我用了 8 个月 Codex CLI，总结出这套 AI 编程工作流
从去年底到现在，我已经持续使用 Codex CLI 超过 8 个月。它从一个“偶尔帮忙写代码”的工具，逐渐变成了我日常开发里最重要、最离不开的协作伙伴。
这 8 个月里，我用它完成了新页面开发、老组件重构、疑难 Bug 排查、大型项目重构、架构梳理、Agent 工具设计、RAG 链路优化、文档生成、上线前检查等几乎所有开发环节。它真正帮我把开发流程重新组织了一遍。
但前提是：你必须给它一套清晰、可重复的工作流。
下面是我在真实项目中反复迭代、目前认为最稳定高效的一套 Codex CLI 编程工作流，全部干货，直接可落地。
一、为什么最终选择了 Codex CLI
我之前也长时间使用过 Claude Code。不可否认，Claude 在理解复杂需求和生成质量上确实惊艳，但它对国内用户的访问稳定性和可持续性一直是个问题。
在多次因为网络或限制造成中断后，我逐渐把主力切换到 Codex CLI。半年多下来，它在可控性、工程集成度、自动化能力上给了我更大的确定感，已经彻底融入我的日常开发节奏。
二、核心前提：把“记忆”变成制度
刚开始用 Codex CLI 时，我犯的最大错误是以为它会“记住”我的习惯。
每次新开任务，它就像失忆了一样：不知道项目技术栈、不知道我的代码风格、不知道我讨厌自作主张改目录结构……每次都要重复交代，效率极低。
后来我发现，Codex 本身没有跨会话的持久记忆，它的记忆完全依赖你主动提供的上下文。其中最重要的就是项目根目录下的 AGENTS.md 文件。
AGENTS.md 是什么？
它相当于给 AI 量身定制的项目说明书和行为准则。Codex 每次启动都会自动读取这个文件，把里面的规则当作最高优先级指令执行。
我目前使用的 AGENTS.md 核心内容包括：
- 默认使用中文沟通，回答必须简洁直接
- 严格遵循项目已有的代码风格和架构约定
- 任何改动前必须先理解现有上下文，不主动推测额外需求
- 涉及架构或重要改动时，必须先输出 Plan 并等待确认
- 优先使用现有工具和依赖，不随意引入新库
把这些规则写清楚后，Codex 的“懂事程度”直接提升了好几个量级。
三、我的 Codex CLI 完整工作流
经过 8 个月的打磨，我把工作流固化成了以下几个关键环节：
1. 固定配置层（一次设置，长期生效）
- 项目级规则沉淀到
AGENTS.md - 个人全局偏好沉淀到
~/.codex/config.toml - 重复性任务沉淀为 Skills（技能包）
- 外部知识和工具通过 MCP（Model Control Protocol）接入
2. 任务处理分层策略
我现在会根据任务类型采用不同的处理模式：
- 模糊/复杂/高风险任务：必须先进入 Plan 模式。让 Codex 先阅读相关文件、梳理上下文、提出问题、输出详细执行计划，得到我确认后再动手修改代码。
- 前端页面或组件开发：使用截图 + Playwright 闭环。直接丢设计稿或页面截图给它，它能非常精准地还原交互和样式。
- 常规稳定任务：直接使用
codex exec自动化执行，比如测试用例补齐、文档生成、代码格式化等。 - 高风险改动：强制使用
review / diff / sandbox机制，在沙盒环境中验证通过后再合并。
3. 能力边界与定位
经过长时间使用，我对 Codex CLI 的能力有了清晰认知：
它最擅长的是：
– 新功能开发
– Bug 定位与修复
– 大型重构
– 遗留代码梳理
– 技术债治理
– 自动化脚本编写
– 架构理解与文档生成
它不是一个“会写代码的自动补全工具”，而是一个可以真正理解整个仓库、在你指定的边界内自主工作的本地代码代理。
四、真正拉开差距的是工作流
这 8 个月最大的感触是：AI 工具本身的能力正在快速趋同，真正决定效率和产出质量的，是你能否把 AI 变成自己可控的工程系统。
会用 AI 的人很多，能把 AI 彻底融入自己的研发流程、形成稳定工作流的人还很少。而后者，正在快速拉开和前者的差距。
我现在的日常开发节奏是：
- 需求拆解 → 2. 丢给 Codex 做 Plan → 3. 确认计划 → 4. 执行 + Review → 5. 自动化验证
整个过程我更多是在做“决策”和“把关”，而不是机械地一行一行写代码。生产力得到了极大释放。
五、写在最后
Codex CLI 不是银弹，但当你愿意花时间去建设属于自己的 AGENTS.md、配置体系、Skills 库和工作流之后，它会变成一个真正懂你、能和你长期配合的“AI 同事”。
这套工作流我仍在持续迭代中。未来 AI 编程工具还会继续快速进化，但底层逻辑不会变——工具会越来越强，而真正值钱的是驾驭工具的系统和方法。
你正在使用 Codex CLI 吗？欢迎在评论区分享你的工作流和踩坑经历，我们一起把这套 AI 编程体系打磨得更好。
（欢迎关注我，持续分享 AI 编程、独立开发和全栈实战干货）