最近我发现，很多人用AI编程有个很大的误区，就是凭感觉走
今天用用 Codex，明天试试 Claude，觉得哪个“聪明”就用哪个
在两个工具之间反复横跳，来回切换，既浪费了时间，又浪费了 token。
接下来我给大家彻底讲透这两个东西的区别
一句话总结就是：Codex 玩的 是广度，Claude Code 拼的是深度
理解了这个事情，你就明白什么任务该交给谁，效率才能拉满
Codex 是你的“超级顾问”
你得明白，Codex 牛逼的地方，是他的知识广度和跨界整合能力
他就像一个看过无数项目、跟无数技术大哥聊过天的资深顾问
所以，在项目刚开始，脑子还一团浆糊的时候，别犹豫，直接上 Codex
在项目初期，把乱七八糟的想法和需求都扔给他
让他梳理、发散，比我们自己瞎想要快得多
做技术选型的时候，也不用去谷歌一篇篇翻博客了，直接问GPT：
“我这个场景，用Go还是Java？他俩的坑分别在哪？”
他能给你讲得明明白白
因此，当我们在开发过程中，遇到模糊不确定的事情的时候
就让 Codex 发散出来一些方案，供我们选择
Claude Code 是最靠谱的“一线码农”
跟GPT天马行空的风格不同，Claude Code 的特点是准确并快速的执行
他更像一个老老实实的多年经验的程序员
当需求和技术方案明确的时候，就该 Claude Code 上场了
首先给他一份清晰的需求文档（可以用 Codex 生成），让他编写测试用例
然后新开一个对话窗口，让他根据文档进行开发，同时要求通过测试用例
这样他就会开发并反复测试，直到通过所有的测试用例
需要注意的是，一定是先让他写测试用例，再开发
如果是在开发完成后让他写测试用例，他会根据自己的代码瞎糊弄
测试用例覆盖范围不达标，从而导致一些bug出现
最后，如果线上环境出现了 bug，可以直接把日志文件丢给他
他会读取并分析其中潜藏的原因，列出来很多种可能性
然后在测试环境中尝试复现，并逐步排除
上图是我自己之前的一个疑难杂症，调试bug的部分
使用 AI 调试 bug 有一套具体的方法，比较复杂
可以先关注一下我，过两天再分享
最后总结一下，使用 codex 做规划，定方案；然后使用 Claude Code 执行
