Pre-commit Hook：
# .git/hooks/pre-commit #!/bin/bash # 在提交前运行 Aider 检查代码质量 aider --check-only
性能优化
模型选择建议
| 任务类型 | 推荐模型 | 理由 |
|---|---|---|
| 简单修改 | GPT-4o-mini / Claude Haiku | 快速、成本低 |
| 复杂重构 | GPT-4o / Claude Sonnet | 理解力强 |
| 本地运行 | CodeLlama 34B | 隐私保护、零成本 |
| 大规模重构 | Claude Opus / GPT-4 | 最强推理能力 |
Token 优化
# 减少不必要的上下文 map-tokens: 512 # 小型项目 max-chat-history-tokens: 2000 # 限制历史对话
缓存策略
Aider 会自动缓存模型响应，相同请求不会重复消耗 token。
常见问题
Q: Aider 和 GitHub Copilot 有什么区别？
A: Copilot 是代码补全工具，专注于单行或单函数的建议。Aider 是完整的编程助手，能够理解整个项目、执行多文件修改、管理 Git 提交。两者可以互补使用。
Q: 本地模型效果如何？
A: CodeLlama 34B 在大多数任务上能达到 GPT-3.5 的水平，对于熟悉的项目和常规任务效果很好。复杂重构或新技术栈建议使用云端模型。
Q: 如何处理敏感代码？
A: 使用本地模型（Ollama、LM Studio）可以确保代码永不离开你的机器。配置 .aider.conf.yml 指定本地模型即可。
Q: Aider 支持哪些编程语言？
A: 理论上支持所有文本文件。对 Python、JavaScript、TypeScript、Go、Rust 等主流语言有最好的理解，因为训练数据丰富。
Q: 成本大概是多少？
A: 使用 GPT-4o 处理中等规模项目，日均成本约 2-5 美元。使用本地模型则零成本。相比开发时间节省，ROI 非常高。
最佳实践
- 从小处开始：先用 Aider 处理小任务，熟悉它的工作方式
- 保持 Git 清洁：启用 auto-commits，每次修改都有记录
- 审查更改：即使是自动提交，也要 review diff
- 逐步复杂化：从单文件修改开始，逐渐尝试多文件重构
- 利用测试：让 Aider 写测试，用测试验证它的修改
- 合理选择模型：根据任务复杂度选择模型，平衡成本和质量
总结
Aider 代表了 AI 编程助手的另一个方向：不是 IDE 插件，而是独立的终端工具。这种设计带来了独特的优势——Git 原生、本地模型支持、零干扰工作流。
对于习惯终端的开发者，Aider 可能是比 VS Code 插件更自然的选择。对于团队项目，Aider 的自动提交功能让 AI 辅助开发的痕迹清晰可追溯。
最重要的是，Aider 让你保持对代码的掌控。它不是自动完成，而是协作伙伴——你描述需求，它提供方案，你审查确认，它执行修改。这种人机协作模式，可能是 AI 编程的最佳实践。
相关资源：
下一步：
安装 Aider 后，从一个小型任务开始尝试。比如：”帮我给这个项目添加类型注解”或者”为这个函数编写单元测试”。体验一下终端里 AI 编程的流畅感。