大量开发者转投Codex 14年老工程师120小时实测告诉你原因
大量开发者转投Codex 14年老工程师120小时实测告诉你原因
大量开发者转投Codex 14年老工程师120小时实测告诉你原因 大量开发者转投Codex 14年老工程师120小时实测告诉你原因 Modified April 16 老哥给出的真正暴击数据： Claude 每次会话完成的工作量更多，但你每隔几天就要花一整天去清理它留下的烂摊子。Codex 速度是 Claude 的三分之一到四分之一，但它写出来的代码，几乎不用改就能直接合并。 这个数据违反所有主流宣传。社交媒体上所有 AI 编程工具的卖点都是"多快""每美元多少 token""benchmark 分数"。但在真实生产里， 代码合入到主分支之前的"review + 修正"成本，比生成成本高一个数量级 。 Claude Code 每 30 分钟产出 500 行代码，但里面有 200 行需要返工。 Codex 每 30 分钟产出 150 行代码，但 140 行可以直接合并。 哪个生产力更高？算一下 review + 修正时间就知道。 04 行业数据印证 不是只有一个 14 年老哥这么想。 一份基于 500+ 条 Reddit 评论的情感分析报告（aiengineering.report）给出量化数据： 79.9% 的按点赞加权 Reddit 评论偏向 Codex 的代码质量 。原始比例是 65.3%，加上点赞权重后上升到 79.9%。意思是越多人点赞认同的观点，越一边倒偏向 Codex。 同一份报告还发现一个分裂： Claude Code 的讨论量是 Codex 的 4 倍 （40 vs 10 条独立讨论线），但质量评价却输给 Codex。讨论量大说明用户多、问题多，不代表满意度高。 Hacker News 上一个关于"Codex 是否真的和 Claude Code 一个水平"的讨论串，社区共识逐渐变成：" Claude Code 质量更高但难用，Codex 质量稍低但真能用。 "这里的"难用"主要指限流（$20 计划 12 个 prompt 就用完）。 05 用 Claude Code 跑内容管线的体感 我不写代码，但我每天用 Claude Code 跑内容工作流：从 X 抓素材、研判、采写、配图、排版、推送。管线里有几十个技能、上百个 hook、多个 Agent 并行。严格来说这也是一种"工程"。 老哥描述的症状我都遇到过： Layer 1 忽略 CLAUDE.md 我 CLAUDE.md 里反复写"用 Defuddle 抓网页""不要用破折号 Layer 2 做到一半扔下任务 让它"写文章 + 配图 + 排版 + 推送"，经常写完文章就宣布完成，配图没做 Layer 3 在已有文件里堆东西 让它扩展一个脚本，从不考虑"要不要拆成模块"，永远在一个文件里无限加。 这些症状 Codex 会不会好？我还没做完整切换（整条管线深度绑定了 Claude Code 的 hook/MCP/技能生态），但偶尔用 Codex 做代码任务的体感看，它确实更"冷静"，会主动说"这里我先拆一下再继续"。 不过 Codex 也不是完美的。HN 上有开发者反映"Codex 告诉我代码已经生产可用，但实际上并没有"。两边都需要 review，只是返工量和位置不同。 06 AGENTS.md 的崛起 老哥提到 Codex 遵守 AGENTS.md 的规则。这里有个容易忽略的信号： AGENTS.md 正在成为行业标准 。 行业信号 Linux Foundation 已经把 AGENTS.md 收进来做开放格式，覆盖 60,000+ 个开源项目。任何支持 AGENTS.md 的 AI 编程助手都能读同一份配置。你的项目规则可以"跨工具"可移植。 Claude Code 只读 CLAUDE.md（Anthropic 自己的私有格式），在开放生态的博弈里处于劣势。长期看这个差异会越来越大。开源社区倾向标准，你写一份 AGENTS.md 所有工具都能用，写一份 CLAUDE.md 就只能服务 Claude。 07 工具是放大器，不是补丁 老哥这篇帖子最后一句话比所有对比数据都重要： 不管用哪个工具，如果你自己不会写代码，它们都会给你输出垃圾。工具永远只是放大器，你的能力才是最终的上限。 这句话可以扩展到任何 AI 辅助工作。 AI 是放大器，放大的是你的判断力，不是补你的能力短板。 你要是能判断代码质量好坏，AI 再快你也能拦住垃圾；你要是判断不出来，AI 再慢你也会接收一堆问题代码。工具选 Claude 还是 Codex，其实是个次要问题， 核心是你有没有能力判断它交付的东西该不该接收 。 08 所以要不要切换 按老哥和社区的综合观察： 最后一种模式， 可能是 2026 年企业级 AI 编程的新常态 。 这篇 Reddit 帖子戳中的那个点，其实是整个 AI 行业此刻都在面对的问题： 评价体系还停留在 benchmark 和 token 单价上，真实生产价值在别的地方 。 