最近在用codex做项目，有一些体会。

context的限制

最近解决一个问题和ai花了一周都没结果，过程中一个很明显的感受是：

要解决的问题如果是那种给 AI 一两句话就能出结果的，coding agent用起来非常爽；反之，问题比较复杂的就会：

• 对话轮数不断增加

• 上下文越来越长

• 问题反而变得越来越难解决

我还有种感觉：一个问题聊的越久越没希望，context太长的时候ai就会变的脑雾，变蠢，现在已经相比于半年前、一年前好多了，但一定还是有边界的，到这个context边界就只能gg，开下一把，靠上次聊的时候写的开发文档来同步进度。

以及，这个过程中自己也会丢掉很多细节。一开始contexxt不长的时候，自己是很清晰解决问题的路径的。但context开始多起来时，且你又放给了coding agent很高的权限，放手去让他做了很长时间，这时候自己也开始不清晰开发的思路了，ai在做的就成了一个黑盒，自己不知道里面是什么。

我觉得这里就是考验一个人水平的时候了，自己能不能知道ai在干什么，有没有很强的纠偏能力、判断力、反思能力，把ai栓在正确的道路上。

不然就是context越来越长，问题一直解决不了，基本失控，这时候还会有一个问题：

ai给的解决思路看起来是很正确的，如果自己没判断力的话很容易被带偏，最近顺着他的思路走，但就是不work，我经常会怀疑：

• 是不是一开始某些东西就错了

• 或者这个问题本身包含了一些 AI 没法理解的东西，我们之间有些信息没用语言同步到位

反馈机制

实际开发的一个基本常识是：每次改动之后都需要通过测试来验证效果。

最近也了解到一些方法，单元测试，AB测试，TDD，敏捷开发之类的。

但这里存在一个很明显的分界：

• 纯代码逻辑：
  测试结果清晰、可量化，容易反馈给 AI

• 依赖视觉或主观判断的场景（例如 UE）：
  输出往往需要肉眼观察，很难转化成精确、结构化的反馈

这就会导致两个问题：

1. AI 无法获得高质量反馈 → 难以收敛

2. 人本身也很难设计出合理的观测指标 → 给不到ai好的反馈，接下来的路径就不清晰

最终结果就是：问题还是一直work不了，又找不到明确的改进方向。

开发文档

我之前其实尝试优化过自己的工作流：一边开发，一边写文档。

但最近又发现一个事儿是:

如果一开始走在一条错误的路径上，那么文档也会同步记录错误的理解:

• 文档逐渐偏离真实情况

• 错误被不断放大

• 后续新开的线程也会被这些“错误前提”污染

所以最近的一个小调整是：把文档拆分为成事实层和逻辑层

• 事实层：记录客观发生了什么

• 逻辑层：记录自己的推断与解释

但这里其实我思考的还是比较模糊，感觉效果并不是很好。一般是直接让ai去文档，我其实很难知道他理解的逻辑层的可信度到底是多少，完全不看好像也不行，完全看更不行。

总结

总的来说，用ai的最重要的几个体会就是

• 清晰的上下文控制

• 高质量的反馈机制

• 对过程的记录

以及最重要的其实还是自己的工程能力。