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。