先说一句能把人震住的话：Augment Code 在 2026 年 3 月 31 日，把代码补全（Code Completions）和 Next Edit 建议对非企业版用户彻底下线了。 官方原话是"Support for Code Completions was deprecated on March 31, 2026 for non-Enterprise plans（Indie / Standard / Max / Legacy）"。
国内绝大多数人对 Augment 的认知还停留在"又一个 Copilot 平替、装个插件按 Tab"。这就产生了一个巨大的认知差 + 时间差：你以为它在干 A，它其实早就把整个产品重心压到了 Agent + Context Engine 上。它现在是把整座代码仓库的语义理解，做成一个可以插进任何 AI 编程工具的"大脑"。
如果你手上是几万行、跨几十个仓库的老项目，Claude Code 和 Cursor 经常"记不住"全局上下文——那 Augment 的这八个冷门玩法，就是为你准备的。下面每一条都有具体操作、官方依据和适用场景，看完能直接上手。
这是全篇最大的信息差，必须放第一。
2026 年 2 月 6 日，Augment 把自家核心的 Context Engine（上下文引擎） 以独立 MCP server 形式开放出来（官方在 LinkedIn 发了正式公告，前面有上千名 beta 用户）。意思是：你不需要换编辑器、不需要装 Augment 的 IDE 插件，只要给它配一个 MCP，就能让 Claude Code / Cursor / Zed / Codex CLI / GitHub Copilot / Gemini CLI / Roo Code / Kiro 等"借走"它对整座代码库的语义理解能力。
官方明确列出的兼容客户端包括：Claude Code、Cursor、Zed、OpenAI Codex CLI、GitHub Copilot、OpenCode、Kilo Code、Kiro、AntiGravity、Gemini CLI、Roo Code、Droid。
它和普通"grep / 关键词匹配"的区别，官方原文写得很硬：
据测评它能处理 40 万文件级的代码库，SWE-bench 成绩约 70.6%（这个数字来自第三方 2026 评测，官方未直接背书，引用时心里有数即可）。
成本怎么算？ 官方给的说法是：MCP 查询走 token 计价 = 模型供应商的公开 API 价 + 40% 服务费，平均每条查询大约 $0.03–$0.06。也就是一天问它几十次，几块钱人民币的事。
对中国用户的意义：你不用纠结"要不要从 Claude Code 迁到 Augment"——把 Augment 的 Context Engine 当成 Claude Code 的一个 MCP 工具挂上去，让它俩分工，Claude 负责推理写码，Augment 负责"全仓记忆"。
Augment 的规则系统（.augment/rules/ 目录下）支持三种类型，90% 的人只会用 Always：
@ 手动挂载才生效；Auto 是被严重低估的杀招。比如你写一条规则叫"支付模块异常处理规范"，description 写"当任务涉及 payment / billing / 退款逻辑时使用"，平时它不占 prompt，一旦你让它改支付代码，它自己冒出来。等于给 AI 装了一个"条件反射式"的项目记忆，既不污染上下文，又不会漏。
注意 CLI 侧的坑：Auggie CLI 用 snake_case 写法（always_apply、agent_requested），而且 Manual 类型在 CLI 里会被直接跳过（CLI 没有 @ 挂载机制）。所以跨 IDE 和 CLI 协作时，别把关键规则设成 Manual。
这是我最喜欢的一个设计，国内几乎没人讲。
除了 workspace 根目录的 .augment/rules/，Augment 还支持分层规则：你在任意子目录放 AGENTS.md 或 CLAUDE.md，当你编辑该目录下的文件时，Augment 会从当前目录一路向上收集所有父目录的规则文件，全部拼进上下文。
my-project/
├── AGENTS.md ← 常驻（workspace 根）
├── src/
│ ├── AGENTS.md ← 改 src/ 下文件时加载
│ └── components/
│ ├── AGENTS.md ← 改 components/ 下文件时加载
│ └── Button.tsx
└── backend/
└── AGENTS.md ← backend 用另一套规范
当你改 src/components/Button.tsx 时，三个 AGENTS.md 全部生效。
实战价值：前端目录写 React / App Router 规范，后端目录写 Node / API 规范，支付模块写合规要求，互不干扰。每个团队守自己的目录。Hacker News 上那条 "This is the first I've heard of Augment Code" 的讨论里，吸引人的正是这种 context engine 式的工程化能力——它不是把规则一股脑塞给你，而是按你正在碰的代码，精准地把相关规范递过来。
注意：只有
AGENTS.md和CLAUDE.md支持分层向上爬；.augment/rules/只在 workspace 根目录读取，不会下钻。
Augment 对规则有明确容量限制，超了会被裁剪——所以这不是"想写多少写多少"，而是要按优先级排：
| 类型 | 位置 | 容量上限 |
|---|---|---|
| User Guidelines | IDE 本地 | 24,576 字符 |
| Workspace Guidelines + Rules | 仓库内 | 49,512 字符 |
裁剪的优先级顺序（被裁的是排后面的）：Manual rules → Always + Auto rules → .augment-guidelines。
也就是说，.augment-guidelines 这个文件优先级最低，最容易被砍。所以：最重要的项目铁律，别写在 .augment-guidelines 里，应该放进 Always 类型的 Rule 文件；次重要的进 Auto；最次要、最长的背景说明，才丢进 .augment-guidelines。
