让 Codex 和 Claude 互相 Review:告别手动复制

背景

我最近在大量使用 AI 来写代码,我的习惯是在 Claude 里使用 OpenSpec 来写代码,完成之后来到Codex里,告诉它,帮我Review本次改动,有结果之后把结果复制的Claude里,告诉 Claude,这是 Codex 的review结果,让它去改,改完之后,再来一遍。次数多了之后,我就想能不能让这个流程自动化,在Claude里直接调用Codex进行Review,然后拿到Review结果,然后进行修改,修改完成之后,自动再次进行Review。同时能支持Codex里调用Claude进行Review

安装

  1. 全局安装(推荐)
bash 复制代码
npx claude-codex-code-review install
  1. 安装到当前目录
bash 复制代码
npx claude-codex-code-review install -- --target-dir /path/to/project

使用

1. 在Claude中调用Codex来Review代码

在Claude中调用 /codex-review 命令

bash 复制代码
# 默认取.codex-review.yml里的配置,没有走默认值
/codex-review
# 也可以置顶本次Review的模式
/codex-review --mode severity --auto-fix-severities P0,P1

2. 在Codex中调用Claude来Review代码

在Codex中使用/claude-review skill或者告诉它「用 Claude 审查我的代码」,建议使用skill

自定义配置

如果需要自定义行为,可以传递参数,也可以在项目根目录创建 .codex-review.yml

yaml 复制代码
mode: severity
review_scope: uncommitted
max_fix_rounds: 2
auto_fix_severities: [P0]

各配置项说明:

  • mode --- 模式
    • ask:每次Review之后都问你是否要进行哪些修复
    • auto:自动修复所有审查发现的问题,不询问
    • severity:, 默认模式,只自动修复 auto_fix_severities 中指定级别的问题
  • review_scope --- 审查范围。目前只支持 uncommitted,即审查所有未提交的变更(包括 staged、unstaged 和 untracked 文件)
  • max_fix_rounds --- 最大修复轮次。在 autoseverity 模式下,修复完成后可以再跑一轮审查确认,这个值限制「审查→修复」循环的最大次数,防止无限循环
  • auto_fix_severities --- 自动修复的严重级别列表,仅在 mode: severity 时生效。例如 [P0, P1] 表示 P0 和 P1 级别的问题自动修复,P2、P3 仍然询问

原理

1. Claude调用Codex进行Review的原理

通过Claude的自定义命令来执行自定义的shell,在shell里调用 codex 命令,来启动Codex进行Review代码

2. Codex调用Claude进行Review的原理

和Claude调用Codex类似,只不过是通过skill触发shell,然后在shell 调用 claude -p命令,来启动Codex进行Review代码

注:使用前需要在电脑上安装以下工具

  • Git
  • Claude Code CLI --- Anthropic 的命令行工具(安装指南
  • Codex CLI --- OpenAI 的命令行工具(安装指南

项目地址:github.com/lkkwxy/clau...

最后,如果对你有帮助,希望你能帮我点个赞

相关推荐
IT_陈寒1 天前
Vite热更新失效?可能你在用Windows
前端·人工智能·后端
Matrix_111 天前
手机里的计算摄影:广角形变校正算法
人工智能·算法·智能手机·计算摄影
-山中问答-1 天前
【智能体工具使用实战01】当智能体需要“动手”干活
人工智能·智能体·工具调用
大山佬1 天前
MCU 资源受限环境的高效系统设计:从内存池到任务调度的极致压缩方案
人工智能
行业研究员1 天前
2026腾讯会议语音转写实测推荐
人工智能·腾讯会议·语音转写
道可云1 天前
道可云人工智能&OPC每日资讯|工信部发布《“人工智能+信息通信”创新发展实施意见(2026—2028年)》
人工智能
邵宇然1 天前
PB 级分布式存储实战:从数据分片到跨区域复制的 Rust 工程实现
人工智能
tedcloud1231 天前
taste-skill部署教程:打造个性化AI推荐工作流
服务器·前端·人工智能·系统架构·edge
碳基硅坊1 天前
把本地入口接上远端算力:读懂 LM Studio 的 LM Link
人工智能·lm studio·lm link
莱歌数字1 天前
换热器计算方法与步骤:从热平衡到性能校核
人工智能·科技·制造·cae·散热