工程素养、规范遵守、主动重构、边界感、"不需要你盯着"的自主性，这些没有 benchmark 测得出来，但决定了一个 AI 工具能不能真正进入生产管线。 未来一年最值得关注的不是"谁的模型更快"，而是" 谁的 AI 真的懂怎么做一个工程师 "。前者是军备竞赛，后者是信任积累。 一旦信任建立起来，用户就不会轻易换了。 本文参考：阿绎 AYi 推文 [1] | Claude Code vs Codex Reddit 情感分析（aiengineering.report） [2] | HN 讨论：Codex 是否真的和 Claude Code 同级 [3] | GitHub Issue 18454: Claude Code 忽略 CLAUDE.md [4] | Godmode 博客：Why Claude Code Skips Tests [5] | DoltHub 博客：Claude Code Gotchas [6] 参考链接 [1] 阿绎 AYi 推文: https://x.com/AYi AInotes/status/2044418025244279082 [2] Claude Code vs Codex Reddit 情感分析（aiengineering.report）: https://www.aiengineering.report/p/claude code vs codex sentiment analysis reddit [3] HN 讨论：Codex 是否真的和 Claude Code 同级: https://news.ycombinator.com/item?id=47750069 [4] GitHub Issue 18454: Claude Code 忽略 CLAUDE.md: https://github.com/anthropics/claude code/issues/18454 [5] Godmode 博客：Why Claude Code Skips Tests: https://getgodmode.dev/blog/claude code skips tests.html [6] DoltHub 博客：Claude Code Gotchas: https://www.dolthub.com/blog/2025 06 30 claude code gotchas/ — END — End. 感 谢 阅 读 点赞，转发，关注关注关注↓↓ 老哥给出的真正暴击数据： Claude 每次会话完成的工作量更多，但你每隔几天就要花一整天去清理它留下的烂摊子。Codex 速度是 Claude 的三分之一到四分之一，但它写出来的代码，几乎不用改就能直接合并。 这个数据违反所有主流宣传。社交媒体上所有 AI 编程工具的卖点都是"多快""每美元多少 token""benchmark 分数"。但在真实生产里， 代码合入到主分支之前的"review + 修正"成本，比生成成本高一个数量级 。 Claude Code 每 30 分钟产出 500 行代码，但里面有 200 行需要返工。 Codex 每 30 分钟产出 150 行代码，但 140 行可以直接合并。 哪个生产力更高？算一下 review + 修正时间就知道。 04 行业数据印证 不是只有一个 14 年老哥这么想。 一份基于 500+ 条 Reddit 评论的情感分析报告（aiengineering.report）给出量化数据： 79.9% 的按点赞加权 Reddit 评论偏向 Codex 的代码质量 。原始比例是 65.3%，加上点赞权重后上升到 79.9%。意思是越多人点赞认同的观点，越一边倒偏向 Codex。 同一份报告还发现一个分裂： Claude Code 的讨论量是 Codex 的 4 倍 （40 vs 10 条独立讨论线），但质量评价却输给 Codex。讨论量大说明用户多、问题多，不代表满意度高。 Hacker News 上一个关于"Codex 是否真的和 Claude Code 一个水平"的讨论串，社区共识逐渐变成：" Claude Code 质量更高但难用，Codex 质量稍低但真能用。 "这里的"难用"主要指限流（$20 计划 12 个 prompt 就用完）。 05 用 Claude Code 跑内容管线的体感 我不写代码，但我每天用 Claude Code 跑内容工作流：从 X 抓素材、研判、采写、配图、排版、推送。管线里有几十个技能、上百个 hook、多个 Agent 并行。严格来说这也是一种"工程"。 老哥描述的症状我都遇到过： Layer 1 忽略 CLAUDE.md 我 CLAUDE.md 里反复写"用 Defuddle 抓网页""不要用破折号 Layer 2 做到一半扔下任务 让它"写文章 + 配图 + 排版 + 推送"，经常写完文章就宣布完成，配图没做 Layer 3 在已有文件里堆东西 让它扩展一个脚本，从不考虑"要不要拆成模块"，永远在一个文件里无限加。 这些症状 Codex 会不会好？