大家好，我是二哥呀。

在开始今天的内容之前，我想问大家一下。

你平常更接近哪种开发模式：

• 人写代码+ AI 做校验？
• 人设计架构 + AI 写大部分代码？
• Agent 负责架构、代码编写，人负责 review？
• Agent 全部接管，测试也由 Agent 来完成？

因为我知道有些公司内部是不允许接入 AI 的，别质疑，真的有。

01、我的 Coding 工作流

先说一下我自己的模式。

1、知识问答：我现在只用 Claude APP，确实好用，上知天文下知地理，并且大部分情况下都是非常准确的。

2、内容创作：Claude Code + Opus 4.6。

在 Warp 终端直接用这个命令切到 4.6：

claude --model claude-opus-4-6

如果只用 claude 命令默认会用 4.7，但 4.7 的文本是一坨大便，甚至不如 GPT-5.5，一股子稳稳接住你的恶臭味。

或者 Claude Code+DeepSeek V4，DeepSeek 的文本能力一直都很对味，没有稳稳接住你的感觉。

3、架构设计：Codex + GPT-5.5 先调查一波

然后 Claude Code+ Opus 4.7 再调差一波，比较两个之间的共同点和差一点，如果都有，说明是完全可以执行的架构，否则就需要我人工介入去调研和调整。

4、代码生成：主力是 Codex+GPT-5.5，这个量大管饱，bug 很少。另外就是 Claude Code+GLM-5.1。

5、代码 review：我通常会用 Claude Code+Opus 4.7，我试了一下，Codex+GPT-5.5 基本上检查不出来，但 Claude Code+Opus 4.7 都能检查出来，给的解决方案也都很到位。

6、集成测试：Claude Code+Opus 4.7 以及 Qoder 的专家团模式。

也会配合 IntelliJ IDEA+Codex 调试，看代码比较舒服。

如果需要浏览器自动化测试，我会上 Codex+GPT-5.5+Chrome Devtools MCP，或者 computer use。

7、前端：IntelliJ IDEA+Kimi 2.6

8、图片生成：GPT-Image2，以及 draw.io + GLM-5.1/DeepSeek V4

这套工作流，能把开发效率拉到满中满。

02、对话模式和 Agent 模式

对话模式就是大家最熟悉的用法：

打开 ChatGPT 或者 Claude，输入一段话，等它回复，不满意再补一句，再等回复。本质上是人在驱动，AI 在响应。每一步都需要人来判断“下一步该干什么”。

