工作流才决定上限！真正厉害的不是让 AI 写更多代码，而是让 AI 在正确的方向上少走弯路

AI Coding 最容易踩的坑，不是不会写代码

Codex 真不缺写代码的能力，真正拉开差距的是“怎么让它干活”。

分享 3 个基本固定的用法👇

1️⃣ 别一上来就让 Codex 写代码

强制自己先让它把：

技术方案 → 项目架构 → 实现路径 → 潜在风险

全部讲清楚。

先讨论，再编码。

否则前面看着跑通，后面稍微改两次，代码就开始疯狂打补丁，最后整个项目越来越臃肿。

所以现在原则很简单：

写代码是第二步，先把方案聊明白才是第一步。

⸻

2️⃣ 遇到关键问题，先 Search；复杂任务直接上 Sub-agent

在 AGENTS.md 里提前约定：

涉及核心技术选型、论文结论、关键实现时，先检索验证，再下结论。

另外碰到长链路任务，也不会全部塞给一个 Agent。

可以直接拆成几个角色：

→ 一个负责方案设计
→ 一个负责代码实现
→ 一个负责测试和边界检查

这样做的目的不是“让 AI 更忙”，而是减少一个 Agent 从头猜到尾的机会。

⸻

3️⃣ 没有验收标准，AI 说“完成了”基本没意义

尤其是做论文复现。

代码能跑 ≠ 复现成功。

真正应该看的是：

指标有没有达到预期？

曲线是否接近？

消融实验是否成立？

Benchmark 有没有通过？

所以现在给 Codex 任务时，都会提前定义：

什么叫完成、用什么数据判断、哪些测试必须通过。

让 Agent 不只是“写完代码”，而是对结果负责。

⸻

用 Codex 久了以后，越来越觉得：

真正厉害的不是让 AI 写更多代码，而是让 AI 在正确的方向上少走弯路。

工具能力决定下限，
工作流才决定上限。