把积累放在模型和 harness 之上,用同一套上下文与验收标准去跑 Codex,效果差距往往来自工作流而非工具本身。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
效果差距可能来自工作流,而非换了个工具
同一套 harness 架构下 Codex 表现不如 Claude,一个常见原因是:原来那套 prompt 和 skill 是按 Claude 的特性写的,直接搬过去会限制 Codex。立正的建议是重新写 skill 时补上业务背景,把模型已经会做的事交给它,告诉它什么是好、什么是容易犯的错误,少教它怎么做。他还纠正过一个说法:不是 harness 稳定、模型随意换,而是模型加 harness 可以随时切换,同一份业务经验、任务标准和上下文应该还能用。所以先别急着换回 Claude,可以拿一个你熟悉的任务,把 prompt 里那些步骤性指令拿掉,只留背景和验收标准,看 Codex 的输出是否变好1,2。
多 harness 混用是应对封禁和成本的常规做法
一位做多 agent 工作流的创业者提到,Claude 账号不可能无限用,额度用完就切到 Codex,再不够还有别的模型和工具,成本是一个重要维度;对企业来说 Anthropic 的账单甚至已经超过工程师花销,这也是他们开始关注 Codex 和开放权重模型的原因。立正也说过,中文互联网容易过度强调某一个工具,其实 Cursor、Claude Code 和 Codex 在很长一段时间里水平接近,不要绑定在一个工具上。中转站贵的问题,一种可能是把高频消耗的任务留在便宜或额度充足的 harness 上,只在确实需要 Claude 特性的环节用它,而不是所有任务都走中转3,4。
材料里没有针对中转站定价或具体封禁规避方案的内容,这部分无法给出建议。
出处
- 1从结果确定性到通用智能:和韦晓亮老师聊AI、产品与教育
讲清了 skill 该怎么重写、积累该放在哪一层,是解决 Codex 效果差距的核心依据。
- 2AI Builders第13轮更新(2026.8)
说明 Cursor、Codex、Claude Code 背后方法一致,适合核对跨工具迁移的思路。
- 3对谈Orca联合创始人 Jinjing:同时管理几百Agents的工作流、用户验证与产品增长、AI创业机会
提供了多 harness 混用、按成本切换的实际做法,适合参考应对封禁和额度限制。
- 4Koji杨远骋:高手如何用AI?
讨论了不要绑定单一工具、不同模型特性差异,适合理解为什么不必执着于 Claude。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 总觉得现在学习新东西,技术没有什么意义了,因为ai能比你做的快10倍,同时也觉得任何东西/poc都没有门槛,我能几天之内学习新的技术,并deliver。如果我能,我相信别人也能,那我的竞争力到底在哪里? 学更广的知识还是干别的什么?
几天做出一个能跑的东西,只证明你当下交付得快,不证明能力留在你身上。竞争力更可能来自撤掉帮助后仍能判断、拆解和交付,以及别人做不出来的深度。
- workbuddy普通人怎么用
普通人用 AI 的关键不是学会某个工具,而是从“偶尔用一用”变成“让 AI 成为核心生产力”,并围绕自己反复做的一件事持续积累。
- 如何学习 ai
学 AI 要当手艺练,不是当知识背:围绕真实任务动手,用“撤掉帮助、隔段时间、换个条件还能不能做”来检验自己是否真会。
- ai时代如何赚钱?
立正认为AI时代赚钱的关键不是抓住某个风口,而是把认知和方法练出来:用经营者的视角看待工作,学会识别真正创造价值的事,并且相信赚钱的唯一方式是给别人创造价值。
- 课代表一直说要像学习一门手艺一样工作,这个怎么理解,什么是手艺,学习手艺的时候需要注意什么,如何精通一门手艺?
手艺不是熟练重复,而是能不断往深里钻研、越做越发现学问的活能力;学它靠动手试错,精通靠长期坚持。
- ai时代,我应该怎么了解我想做,可以做的事,作为马上就要毕业的大学生,我应该怎么样去求职。
先别急着海投简历,花一两天认真想清楚:不靠公司,你能给别人提供什么价值;再花几周去真实试一次。