Agent 模式完全反过来：给一个目标，Agent 自己拆解任务、自己决定用什么工具、自己执行、自己验证结果，遇到问题还能自己调整策略重来。

人的角色从“主驾”变成了“副驾”，我们只需要告诉 Agent 目的地，路线 Agent 自己规划，自己开车。

举个真实的例子。

我们要给 PaiCLI 加一个“Chrome Devtools MCP”的功能。

对话模式我就不演示了。Agent 模式只需要讲一句话：

来调查一下第13期的开发任务吧

Agent 就会从去调研清楚，具体该用什么，然后给出解决方案。

等方案确认没问题后，我通常会让 Agent 把这个开发任务写到文件里，然后交给另外一个 Agent 去执行。

量大管饱的 Agent，国内的大模型或者 GPT-5.5 完成度都会非常高。

03、架构设计

第一步，用 Codex + GPT-5.5 先调查一波。

GPT-5.5 是 OpenAI 在 4 月 24 号发的最新模型，目前 Codex 每周有 400 万开发者在用。

GPT-5.5 在 Agentic Coding 上的提升非常明显，NVIDIA 的工程师实测反馈说“原来跨天的调试周期现在几小时就能关闭”。

调研阶段也不需要特别复杂的提示词，就是告诉他我们想要做什么：

如果要做Web search 和 Web fetch ，最轻量级的方案是什么

Codex 会自动去 GitHub 翻源码、去官方文档查 API 设计。拿回来的东西，通常来说，还不错。

第二步，用 Claude Code + Opus 4.7 再调查一波。

Opus 4.7 是 4 月 16 号发布的，Anthropic 官方说在长序列任务中丢子任务的概率比 4.6 低了 60%。

需求沟通这个阶段是最重要的，假如你知道的很少，完全依赖某一个模型，很可能就会把方案走偏。

像上下文压缩这个问题，不管是 GPT-5.5 还是 Opus 4.7 都没有给出满意的答案。

这个时候，就必须依靠我们的开发经验去纠正他。

另外，就是，不管 GPT-5.5 还是 Opus 4.7，对中文的解决方案都不够，比如说做 Web search，智谱明明提供了解决方案，但两个都没有给出来。

最后还是需要我自己智谱的解决方案链接丢给 Agent。

用多个模型去验证架构方案，看起来多花了时间，但能有效过滤掉模型幻觉。

04、代码生成

代码生成是整个工作流里工作量最大的环节，我的主力组合是 Codex + GPT-5.5。

为什么不用 Claude Code？

主要还是量大管饱，生成的代码大部分情况下直接能跑。

比如说我用 Codex + GPT-5.5 写完代码后，用 Claude Code+Opus 4.7 来测试，基本上都是全量通过，改动很小。

我通常会这样给 Codex 下指令：

开始第13期的代码编写吧

Codex 拿到指令后不是直接去写代码，而是先读项目结构、分析现有的代码风格和依赖版本，然后一个文件一个文件地生成，生成完还会自己跑一遍测试。

如果测试不通过，它会自己看报错、自己改、再跑一遍，直到全部通过为止。

这里必须说一点，GPT-5.5 有一个特别明显的毛病：前端生成的时候特别喜欢套框框，一个框套一个框，嵌套层级深得离谱。让它改还是改不掉，像是训练数据里带来的“审美基因”。

用一些 Skill 辅助吧，出来的效果也不太满意。我觉得本质上还是模型能力的问题，不是 Skill 设计的问题。

但如果花心思去调整的话，效果也还不错。比如说技术派上的折叠菜单，以及右侧的这种小图标，都能在原有的网站风格上做出来符合预期的效果。

另一个候选组合是 Claude Code + GLM-5.1。

GLM-5.1 是智谱在 4 月 7 号发布的开源模型，MIT 协议，SWE-Bench Pro 拿了 58.4 分，全球第一，超过了 GPT-5.4 的 57.7 和 Opus 4.6 的 57.3。

在 Claude Code 框架下的编码测试中，GLM-5.1 得了 45.3 分，达到了 Opus 4.6 的 94.6%。

当 Codex 的额度不够的时候，我就会上这个组合。

在 DeepSeek V4 没有 Coding Plan 的情况下，这算是目前国内用户的最优解了。

05、代码 Review 和集成测试

Opus 4.7 新增了一个 /ultrareview 命令，相当于请了一个高级工程师帮忙做代码评审。

它会通读所有变更文件，标记潜在的 bug 和设计问题，给出具体的修改建议。

集成测试我的组合是 Qoder 专家团模式。

Qoder 是阿里做的 AI 编码平台，它的专家团模式（Experts Mode）是今年 3 月份发布的。和单 Agent 最大的区别在于：它会自动组建一个“团队”来干活。

提一个测试需求，Team Lead 会把任务拆成多个子任务，分配给不同的“专家”。有的负责写测试用例、有的负责检查代码规范、有的负责安全扫描。

这些专家并行工作，最后由 Team Lead 整合所有结果。

另外我还会配合 IntelliJ IDEA + Codex 做调试。

如果涉及浏览器端的自动化测试，我会上 Codex + GPT-5.5 + Chrome DevTools MCP，或者直接用 Computer Use。

Chrome DevTools MCP 是 Chrome 官方团队做的 MCP 服务器，通过 CDP 协议让 Agent 直接操控浏览器，点击按钮、填写表单、验证页面渲染结果，整个 E2E 测试流程完全自动化。

06、前端和图片生成

前端开发我会用 IntelliJ IDEA + Kimi 2.6。

这个组合可能出乎很多人意料。

Kimi K2.6 在前端领域的表现太猛了。4 月 20 号发布的 1T 参数 MoE 模型，Next.js 基准测试比上一代提升超过 50%，SWE-Bench Pro 拿到 58.6 分，在前端生成方面的能力已经接近第一梯队。

我写前端的时候喜欢在 IDEA 里直接用 Kimi 插件，好处是它能读到整个项目的上下文，组件结构、路由配置、状态管理、样式变量全部可见，生成的代码能直接和现有代码衔接上，不会出现命名风格不一致或者重复造轮子的问题。

图片生成我用两套方案。

创意类的图片，封面图、流程示意图、概念图，直接用 GPT-Image2，出图质量和理解力目前没有对手。

技术架构图、时序图这种有明确结构的图，我用 draw.io + GLM-5.1 或 DeepSeek V4。

ending

我觉得吧，

大家手头上至少得有一个顶级模型。

Codex + GPT-5.5 或者 Claude Code + Opus 4.7。

然后国产的大模型，DeepSeek V4 或者 GLM-5.1 或者 Kimi 2.6 至少有一个，绑定到 Claude Code 中。

这里给一张我个人的工具搭配速查表：

Agent 模式听起来很高级，本质上就是把注意力从“代码怎么写”转移到“需求怎么描述”。

写好一段 prompt 的能力，可能比写好一段代码的能力更值钱。

没啥大事的话，我们就假期见。