小孩舞锤

这两天真是被 AI 开发流程坑得够呛。

一开始其实最笨的办法反而最稳：我让 Claude Code 在本地改网站代码，改完总结；再让 Codex 审查；然后我把 Codex 的意见复制给 Claude Code。中间全靠我人工传话，效率确实低，但有一个巨大好处：我就是那个阀门。

哪条意见值得改，哪条是废话，哪条会把范围带偏，至少都要先经过我。

靠这个土办法，网站反而慢慢清理得比较干净，到了可以继续往云端开发的程度。

当两个 AI 开始自动闭环

然后我就犯了一个很自然的错误：既然 Claude Code 和 Codex 都这么能干，为什么还需要我在中间复制来复制去？

于是我配置了 Codex 自动 review，让 Claude Code 直接基于云端 GitHub 开发：Claude 改代码，自动生成 PR，Codex 自动 review，再根据 review 继续改。

听起来非常先进。

实际效果是一坨屎。

差不多是真实情况

两个 AI 开始自己跑闭环：改一轮，review 一轮；review 又发现新问题，再改；改完又产生新的 review。每一条单独看都说得头头是道，什么 robustness、edge case、architecture、regression、consistency，结果就是范围越来越大，代码越来越面目全非。

先把 Claude Code 五小时额度烧光，又额外烧了二十欧。

晚上我只好重新回本地，让 Codex 配合 Claude Code 拨乱反正。结果两个又开始聊，又开始审，又开始改，一轮接一轮，说的全是我已经懒得看的技术黑话。

一个最简单的问题，让我彻底破防

最后我实在忍不住，只问了一个最简单的问题：

这一轮改完，到底能不能实现我要的目标？

答案居然是：

现在还在收敛文档，等文档收敛以后再开始编码。

我彻底怒了。

搞了一整天，烧掉一堆额度、token 和钱，两个 AI 忙得热火朝天，最后告诉我：代码还没开始干，先要收敛文档。

问题不是 AI 不聪明，而是抓不住重点

这才发现问题根本不是 AI 不够聪明，而是没有目标约束的 AI 抓不住重点。

它们特别擅长发现问题，也特别擅长证明这些问题“值得处理”。而只要 reviewer 提出一个听起来像风险的问题，另一个 AI 就会觉得自己有义务响应；一响应，又产生新的代码状态；新的代码状态又可以被重新 review；于是下一轮新的问题又出现。

这东西没有天然停止条件。

今天彻底重来：四条规则

一、二八原则

不是追求理论上的完美，而是先用 20% 的工作拿到 80% 的真实结果。剩下那 20% 的边角问题，除非真的挡住目标，否则一律别碰。

二、北极星文档定死

所有工作只有一个判断标准：

这一步有没有让我更接近最终目标？

不能明确缩短目标距离的，不做。

三、AI 无权自己定义新任务

发现一个“可以优化”的地方，不代表产生了新的工作义务。相关性和优先级只能跟北极星文档比出来。

四、review 只能审已经存在的要求有没有被违反

可以找 bug，可以找 regression，可以找明确没有实现的既定要求。

但是不能：

• “顺便建议……”
• “未来可以考虑……”
• “为了更加健壮……”
• “最好再增加……”

这种东西全部禁止。

Review 应该增加确定性，而不是制造新义务

Review 原本应该是减熵工具：我让你帮我降低“这份代码到底行不行”的不确定性。

结果这次自动review 干的是反过来的事：以评审的名义，制造偏离目标的不确定性，然后逼着另一个 AI 逐个处理。

把这些规则定死以后，今天整个开发终于重新上了正轨。

真正的目标其实很简单

事情突然变简单了：

我要的是让云端 AI 能操作网站内容。

那就看它能不能完成这一条真实链路：

创建草稿 → 上传图片 → 保存 → 读取 → 修改 → 再保存。

缺什么补什么。

不是先重构全世界，不是先把所有文档收敛到完美，也不是 reviewer 发现什么就处理什么。

最大的教训：AI 太会干

这两天最大的教训就是：

AI 开发最大的风险不是它不会干，而是它太会干。

不给它明确停止条件，它可以永远给自己找到下一件“正确的事”。

至于为什么现在很多 AI 工具这么喜欢不停 review、不停发现问题、不停追加任务——到底是 AI 天生有工程洁癖，还是产品设计上就特别适合烧 token，我现在已经懒得分辨了。

反正结果是一样的：

没有北极星、没有范围边界、没有停止条件的自动 AI 闭环，本质上就是一个高效率的增熵机器。