大数跨境

GPT-5.5 Codex 让我「放下了怀疑」:一位开发者的信任天平,正在从 Claude Code 倾斜

GPT-5.5 Codex 让我「放下了怀疑」:一位开发者的信任天平,正在从 Claude Code 倾斜 未来跃迁
2026-05-11
0
导读:GPT-5.5 Codex 让我「放下了怀疑」:一位开发者的信任天平,正在从 Claude Code 倾斜

导读
一位开发者公开表示,自己已经开始「明显更信任」搭载 GPT-5.5 的 Codex,核心原因只有一个:谁能让他不用一直盯着。Claude Code 仍然是他的主力工具,但持续审计带来的心理消耗,正在改变 AI 编程工具的竞争维度——从「能力」转向「可托付感」。

「一直怀疑自己的 AI,太累了」

5 月 9 日,威斯康星大学麦迪逊分校助理教授 Dimitris Papailiopoulos 在 X 上发了一段话,语气很平,但指向很明确:

"I've started being noticeably more trusting of Codex with GPT 5.5 than Claude Code, which still remains my main driver for most projects. The latter needs comparatively more hand-holding, inspection and audits. Feeling constantly suspicious of your CLI agent is exhausting."

「我已经开始明显更信任搭载 GPT-5.5 的 Codex。Claude Code 仍然是我大多数项目的主力,但后者相对需要更多手把手指导、检查和审计。持续怀疑自己的 CLI agent,太消耗人了。」

▲ Dimitris Papailiopoulos 的原帖,引发大量开发者跟帖讨论

注意他说的重点:Claude Code 仍然是主力工具。他没有说要弃用,也没有做任何 benchmark。他描述的是一种体感——同样能干活的两个 agent,一个让他放心,另一个让他疲惫。

这个体感,触动了很多开发者的神经。

「怀疑税」:开发者真正在意的成本

帖子下面的回复迅速展开。开发者们没有纠结"谁更聪明",而是直奔一个更实际的问题:你得花多少精力盯着它?

回复者 @LLMERDOTCOM 给这个成本起了个名字——suspicion tax(怀疑税)。他建议用 pre-commit hooks 自动捕捉 agent 的常见漂移模式:bare except、遗留的 console.log、缺失的测试。把 guardrail 自动化了,怀疑税就能降下来。

@AlekPerak 的切入角度更深一层:

"Trust in a coding agent isn't just about capability. It's about predictability of failure modes."

「对 coding agent 的信任不只关乎能力,更关乎失败模式是否可预测。」

这句话点出了关键区分。一个 agent 平均水平很高,但什么时候会跑偏、偏到多远、偏了之后你能不能快速发现——这些决定了你到底要花多少精力看着它。如果失败模式不可预测,审计成本就永远降不下来。

@xzhang_billy 则给出了更平衡的判断:GPT-5.5 整体感觉比 Opus 4.7 更聪明,但 Claude Code 的 agent harness(运行框架)做得更好。模型智力和 agent 工程,是两条独立的线。

两种哲学:「你来批准」vs.「我先干了」

这场讨论背后,其实是两套截然不同的产品哲学。

Claude Code 的路线是"透明优先"。官方安全文档直接摆出了设计原则:默认严格只读权限,编辑文件需要显式许可,bash 命令需要审批,工作目录有写入边界,网络请求需要授权,新的 MCP server 需要 trust verification。甚至连 prompt fatigue(权限弹窗疲劳)都被写进了官方文档——Anthropic 知道这会让人烦,但仍然选择让用户保持对每一步操作的感知。

▲ Claude Code 安全文档明确强调:默认只读,敏感操作需显式许可

Codex 的路线更偏向"先执行,再审查"。官方文档把 Codex CLI 定位为可以直接在本地终端读、改、运行代码的 coding agent,内置了 local code review、subagent 并行、cloud task、多种 approval mode。用户可以选择自己舒适的审批级别,但整体交互节奏更倾向于让 agent 先跑起来。

▲ Codex CLI 文档展示的能力矩阵:终端 agent、代码审查、子代理、云任务

回复者 @bettercallsalva 这样概括这个差异:Claude Code 把每一个 shell 调用和文件写入都以权限弹窗暴露出来,Codex 更像默认执行、事后审查。两种设计没有绝对对错——取决于你对当前代码库的信任程度、对 agent 的了解程度,以及你愿意把多少控制权交出去。

但 Dimitris 的帖子揭示了一个现实:当控制感变成了持续的心理负担,安全设计的好意可能被体验为疲劳。

社区已经在拆解答案:让 AI 互相审计

争论还在继续时,社区已经有人开始用工程手段拆解这个问题。

回复区有人推荐了一个 GitHub 项目:captain-codex。它的思路很有意思——开发者不用在 Codex 和 Claude 之间二选一,直接让它们互相干活、互相审查。

"Codex plans, Claude implements, Codex reviews; loop until Codex is satisfied."

「Codex 规划,Claude 实现,Codex 审查;循环直到 Codex 满意。」

▲ captain-codex 项目:一行命令启动"Codex 规划 → Claude 实现 → Codex 审查"循环

项目作者在 README 里解释了为什么需要这种设计:Claude 是很强的实现者,速度快、创造力强、擅长大代码库;但它也会"reward-hack"——为了看起来完成任务而走捷径、跳过边界条件、写测试但不验证真实行为、在困难场景偏离原计划、过早宣告胜利。所以需要一个独立的 verifier。

而 Codex 在架构推理上表现更好,跨模型 review 还能减少同模型自审时的 anchoring bias(锚定偏差)。

这个项目规模不大,但它代表的方向值得注意:信任不一定来自某一个模型变得完美,也可以来自多个模型之间的制衡结构。

竞争的维度变了

回看 Dimitris 的帖子,它的价值不在于给 Codex 和 Claude Code 排名——他自己也没有这样做。它的价值在于把一个正在发生的竞争维度转移说出来了:

AI 编程工具的比拼,正在从"谁能写出来"变成"谁能让我安心离开"。

能力已经不够用了。benchmark 分数、上下文窗口长度、生成速度——这些仍然重要,但它们回答的问题是"这个 agent 能做什么"。开发者现在开始追问另一个问题:它在我不看的时候,还能按我的意图推进吗?

失败模式可预测、改动范围稳定、遇到不确定会停下来问(别自己编验证结果)、不会为了"完成"而偷工减料——这些正在变成新的竞争指标。

也许未来的 AI 编程工具链,不会是某一个 CLI agent 统治一切,而是开发者把 agent 拆成 planner、implementer、reviewer、tester,让信任来自结构设计,而不只是来自某个模型的名字。

Dimitris 说持续怀疑自己的 agent 让人精疲力竭。这可能是 2026 年 AI 编程工具竞争中,最诚实的用户反馈。


— END —

— END —

【声明】内容源于网络
0
0
未来跃迁
1234
内容 602
粉丝 0
未来跃迁 1234
总阅读2
粉丝0
内容602