AI编程用了几个月，我踩过的坑和真正好用的东西
上篇分享完使用体验后，收到不少开发者反馈，说踩过的坑高度重合。这次继续聚焦实际操作，聊聊Codex的具体落地细节，包括配置、工作流和一些非代码层面的心得。
先把AGENTS.md建好，不然记忆全是假的
刚接触Codex时，我以为它能记住项目偏好。结果每次新开会话，它都像陌生人一样，既不知道框架，也不知道代码风格，更不知道我讨厌它擅自改目录结构。每次都要重复说明，效率极低。
后来才明白，Codex没有跨会话持久记忆，唯一可靠的方式是手动维护AGENTS.md文件。把这个文件放在项目根目录，Codex每次启动都会自动读取。
我自己的AGENTS.md大致包含以下内容：默认用中文回复，回答要简洁直接，任务不清先提问确认，不主动推测额外需求。还写了项目框架、禁止改动的目录规则、代码风格示例。这样配置后，重复沟通大幅减少，输出质量也更稳定。
Cursor和Claude Code的真实坑
最早买了Cursor年度会员，结果Claude模型突然受限，只能切换其他模型，开发几个App后发现效率明显下降，最终放弃。
Claude Code通过各种方式终于用上，没过多久国内账号被集中处理，自己的账号也失效了。虽然它支持自定义模型提供商，但整体稳定性对国内用户来说不够理想。后来逐步转向Codex CLI，半年多下来，它已经成了日常开发里最常用的协作工具。
先跑POC Sprint再考虑升级
很多开发者看到别人推荐Plus或Pro，就直接升级。其实顺序错了。AI编程工具的价值取决于你的真实任务。只有把工具放进实际开发流程，才能判断是否值得付费。
建议先用5天时间做一次AI Coding POC Sprint。挑几个真实任务，验收它是否能减少重复劳动、生成的代码是否愿意合并、是否能帮你补测试和整理文档。跑完这个流程，再决定要不要升级套餐，远比看宣传页靠谱。
Codex CLI的工作流实践
Codex CLI目前已经帮我完成写页面、改组件、排查Bug、重构项目、生成文档等多项工作。它不只是写代码，更像是把开发环节重新组织了一遍。
关键在于给它一套固定工作方式。比如先让它读取AGENTS.md，再分阶段执行任务，最后要求它输出改动说明和测试建议。坚持这套流程后，代码Review时间明显缩短，整体节奏也更顺畅。
四大工具的简单对比
目前主流AI编程工具集中在Claude Code、Cursor Pro、Codex CLI和Gemini CLI四个选项。独立开发者或学生可以用Gemini CLI免费版起步，全职开发者如果追求深度工作流，Claude Code Max或Codex CLI的组合更合适。
没有绝对最好的工具，只有最适合自己任务和预算的方案。先通过小范围POC验证，再做长期选择，是目前最稳的路径。