在我应用TRAE+DeepSeek V4 pro（以下简称TD组合）开发了多个应用，50万代码的开发之后。我决定尝试一下Codex+ChatGPT 5.6 sol的组合，以下简称CC。
我提的开发需求如下：
1 对英文文件进行朗读，忽略其他语言；
2 支持txt,word,pdf文件；
3 文件大小不超过20M；
4系统可以运行在macOS, iOS,Widows,安卓上；
5 可以暂停，重新开始，设置循环朗读的时长，可以选择朗读的速度。
6 开发过程严格遵循MASE过程框架。
我传递给Codex的是需求规格、测试用例、界面原型三份文档作为AI的设计输入，这三份文档是我之前开发的AI需求分析师进行人机对话澄清需求后形成的。
以下是我的直观对比感受：
1 CC组合自动识别了需求规格、测试用例、界面原型三份文档中的不一致，找人类进行了确认。他发现的不一致本该是AI需求分析师与我发现的问题，是我偷懒了，也提醒了我后续需要在AI需求分析师中增加的一个文档一致性质检环节。
2 对需求中描述不清晰的细节进行了澄清，虽然在AI需求分析师中澄清了需求，但是仍然被CC组合发现了3处需要澄清之处。
3 CC组合能够严格按照定义的MASE过程框架执行，而不像TD组合，需要我进行多次强调提醒要遵守工程纪律，CC组合的纪律性更强，记忆力更好。
4 在安排计划时，CC组合对多操作系统的支持，主动提出先做一种平台，做MVP再后续做其他平台的支持。
5 任务拆分时，严格执行了MASE过程框架的阶段划分、职责划分，任务拆分的更细致，一步一回头，开发与测试结对执行，保证了质量。
6 在分配任务时，能并行的都并行执行了。
7 对性能测试主动补充了用例与场景。
8 增量计划，每个增量可以人为介入测试。
9 在发生变更时，会进行完备的变更影响分析，该修改的地方都能自动改掉，不要人来操心。
10 程序的健壮性提升了，各种异常都得到了处理。
MacOs平台的版本开发完成后，有效代码行3500行，测试代码有效行数为5400行，一遍跑通，人工测试没有找到bug。随后又扩展到安卓平台，手机上测试也是一遍过。
总体评价：
1 CC组合感觉更了解LLM的弱点，能弥补的都弥补了。
2 CC组合更了解需求场景。你没想到的，他都想到了。你能想到的，他也想到了。能够很好的对人类进行查漏补缺。
两个字评价：省心！
一个字评价：爽！