AI开发工具使用心得与skill推荐
有次让 Codex 给一个现成的项目加用户登录。它写完我一拉 git diff，整个人麻了：不仅把现有的路由结构全给重构成它顺手的一套，还顺手改了我两个不相关的表结构。问它为啥，它来一句“为了更好地与系统集成”。
半年前刚用 Codex 那会儿不是这样。你说一句“写个 Todo list”，几分钟文件、依赖、前端全给你堆出来，能跑能用。那段时间我几乎把所有需求都直接丢给 AI，自己连看都不看。
那次之后我才算清醒过来：AI 不是不会写代码，它是太会脑补了。 只要上下文或边界给得稍微模糊一点，它就会自作主张帮你“做架构重构”，最后给你扔一个几千行改动的 diff，review 起来比自己手写还要命。
现在用了大半年，平时主要用 Codex 和 Claude Code，攒了一套相对克制的工作流。
1. Codex 还是 Claude Code？
我日常主力还是 Codex（配 GPT）。 原因很单纯：写业务代码需要反复试错，Codex 的响应速度够快，而且 OpenAI 原生的工具调用和文件修改打磨得比较稳，日常改改功能成本低、省心。
但 Codex 也有硬伤：如果你想接别家模型，体验会直线下降。自从 2026 年接口变过之后，挂代理跑第三方模型经常出现工具乱调用的 bug，排查起来非常搞心态。
所以如果我想折腾国产模型（比如 DeepSeek），或者需要搞多 agent 协同，就会切到 Claude Code。Anthropic 在上下文管理和开放性上确实更舒服。
2. 我留下的几个 Skill，以及反思
为了治 AI 乱发挥的毛病，我试过很多 skill（本质上就是带约束的 prompt 模板），目前常驻的就几个：
agent-browser（查前端）：以前用 Playwright 测前端，AI 经常在页面还没 hydration 完就急着去点按钮，然后报错。这个工具能让它老老实实打开页面、填表单、截图看状态，改前端布局时比肉眼看代码 diff 靠谱得多。better-icons（统一图标）：专门治 GPT 乱贴 icon 的毛病。GPT 写前端极度喜欢随手混用 Lucide 和 FontAwesome，同一个页面线框和面性图标乱炖。这个 skill 会强迫它按统一风格去调资源。frontend-design/uncodixfy（压审美味）： 说实话，GPT 裸写前端有一种非常恶心的“模版味”：大圆角、卡片套卡片、紫色半透明渐变，而且巨喜欢在每个按钮旁边写一长串说明文字，好像生怕用户智力不健全。开这几个 skill 能压一压这种浮夸的设计，但治标不治本。要真做好看，还是得先扔一张 Figma 截图或者开源组件库的链接让它对着抄。darwin-skill是用来给其他 skill 挑毛病的。
但我现在的原则是：尽量少加规则。
刚开始我也有强迫症，只要 AI 犯一个错我就在 skill 里加一条限制，最后文件长得要命。结果就是上下文被占满，AI 读得迷迷糊糊，自己维护起来也痛苦。代码我自己写都免不了有 bug，指望给 AI 叠 50 条军规就写出完美代码，纯属自己骗自己。够用就打住。
3. 现在的开发习惯：不给 Plan，绝不让它动代码
我现在强制自己在让 AI 动手前，先走一遍规划流程：
- 先让它把需求拆碎，列出功能列表、要动哪些文件、改动哪些数据模型；
- 确认它没想歪、没打算动我的核心架构，我再回车同意它写代码；
- 控制单次任务的粒度，绝不提“帮我做完这个模块”这种宏观需求。
前期多花两分钟确认范围，后面能少花两个小时救火。新项目还能随便折腾，如果是跑在生产上的老项目，被 AI 随手改了边界条件又没看出来，上生产就是事故。
你省掉的需求梳理、边界定义和架构思考，最终都会在 review diff 的时候加倍偿还给你。把它当成一个手速极快、但注意力随时会漂移的初级编码员，把任务切细、把边界卡死，它才是好用的。偷懒直接当甩手掌柜的，被背刺只是时间问题。
文章分享
如果这篇文章对你有帮助，欢迎分享给更多人！