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:回答只从立正讲过、写过的东西里来,每一段都能点回原文。
问类似的问题也可以接着问:
别人还问了
- 創業最需要注意的要點是?
创业最该先想清楚的是市场真实需求在哪里,而不是先做产品、先招人、先租办公室;需求找对了,赚钱是水到渠成的。
- 高内聚低耦合的架构原则对于AI来说make sense吗?
部分成立:AI 让“耦合”从代码模块之间转移到了 context 与工具之间,内聚的对象变成了喂给 AI 的那份上下文。
- 换工作的时候,长期来看,考虑的优先级应该是什么
长期看,优先级是行业与增长空间、公司平台和业务、直属老板,最后才是薪资;薪资差距超过三成时才需要单独权衡。
- 我想学 LLM,但不知道如何开始,你可以给我建议吗?
学 LLM 最有效的起点不是先啃完理论,而是选一个真实小任务,边做边补概念,让卡住的地方告诉你该学什么。
- 什么场景/团队/项目用MCP/Skills什么时候不用
MCP 和 Skills 不是按场景二选一,而是先看结果、再看它是否真省 context:官方 MCP/CLI 简单但结果杂乱、几轮就撑满窗口时,才值得自己做成 Skill。
- 如何用 AI 辅助 产品设计
用 AI 做产品设计,关键不是让 AI 画图或写代码,而是把 AI 放进产品运行过程里承担任务,并把自己的判断标准写成 AI 能读的上下文。