同一个 AI 编程工具，有人提效三倍，有人只快了 20%
差别不在模型，在你有没有把它当成“需要管理的执行者”。
这半年 Claude Code 和 Codex 这两个终端里的编程 agent 我都在用。踩过一圈坑之后，真正能提效的动作其实就那几个，按含金量排一下。
第一，并行。这是公认提效最大的一招，也最少人用。用 git worktree 开三到五个独立工作目录，每个目录跑一个会话：一个修 bug，一个写新功能，一个翻日志。互不干扰，也不用排队。两个 agent 同时开工时，一定各给一个 worktree，否则迟早撞车。
第二，管上下文，比什么都重要。窗口再大也没用，超过三四十万 token 它就开始犯糊涂：忘事、跑偏、前后矛盾。切换话题就清空重开，长任务压缩时明确告诉它“保留迁移计划”。搞砸了别在失败的基础上继续修，回到失败之前，从头再来。在失败痕迹上反复打补丁，是效率最大的黑洞。
第三，先让它写计划，由你来审计划。多文件改动一律先让它出计划，把要改的文件、步骤、测试、风险列出来。审一段计划，比审八百行代码便宜十倍。进阶玩法是让两个模型互相审：Claude 写计划，交给 Codex 在只读模式里挑漏洞、找漏掉的测试，再让 Claude 改。这几分钟，能省掉最贵的一类错误：方向错了。
第四，给它一个明确的完成标准。长任务最怕它“感觉差不多了”就停。用命令设定完成条件，让它自己检查是否达标再交付。提交前再让它自审一遍改动，Claude Code 和 Codex 各有自己的 review 命令。更好用的是交叉审：Codex 审 Claude 的改动。两家出错的方式不一样，正好互补。
第五，一次只改一个模块。agent 很擅长同时改十几个文件，而这正是灾难的来源：出了错，你根本判断不清是哪一步坏的。改完先看 diff，看完再进下一个任务。
第六，把重复劳动固定下来。一天干超过一次的事，就做成斜杠命令提交到仓库；每犯一次错，就让它往 CLAUDE.md 或 AGENTS.md 里补一条“这个坑别踩”。这两个文件是团队知识库，越迭代越准。而且 AGENTS.md 两边都读，规则写这里最省事。
第七，提示词要写四样东西：角色、任务、验收标准、限制条件。不要只说“帮我写个登录功能”，而要说“给登录接口加验证码，错五次锁十分钟，不改表结构，用测试证明”。验收标准越明确，返工越少。
第八，权限不要一上来就完全放开。别用跳过审批的那个开关，用自动模式或默认沙箱：只让它在工作区里改，联网和危险命令要先询问。看到 rm -rf、chmod、sudo、往未知地址 curl，必须停下看清楚。
最后说个反直觉的：想省钱，先调整推理强度，再换模型。简单明确的活给低推理档，复杂的才上高档。真正花掉你钱的不是单价，是来回返工。
工具怎么选？一句话：长任务、多文件重构、要盯每一步，用 Claude Code；任务明确、扔出去、回头审 diff，用 Codex。别纠结选哪个，两家出错的地方不一样，大小任务搭配使用最划算。
模型每个月都在换代，但上面这些原则不换代。会拆任务、会管理上下文、会给验收标准，换哪个工具都快。
你现在是把它当补全用，还是当执行者用？
AI编程 ClaudeCode Codex 程序员 效率工具 AI提效