Codex就该和Claude Code打起来。
1
今年四月份的时候，几个人做轻量级项目，当时选Codex做核心工具，打造组织的AI工作流，除了操作友好Token额度高：
另一个关键因素：GPT的通用能力一流。
项目本身偏复杂分析，对编程的要求不算高，所以没全部用Claude Code原生，关键账号也被封的七七八八，想平稳的使用也怪麻烦。
Codex三月有口碑效应，经历几个月的深度使用，部门对Codex的认可程度很高，甚至几个Claude资深选手，也开始两款都用，从而降低Token的采购成本。
说起来也是好笑：Codex四月势头很猛，Claude五月解封两个账号。
当Anthropic这个戏精，发现核心产品碰到对手，抢流量的表演一刻不消停，但高傲的身段也悄摸放一放，此时考虑的不再是安全，全是背后生意的算计。
互联网的产品研发领域，几款常用的AI工具各有强项。
毫无疑问Claude Code是编程能力，Cursor是工程管理能力，Codex则是通用性更高。
开始打着编程的旗号，现在都转向通用Agent领域。
自己最初的使用习惯，肯定是首选Claude Code，但扛不住这个戏精爱封号，所以备选工具是Cursor，当时选Codex也是薅羊毛入手。
说是用个把月看看，结果连续用三个月。
现在AI工具的配置是：Codex成核心生产工具，Claude Code偶尔设计方案，DeepSeek站旁边打打杂，可以极大程度降低Token成本。
特别关注Codex的更新，琢磨新功能怎么集成工作流。
2
企业项目的落地过程，Codex能覆盖多少协作节点，取决于共识覆盖的范围。
开发一款商业产品，不管是服务外部的客户，还是针对内部的业务，共识都不会围绕产品存在，更像是多角度的权衡取舍。
编程算不上最难的事，流程才是真无敌的存在。
当需求到产品研发层面，前置流程已经敲定和落地，很多执行者和AI工具，普遍都没有参与的机会，更别指望AI对上游指指点点。
就算走到执行这一步，共识也只存在局部范围。
产品可以针对需求Vibe页面，开发根据技术优化需求，但是和业务预期的冲突，不到真正使用的时候，没人关心Codex理解是否准确，Vibe的设计和编程是否合理。
个人使用Codex没什么约束，搭建轻量的工作流就足够。
本质是把需求和技能，封装成Prompt和Skill文件，Agent编排执行的顺序即可，过程中核心内容的产出，最好也写到文件中，完整上下文可以让执行更稳定。
利用Codex中的插件能力，还能提高工作流效率和质量。
聊个社媒上的经典案例，如何快速批量的制作内容。
首先信息的搜集整理，可以指定内容的来源，并且快速补充关联信息，比如某款AI新产品刷榜，生成内容摘要的同时，顺手找到背后公司或社媒主页。
然后对内容分析和加工，这一点堪称AI的强项，更极端的观点更有流量，信息和观点形成内容框架。
其次整理对话上下文，能够从任意角度切入，生成标题和正文主体，注意擦除其中的AI味，再手动优化效果更好。
最后还能生成图片或视频，内容就这样高效的产出。
全流程不过几条提示词，在Agent文件中编排执行步骤，还能用专业的插件提高质量，内容的成本只剩想法和观点。
3
好用的AI产品都有个特质，用户想探索它的能力上限，当多款工具混搭使用：
会不由的寻找：更顺手的用法。
比如常用的Codex和Cursor，以及Claude Code这个前任，当然其它的工具也用，很难统一维护Prompt和Skill文件。
个人的使用习惯：从工程文件下手，把它们当工具包管理。
在GitHub新建一个仓库，专门存放Prompt和Skill文件，还可以自定义Agent执行层，方便测试不同模型的执行效果。
使用习惯和AI产品解绑，只按照能力和成本做选择。
整个仓库作为AI指令合集，放在各个项目目录下，按照需求加载使用即可，事实上随着模型能力的提升，对提示词工程的依赖在降低。
只要需求说清楚，够用的AI都能用。
今年有个明显的趋势，大伙对AI公司的表演祛魅，那些所谓深夜王炸产品，花心思一追一个不吱声，开始更多关注AI工作流，如何提高个人的生产力。
在商业和就业的世界里，打工人的选择空间本就不多。
随着模型能力的升级，竞争压力被AI不断抬高，职场投入产出的性价比拉低，很多公司打着AI的旗号，反而让员工自费采购Token，变相的付费上班模式。
Claude Code和Codex谁是严父不重要，重要的是价格压力和选择。
AI工作流
https://github.com/chaos-pro/chaos-flow
内容归档
https://github.com/chaos-pro/chaos-weblog