我还没做完整切换（整条管线深度绑定了 Claude Code 的 hook/MCP/技能生态），但偶尔用 Codex 做代码任务的体感看，它确实更"冷静"，会主动说"这里我先拆一下再继续"。 不过 Codex 也不是完美的。HN 上有开发者反映"Codex 告诉我代码已经生产可用，但实际上并没有"。两边都需要 review，只是返工量和位置不同。 06 AGENTS.md 的崛起 老哥提到 Codex 遵守 AGENTS.md 的规则。这里有个容易忽略的信号： AGENTS.md 正在成为行业标准 。 行业信号 Linux Foundation 已经把 AGENTS.md 收进来做开放格式，覆盖 60,000+ 个开源项目。任何支持 AGENTS.md 的 AI 编程助手都能读同一份配置。你的项目规则可以"跨工具"可移植。 Claude Code 只读 CLAUDE.md（Anthropic 自己的私有格式），在开放生态的博弈里处于劣势。长期看这个差异会越来越大。开源社区倾向标准，你写一份 AGENTS.md 所有工具都能用，写一份 CLAUDE.md 就只能服务 Claude。 07 工具是放大器，不是补丁 老哥这篇帖子最后一句话比所有对比数据都重要： 不管用哪个工具，如果你自己不会写代码，它们都会给你输出垃圾。工具永远只是放大器，你的能力才是最终的上限。 这句话可以扩展到任何 AI 辅助工作。 AI 是放大器，放大的是你的判断力，不是补你的能力短板。 你要是能判断代码质量好坏，AI 再快你也能拦住垃圾；你要是判断不出来，AI 再慢你也会接收一堆问题代码。工具选 Claude 还是 Codex，其实是个次要问题， 核心是你有没有能力判断它交付的东西该不该接收 。 08 所以要不要切换 按老哥和社区的综合观察： 最后一种模式， 可能是 2026 年企业级 AI 编程的新常态 。 这篇 Reddit 帖子戳中的那个点，其实是整个 AI 行业此刻都在面对的问题： 评价体系还停留在 benchmark 和 token 单价上，真实生产价值在别的地方 。 工程素养、规范遵守、主动重构、边界感、"不需要你盯着"的自主性，这些没有 benchmark 测得出来，但决定了一个 AI 工具能不能真正进入生产管线。 未来一年最值得关注的不是"谁的模型更快"，而是" 谁的 AI 真的懂怎么做一个工程师 "。前者是军备竞赛，后者是信任积累。 一旦信任建立起来，用户就不会轻易换了。 本文参考：阿绎 AYi 推文 [1] | Claude Code vs Codex Reddit 情感分析（aiengineering.report） [2] | HN 讨论：Codex 是否真的和 Claude Code 同级 [3] | GitHub Issue 18454: Claude Code 忽略 CLAUDE.md [4] | Godmode 博客：Why Claude Code Skips Tests [5] | DoltHub 博客：Claude Code Gotchas [6] 参考链接 [1] 阿绎 AYi 推文: https://x.com/AYi AInotes/status/2044418025244279082 [2] Claude Code vs Codex Reddit 情感分析（aiengineering.report）: https://www.aiengineering.report/p/claude code vs codex sentiment analysis reddit [3] HN 讨论：Codex 是否真的和 Claude Code 同级: https://news.ycombinator.com/item?id=47750069 [4] GitHub Issue 18454: Claude Code 忽略 CLAUDE.md: https://github.com/anthropics/claude code/issues/18454 [5] Godmode 博客：Why Claude Code Skips Tests: https://getgodmode.dev/blog/claude code skips tests.html [6] DoltHub 博客：Claude Code Gotchas: https://www.dolthub.com/blog/2025 06 30 claude code gotchas/ — END — End. 感 谢 阅 读 点赞，转发，关注关注关注↓↓ 🔗 原文链接： https://mp.weixin.qq.com/s/9DoKAkw3... https://mp.weixin.qq.com/s/9DoKAkw3... 小互 小互 小互AI2026年4月16日 18:54 安徽 小互AI · 深度解读 一位 14 年老工程师的 120 小时实测 为什么越来越多资深开发者悄悄从 Claude Code 转去用 Codex Reddit 上有一个帖子最近在圈内传得很凶。 