一位开发者近日在V2EX社区分享了自己调整AI编程工作流的经验:彻底停止让OpenAI的Codex编写业务代码,仅将其作为后台执行杂务的工具保留。据其描述,此前让Codex直接写代码的体验并不理想——原本两行代码就能解决的问题,Codex往往要套上三层校验逻辑再额外包一层wrapper(包装函数),代码过度设计、冗余严重,每次审查代码差异(diff)都令人头疼。调整后的新分工为:代码编写全部交给谷歌的Gemini模型负责,Codex则通过其命令行模式codex exec在后台执行跑测试等繁琐任务。这位开发者在下班前修完最后一个bug后,让Gemini调度codex exec自动在后台运行测试,感叹此前几乎闲置吃灰的Codex订阅总算没有白费。这一实践折射出当前开发者使用AI编程工具的一个新趋势:不再依赖单一工具,而是基于各模型的强弱项进行分工编排——能力更强的模型负责核心业务代码生成,其他工具则承担自动化测试、脚本执行等外围任务,以此兼顾代码质量、开发效率与订阅成本的利用率。
事件分析
这条分享展示了AI编程工具使用模式的一个细化方向:开发者开始按任务属性对多个AI Agent进行分工编排。技术上,codex exec是Codex提供的非交互式命令行执行模式,适合被其他程序或模型调度,天然适合承接自动化测试、批量重构验证等结果可机器判断的任务;而Gemini这类长上下文模型则被定位为主力代码生成者。这种’生成与验证分离’的编排方式,实质上是把传统软件工程中的’开发-测试’角色分工映射到了AI工具层面。对行业而言,随着各编程模型能力分化加剧,开发者的多订阅组合使用可能成为常态,工具厂商或将围绕可编排性、CLI接口标准化展开竞争,MCP协议与Agent编排框架在其中的作用也将愈发突出。
核心观点:AI编程进入分工编排时代:与其调教单个全能模型,不如让强模型写代码、专用Agent跑腿打杂。
原文链接:V2EX 分享发现