AI Coding 火到不用多说，但怎么用才最高效呢？

这份连大神卡帕西和 OpenAI 总裁 Greg Brockman 都在转发推荐的 Coding Agents 指南，用 3 招教你快速交付。

大神们在转，网友也在夸！

这份实战指南的作者是 Swift 开发出身、深耕 AI 驱动开发领域的大神Peter Steinberger，他也是一位 AI Coding 重度爱好者，已经写了很多份实战经验博客。

简单总结一下今天的这篇 AI Coding 指南：先按任务类型选对模型，再重构工作流提速，但要捋清人机分工。

Peter 不仅给出了自己的模型配置，最后还有实用小技巧～

三大关键策略按任务类型选对模型

大家用 AI 编码，很多时候是不是一个模型用到底？

结果一到大项目就卡壳，小项目修改还慢。问题呢，就出在 " 没给模型找对活儿 "。

人家这份指南里就说了，第一步就得先按任务类型给 Coding 模型分好工。大任务就用 Codex，小任务 Opus 更好使。

比如，搞几十页的工程规范落地、项目重构这种大活儿就直接上 Codex，它有个特点，开始写代码前会默读文件，把项目逻辑摸透，虽然比 Opus 多花点时间，但对复杂需求的完成度更好。

Peter 之前重构 Opus 4.0 的旧代码，Codex 花了几个小时读透了整个项目，不仅没漏关键逻辑，还修复了 2 个隐藏 Bug。

如果只是小范围修改这种比较零碎的任务，那 Opus 更合适。它不用读很久的文件，响应很快，基本上几分钟就能出结果。

不过，要进阶的话，首选 GPT-5.2-Codex，直接一步到位。

现在 Peter 最常用的就是 GPT-5.2-Codex，尤其是 high 模式，不管搭 Chrome 扩展的前端还是写 Go 语言的 CLI 工具，它都能兼顾速度和准确率，也不用在 Codex 和 Opus 之间来回切换了。

在这里，Peter 还给出了自己的配置。

重构工作流

选对模型是基础，而真正让作者同时推进 8 个项目还不慌的是他这套定制化的工作流。

因为每天会冒出很多新的想法，比如 " 给 Clawdis 加个控制卧室温度的功能 "" 写个 CLI 查外卖进度 " ……

但这些想法 Peter 并不会记在备忘录里，而是直接扔进 Codex 的排队列表。

比如开发 "YouTube 视频总结 Chrome 扩展 " 时，他一边让 Codex 验证 CLI 核心逻辑（把视频转成 Markdown），一边把 " 加浏览器弹窗提醒 "" 支持本地存储 " 等想法塞进队列，Codex 会按优先级慢慢处理，不用他盯着催，也不怕遗忘在备忘录里。

而且，一个小 tips 是坚决不回滚！

" 构建软件就像爬山，不用笔直往上走，绕点路、退两步都正常，关键是别在‘要不要回滚’上浪费时间。"

遇到相似的功能，不用从头写。

比如作者之前在 VibeTunnel 项目里做过 " 字符流输出 "，后来开发 Clawdis 时需要类似功能，他直接让 Codex" 去 ../VibeTunnel 文件夹里看看，照这个逻辑给 Clawdis 加一个 "，10 分钟就适配好了。

甚至搭新项目时，他也会让 Codex 参考旧项目的结构，比如 " 按 ../Sparkle 项目的目录格式，搭一个新的日志工具 "，这时候模型就能自动复制适配。

人机分工

当然了，写代码这件事也不能全靠 AI，这时候就得来个人机分工，原则很简单：AI 干执行，人做决策。

这些事一定要自己做：选哪个依赖库、系统架构怎么设计、功能优先级怎么排……

写基础代码、修复已知 bug、生成 GUI 界面、更新项目日志，甚至 " 注册域名 "" 改 DNS 配置 " 这种琐事，都可以交给 AI。

作者举了自己实战中的两个例子。

在选择用 Go 语言做 CLI 工具前，他花了半天研究 "Go 的类型系统是不是更适合 AI 生成代码 "" 有没有常用的 Go 库能复用 "，确定之后再让 AI 开写，最后也没怎么返工。

不过在开发数据可视化工具时，就直接让 AI 花了 20 分钟写核心代码，再让它帮忙测试，也不用自己切设备操作。

实用小技巧

除了上面的核心方法，作者还分享了几个挺实用的小操作，都是踩坑总结出来的。

第一个是开发先从 CLI 开始，再扩展功能。

不管想做什么项目，先搭个简单的 CLI 工具验证核心逻辑，比如他之前做 "YouTube 视频总结 Chrome 扩展 " 的时候，先写了个能把视频转成文字、再用模型总结成 Markdown 的 CLI 版本。

确认能跑通后，才让 AI 搭前端、做浏览器扩展，一天就搞定了。

第二个是让文档帮模型记上下文，不用反复提需求。

在每个项目里建个 docs 文件夹，把 " 系统设计思路 "" 功能说明 " 写进去，再用脚本让 AI 读这些文档。

比如 Peter 在 docs 里写了 "Clawdis 这个项目要支持控制家里的灯光 "，之后让 AI 加新功能时，不用反复说 " 要和灯光控制兼容 "，模型就会自己读文档，减少了沟通成本。

第三个是单人开发直接提交主分支，不用搞复杂分支。

要是你一个人开发，那就不用建 "dev 分支 ""feature 分支 "，改完直接提交主分支。

Peter 表示：

" 分支多了反而容易有合并冲突，Codex 有时候会自动建临时工作区处理混乱代码，改完合并回主分支，比手动管理分支简单多了。"

Peter 说的这些坑你有没有踩过？

还有啥 AI Coding 实用小技巧欢迎分享！

原文地址：https://steipete.me/posts/2025/shipping-at-inference-speed

—  欢迎 AI 产品从业者共建  —

「AI 产品知识库」是量子位智库基于长期产品库追踪和用户行为数据推出的飞书知识库，旨在成为 AI 行业从业者、投资者、研究者的核心信息枢纽与决策支持平台。

一键关注 点亮星标

科技前沿进展每日见