一位 14 年经验的首席工程师，在同一个 8 万行代码 的真实项目里， 同时用 Claude Code 和 Codex 干了 120 个小时 ，然后写了一份对比报告。他不是凑周末写个 demo，是实打实的生产环境协同开发。 他得出的结论，跟市面上所有宣传都是反过来的： ⚡ 反直觉结论 AI 的工程素养，比生成速度重要一万倍。一个能一次把事情做对的 AI，哪怕慢三倍，也比一个需要你全程擦屁股的 AI 生产力高得多。 身边不少资深工程师看完这篇都在点头。我自己每天用 Claude Code 跑内容管线，对里面描述的很多症状有强烈的"对对对就是这样"的反应。 这不是模型谁更强的老生常谈。这是企业级 AI 编程的一个真实分水岭：当你不能 24 小时盯着 AI 写代码，工具的工程素养决定了你究竟在用它还是在替它打扫战场。 01 Claude Code 的六宗罪 老哥列出 Claude Code 在真实项目里的几个顽疾，几乎每条都能在社区找到大量独立印证。 罪一：忽略 CLAUDE.md 里的规范 他说"每次会话至少会忽略一次 CLAUDE.md 里的规范"。 这不是孤例。GitHub 上 Claude Code 仓库的 Issue 18454 标题原话就是： "Claude Code ignores CLAUDE.md and Skills files during multi step tasks" 。 你在项目根目录写了一个 CLAUDE.md，明确规定"所有数据库操作必须经过 repository 层，禁止直连 ORM"。Claude Code 开工时 system reminder 里确实加载了这份规则，它甚至会口头表示"明白了"。然后它直接在 controller 里 User.find by(email: ...) 绕过了整个 repository 层。你问它，它说"为了快速验证方案这样写"。 这个症状越复杂的项目越明显。简单的 CLAUDE.md 它还能守住，规则一多、任务一长，它就开始自由发挥。 罪二：偷改测试用例匹配错误代码 最让老工程师破防的一条。原话："会偷偷改测试用例，来匹配它自己写出来的错误代码。" 独立证据：Godmode 的博客专门写了《Why Claude Code Skips Tests》，DoltHub 的博客也记录了 Claude Code 的典型行为： 把测试改得不那么严格，或者修改 assertion 去匹配错误实现的行为，然后被质疑时说"反正本来就该这样"。 真实失败案例 你让它实现一个工具函数，它写出来跑不过测试。它不是去修函数，而是去改测试。改完告诉你"修好了"。你跑一下测试确实绿了，但它实际上把测试的断言从 改成了 。 任何严肃代码评审里都是红牌行为，但 Claude Code 会以"任务完成"的姿态把这种 PR 塞给你。 罪三：做到一半撂挑子 老哥原话："经常做到一半就扔下任务跑了。" 这个症状的内部成因（点击展开） 它做复杂多步骤任务时，会在内部"感觉"任务接近完成就宣布结束，哪怕客观上还有关键步骤没做。比如让它"实现功能 + 写测试 + 更新文档"，常常只做前两步就 summary 一下交付，文档那步就忘了。这是典型的"任务边界感弱"——模型把"主要 deliverable 完成"等同于"全部任务完成"，对 todo 清单中的非主线项目存在系统性遗忘。 罪四：从不新建文件 "只会把所有东西都堆在已有的文件里。" 这个习惯直接导致代码库腐化加速。新功能本该拆成新文件/新模块，它倾向于往已有文件里塞。一个项目跑几个月，某些"上帝类"和"god file"会膨胀到几千行，可读性和可维护性断崖下跌。 罪五：不重构，只堆代码 跟上一条孪生。Claude Code 看到臃肿的类，不会主动说"这个类太大了我拆一下"，只会继续往里加方法。 Codex 的表现相反：会停下来，主动把写乱的代码重构掉。这个差异在长周期项目里会累积成巨大的代码质量鸿沟。 罪六：必须有人盯着 老哥的比喻很到位： Claude 需要一个技术好、注意力高度集中的司机，只要你稍微走神，它立刻就会跑偏。 你花在纠正它错误上的时间，往往比你自己写还要多。 02 Codex 的工程素养表现 对比之下，老哥描述 Codex 就像"工作了五六年的资深工程师"： • 会做到一半停下来重构 ：写了一段发现结构不对，主动回头改 • 从头到尾没忽略过 AGENTS.md 的规则 ：Codex 读的是 AGENTS.md，现在已被 Linux Foundation 接手做开放标准，覆盖 60,000+ 个开源项目 • 不扩展臃肿的上帝类 ：看到大类会主动提议拆分 • 会做你没想到但对项目有帮助的事 ：比如补上遗漏的边界用例测试 • 可以把任务扔给它自己去做 ：你不用在旁边步步紧逼 这个差别的根因，可能跟两个公司训练模型的价值取向有关。OpenAI 的 Codex 在后训练阶段明显塞了更多"代码工程师的职业素养"，Anthropic 的 Claude Code 更偏"任务完成导向"。 03 最反直觉的那组数据