如果你现在改代码还在按月给 Cursor、GitHub Copilot 交订阅费，那你大概率没认真看过一个叫 Aider 的开源 CLI 工具。它就摆在 GitHub 上（Aider-AI/aider，两万多星），但国内绝大多数人只用过它"对话改代码"这一个动作，相当于买了辆跑车只挂一档开。
Aider 真正值钱的不是"能用"，而是它模型无关——DeepSeek、GLM、通义、本地 Ollama 模型随便接，你为代码付的钱可以压到接近零；外加一堆藏在 /help 里的暗门开关，能把它从"聊天框"变成"自动驾驶的提交机器"。这一轮情报我把它和 Cursor、Claude Code 都区分开，专门拆 Aider 的八个被埋没的开关。每一个都附了命令行，照着复制就能用。
你可能要问：这不就是又一个 AI 编程 CLI 吗？它和 Claude Code、Cline、Codex CLI 有什么不一样？
核心就一句话：Aider 是唯一一个把"双模型分工"和"git 原生提交"做进骨子里的开源终端工具。 它不绑定任何厂商，你的 API key 给谁、用哪个模型、花多少钱，全是你自己说了算。而且它有一个公开的 Aider Leaderboard（代码改写基准榜），专门测哪个模型"真正会改代码、而不是只会聊天"——这是国内选模型时被严重忽略的硬参考。
但今天这篇不谈对比，只挖暗门。下面这八个，是我从它的官方文档和真实使用里扒出来、中国用户几乎没人提的。
/architect 双模型分工——让贵的模型只说一句话这是 Aider 最杀的一个功能，也是它区别于所有聊天型工具的根本。
原理：你不用一个又贵又聪明的模型从头干到尾。Aider 把活拆成两步——
怎么开：
# 启动时直接指定双模型
aider --architect \
--model deepseek/deepseek-reasoner \
--editor-model deepseek/deepseek-chat
或者进会话后输入 /architect 切换。
预期效果：贵模型一整次任务里可能只跑一两轮推理，剩下的脏活累活（大段 SEARCH/REPLACE 改写）全甩给便宜模型。一个中型重构，账单能压到原来的两三成。这是真正的方法差+价格差叠加。
适用场景：任何超过简单改注释的重构、跨文件改动。
/voice ——动嘴改代码很多人不知道 Aider 终端里能用嘴说话驱动它改代码。
怎么开：在 Aider 会话里直接输入 /voice，它会调起麦克风，把你的口述转成文字作为指令。
预期效果：双手不用离开键盘想逻辑时，或边对着设计稿讲解边让它改，比手敲 prompt 快得多。
适用场景：边看屏幕边口述需求、做 demo 直播时边说边改、或者纯粹懒。
这个功能在国内几乎零讨论，属于典型的"认知差"。
普通做法是把文件一股脑塞进上下文，token 烧得飞快。Aider 用 tree-sitter 给你整个代码库生成一张"地图"——函数名、类名、调用关系，压缩到几千 token 里。
怎么调：
# 限制仓库地图占用多少 token，默认会自适应
aider --map-tokens 2048
# 会话里手动刷新地图
/map-refresh
预期效果：模型知道 auth.py 里有个 login() 函数、被 routes.py 调用，于是它能主动告诉你"这个改动会影响 login 调用链"。而你只 /add 了当前文件，没把整个仓库倒进去。
适用场景：中大仓库、跨文件理解需求。这是 Aider 相比"全量灌库"工具的隐形护城河。
/test + --lint 自动修复闭环这是把 Aider 从"工具"变成"流水线工人"的关键组合。
怎么开：
# 启动时告诉它怎么跑测试、怎么 lint
aider --test "pytest" --lint "ruff check --fix"
会话里：
/test：它跑测试，读报错，自己改，再跑，循环到通过；/lint：对刚改的文件跑 lint，自动修。flowchart TD
A[改完代码] --> B[输入 /test]
B --> C{测试是否通过?}
C -->|失败| D[aider 读取报错]
D --> E[自动改写代码]
E --> B
C -->|通过| F[git auto-commit 完成]
C -->|通过| G[可选: /lint 收尾]
G --> F
预期效果：你下一条指令"重构这个模块并保证所有测试过"，然后去倒杯咖啡，回来它已经改完、测过、提交了。
适用场景：有测试套件的项目、CI 强制 lint 的团队仓库。
.aider.conf.yml + .aiderignore 持久化——别每次重敲一长串每次启动敲一长串 flag 是新手最大的劝退点。Aider 支持配置文件固化。
怎么开：在仓库根目录放一个 .aider.conf.yml：
model: deepseek/deepseek-reasoner
architect: true
editor-model: deepseek/deepseek-chat
auto-commits: true
test: pytest
lint: "ruff check --fix"
map-tokens: 2048
再放一个 .aiderignore（语法和 .gitignore 一样），把 node_modules、dist、锁文件排除掉。
