AI 开发实践：Codex vs Claude Code 的踩坑与经验分享

loveai

背景
最近，一位开发者在做 AI项目，目标是春节前完成新版上线。最初，他选择了圈内公认的最佳组合：Claude Code + Opus4.7。一开始两周，项目推进顺利，但随着复杂度增加，问题逐渐显现。越调越差，修改某处又导致其他地方崩溃，中间还经历了两次项目文件丢失。

最让人崩溃的是，AI 总是非常自信，每次修改后都会表示方向正确，效果提升明显，但实际上项目进展仍然受阻。通过这段经历，他意识到：AI 不会主动提醒你“这条路不可行”，它只会顺着你的指令走，即使方向已经错了。

---

突破点
在项目遇到瓶颈后，他尝试了 Codex（搭载 GPT5.5）。他只用一句话描述需求：“你擅长做 Skill 吗？”，不到二十分钟，八个文件完整生成，整个项目跑通。经过两三天调试，Codex 生成的 Skill 效果秒杀之前在 Claude Code 上两周的工作。

---

对比分析

通过这次实践，他总结出核心差异，并指出问题不在 Claude Code 本身，而是使用方式和思路：

• 上下文脏
  
  • Claude Code 上积累了两周的文档、需求和方案修改记录，其中包含大量废弃和矛盾的指令。模型被“脏上下文”拖住，难以找到正确方向。
    
• 输入质量的提升
  
  • 虽然 Codex 上一句话就完成了任务，但背后是两周踩坑后的判断和思路整理。开发者已经知道哪些路行不通，流程如何拆解，从而提高了输入质量。
    
• 平台切换带来的强制重构
  
  • 重新描述需求时，会自然过滤掉废话，只保留真正重要的内容。换平台不是放弃，而是一种强制重构思路的手段。
    
  
  

---

总结经验教训

结合自身实践，得出三条经验：

• 上下文并非越多越好
  
  • 一旦上下文混乱，旧方案、废弃想法、矛盾指令会成为负担。定期清理，或者干脆开新对话，效果更佳。
  • 个人看法， 如果写不出好的prompt，可以让ai帮你写。
    
• 卡住就换视角，而非死磕
  
  • 在 Claude Code 上硬磕两周效果不佳，换平台后反而理清了思路。换模型相当于强制重构，而不是放弃努力。
  • 不要死磕一个模型，最起码使用两个模型，对比效果。
    
• AI 的自信不可全信
  
  • AI 不会告诉你“走不通”，它只会顺着你的指令走。需要自己定期评估方向是否正确。
  • 要对AI祛魅，不要以为他是对的，对于他的输出，还是要过滤下，过过脑子。
    

个人学习总结：

• 实践经验：Codex 在代码生成上效率更高，更省成本；Claude Code 也有优势，但需要注意上下文管理。
• 通用经验：
  
  • 不要死磕单一模型，多模型结合使用效果更好。
  • 上下文脏时，及时清理或重开新对话。
  • 在代码或创作方面，选择最擅长的模型，同时结合其他模型互补。