这是个反直觉的坑——很多人把核心规范塞进 .augment-guidelines，结果一旦内容变长，最先被裁掉的就是它。
Context Engine MCP 提供两种部署模式，选错模式等于白花力气：
一句话记住：本地写码用 Local，读老仓库 / 跨库调研用 Remote。 你要是在一台没把整个 monorepo clone 下来的机器上想让 AI 懂全局，Remote 就是唯一解。
Augment 的 guidelines 不只能写代码规范，还能贴外部文档链接：Google Docs、Notion、Confluence 都行。你可以在 .augment-guidelines 或 Rule 里直接写：
"产品需求见 https://your-notion.link/prd-v3，所有接口设计以此为准。"
这样 Agent 在做需求时，会把这些链接作为权威上下文参考。配合 Auto 类型，等于把"产品文档→代码规范"的链路打通：一改 PRD，下次让 AI 写代码时它就知道最新口径。
对中国团队特别有用的一点：你还可以让它固定用中文回复（Respond to questions in Chinese），或固定技术栈版本（Python 3.13.5）。这些在多人协作、新人 onboard 时能省掉大量"为什么 AI 又用了老版本库"的扯皮。
很多人不知道 Augment 有个命令行工具 Auggie，完全不装 IDE 插件也能用。它有交互式 TUI、非交互模式、会话管理（session management）、自定义命令系统，甚至能自己写 Code Review 命令。
对国内云服务器、远程开发盒、纯 SSH 场景的工程师，这是个隐藏入口：auggie 跑起来既是 CLI agent，也能直接当 MCP server（见杀招一、五）。规则文件用 snake_case frontmatter（always_apply / agent_requested）。
一句话：不想开 VSCode、想在 tmux 里直接让 AI 改代码的，Auggie CLI 是正解。
最后一个认知纠偏：Augment Context Engine 不是更快的 grep，而是语义检索。它"懂" calculateTotal 和 computeInvoiceSum 是一类东西，而 grep 会漏掉后者。
所以正确用法是分工： - 你要找"所有调用支付接口的地方"——grep / 符号搜索更快； - 你要问"这个订单状态机在哪些服务里有类似的实现、改它会影响谁"——交给 Context Engine。
Claude Code / Cursor 挂上 Context Engine MCP 后，让模型自己判断"这次该 grep 还是该问 Augment"，往往比手动选更准。
flowchart LR
subgraph 你的代码库
A[40万文件代码库<br/>commit历史/外部文档]
end
CE[Augment Context Engine<br/>语义检索 + 关系感知]
A -->|实时索引 Local<br/>或 Remote 默认分支| CE
subgraph 你正在用的 Agent
CC[Claude Code]
CU[Cursor]
ZD[Zed]
CO[Codex CLI]
CP[GitHub Copilot]
GC[Gemini CLI]
end
CE -->|MCP 协议<br/>约$0.03-0.06/查询| CC
CE -->|MCP| CU
CE -->|MCP| ZD
CE -->|MCP| CO
CE -->|MCP| CP
CE -->|MCP| GC
CC & CU & ZD & CO & CP & GC -->|写回| A
flowchart TD
F[编辑 src/components/Button.tsx] --> W{沿目录树向上查找}
W -->|当前目录| R3[components/AGENTS.md<br/>React组件规范]
W -->|父目录| R2[src/AGENTS.md<br/>前端通用规范]
W -->|根目录| R1[AGENTS.md<br/>项目铁律-常驻]
R1 & R2 & R3 --> M[全部拼入本次会话上下文]
M --> OUT[AI 按层级规范写码]
| 维度 | 多数人的认知 | 真实情况（信息差） |
|---|---|---|
| 产品定位 | Copilot 补全平替 | 补全已于 2026-03-31 对非企业版下线，现在主打 Agent + Context Engine |
| 用法 | 必须装 Augment 插件 | Context Engine 可作 MCP，挂进 Claude Code / Cursor / Zed 等 |
| 规则 | 只有 .augment-guidelines 一个文件 |
三类型 Rule（Always/Manual/Auto）+ AGENTS.md 分层 |
| 上下文 | 像别的工具一样靠 prompt 拼窗口 | 40万文件级语义索引，自动检索裁剪 |
| 部署 | 只能在 IDE 里用 | Auggie CLI 可纯终端跑，也能当 stdio MCP server |
| 成本 | 企业级肯定贵 | MCP 查询平均 $0.03–0.06/条 |
.augment/rules/ 下放——一条 Always（项目铁律）、一条 Auto（按 description 自动触发的模块规范）、一条 Manual（长篇背景，用时再挂）。frontend/ 和 backend/ 各放一个 AGENTS.md，把不同栈的规范分开，验证"向上爬"效果。.augment-guidelines（最易被裁）挪到 Always Rule，避免长内容上线后被静默砍掉。本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
51xtx-ppt-writer 或 content-to-video[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。