预期效果：以后 aider 一个词回车，所有偏好自动加载。团队还能把这个文件提交进 git，全队共享同一套 AI 编码配置。
适用场景：团队协作、长期维护的项目。
/save /load 会话存档——把"思考过程"存成可复用资产和 Claude Code 的 /compact 不一样，Aider 的 /save 是把整段会话（包括它改了哪些文件、怎么改的）存成一个文件，之后 /load 能完整重放。
怎么开：
/save refactor-auth-session # 存档
/load refactor-auth-session # 重新载入
预期效果：
- 一次复杂重构做了一半被打断，存档明天接着干；
- 把"某个 bug 的排查+修复过程"存档，下次遇到类似问题，先 /load 让模型带着上次的记忆；
- 团队成员遇到同类问题，直接 load 你的存档复用思路。
适用场景：长任务、跨天协作、需要复用排查经验。
--watch-files + 只读文件——和你的 IDE 双向同步很多人在 VS Code 里手改了一行，又跑回 Aider 重复说明，很割裂。
怎么开：
aider --watch-files
它会监听文件变化，你在编辑器里手改的，它自动同步进上下文。
而只读文件是另一个被低估的暗门——你想让模型看 API.md、数据库 schema、但绝对不准它改：
/read-only docs/API.md # 命令行
# 或会话里直接说：
read-only schema.sql
预期效果：模型把 schema 当参考资料用，但手被绑住，不会"自作主张"动你的关键文件。
适用场景：参考文档/配置很多、但只允许动源码的场景；防止误改生产配置。
/tokens 成本仪表 + --reasoning-effort 省思考 token最后是两个跟账单直接挂钩的开关。
/tokens：会话里随时输入，显示当前每条消息的 token 用量和累计花费。Aider 默认会持续显示运行成本（--show-token-counts 可加强）。
--reasoning-effort：对支持思考的模型（o3、DeepSeek-R1 等）控制它"想多深"：
aider --model o3-mini --reasoning-effort low # 简单改动，少思考省 token
aider --model o3-mini --reasoning-effort high # 难题，让它深想
flowchart LR
A[需求难度] --> B{判断}
B -->|简单改注释/小修| C[reasoning-effort low<br/>思考 token 少]
B -->|复杂重构/算法| D[reasoning-effort high<br/>让它深想]
C --> E["/tokens 盯花费"]
D --> E
E --> F[按需切换]
预期效果：思考 token 是推理模型最大的隐形账单。把简单活调到 low，配合 /tokens 实时盯盘，月底账单肉眼可见地降下来。
适用场景：重度用推理模型、对成本敏感的个人/小团队。
| 维度 | 多数人的认知（你知道的） | Aider 老手的玩法（别人不知道的） |
|---|---|---|
| 改代码成本 | 按 Cursor/Copilot 月费交 | Aider 免费 + 接 DeepSeek/GLM，几乎零成本 |
| 模型用法 | 一个模型从头干到尾 | /architect 双模型，贵的只跑一次 |
| 仓库理解 | 全量文件灌上下文 | Repo Map 树状图，几千 token 看懂全仓 |
| 测试修复 | 自己跑测试、自己贴报错 | /test 自动读错→改→重试闭环 |
| 配置 | 每次手敲一长串 | .aider.conf.yml 全队共享 |
| 思考成本 | 默认让模型想到底 | --reasoning-effort 按难度调，/tokens 盯盘 |
| 输入方式 | 只会键盘 | /voice 动嘴改码 |
装上、接国产模型（15 分钟）
bash
pip install aider-chat
export DEEPSEEK_API_KEY=你的key # 或用 GLM、OpenRouter、本地 Ollama
aider --model deepseek/deepseek-chat
先跑通最基础的"对话改代码"，确认能 auto-commit。
开双模型 + 配置文件（30 分钟）
写一个 .aider.conf.yml，把 architect: true 和 test 命令固化下来。先在一个有测试的小项目上跑一次重构，对比账单。
试 /test 闭环和 Repo Map（1 小时）
找一个中型仓库，让它"重构某模块并保证测试全过"，体验从指令到自动提交的完整流水线。同时去 Aider Leaderboard（aider.chat/docs/leaderboards/）挑一个性价比最高的模型固定下来。
走完这三步，你就从"给 AI 交月费的聊天框用户"升级成"用开源 CLI 把代码成本压到地板"的老手了。
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。
[!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。