文章目录为什么突然想搭这个4月那会儿我在做一个内部工具前后大概2000行代码用Codex写的。写到一半发现一个问题每次让Codex改完代码我得手动把改动合并到项目里。来回十几次比我自己写还累。于是我开始想能不能把多个AI工具串起来让它们像流水线一样协作试了两周搭出了一套目前每天都在用的AI编程工作流。这篇文章是完整的搭建过程包括每一步的选择理由和踩过的坑。整体架构三个角色各司其职核心思路是分工不是让一个AI干所有事。我分了三个角色架构师Claude负责方案设计和技术选型。给需求它出方案我来审。编码员Codex负责写代码。拿着Claude的方案逐模块生成。补全手Copilot负责日常编码中的补全。写代码时自动推下一行不打断思路。三个角色不是同时上的按阶段切换。第一步方案设计Claude30分钟拿到新需求不急着写代码。先打开Claude把需求贴过去让它做三件事输出整体技术方案拆解成可执行的模块列表标注每个模块的依赖关系和优先级举个例子。上周要做一个数据看板需求是展示用户增长趋势和渠道来源分析。Claude给我拆成了四个模块数据接入层依赖数据源SDK优先级P0数据清洗与聚合层依赖接入层优先级P0图表渲染层依赖清洗层优先级P1筛选器与交互层依赖渲染层优先级P2这个阶段的关键是评审方案。Claude给的方案不一定对你需要判断模块划分是否合理、技术选型是否适合你的场景。我的习惯是看一遍方案挑出2-3个我想改的地方告诉Claude改改完确认后再进入下一步。第二步分模块编码Codex1-2小时方案确认后打开Codex开始写代码。做法是一次只写一个模块把Claude方案中该模块的描述贴给Codex加上该模块的输入输出格式生成后跑一下测试过不了就修这里有个细节Codex生成的代码不直接复制粘贴先在旁边建一个临时文件生成后检查关键逻辑没问题再合入项目。之前吃过一次亏Codex写了一个数据处理函数逻辑看着没问题但没处理空值。数据导入时空指针直接崩了。所以检查这一步不能省。第三步日常补全Copilot贯穿全程Claude和Codex解决从0到1——生成新代码。Copilot解决从1到100——在现有代码上快速补全。写具体函数时Copilot的补全体验最好。不需要切窗口、打字、等回复。写个函数名打个括号它就把函数体推出来了。这种不间断的体验对保持思路连贯特别重要。使用技巧给函数起一个准确的名字Copilot猜出你意图的概率会高很多。processUserData 比 doSomething 更容易触发正确补全。先写注释再写代码。Copilot会根据注释推测你要写什么。第四步联调与重构Codex 手动1小时所有模块写完后进联调。这个阶段我主要手动Codex辅助。联调遇到最多的是模块间接口不匹配——A模块返回的字段名和B模块期望的不一样。这种问题Codex不太好修它不理解整个系统状态。但重构的时候Codex很管用。比如某个逻辑在三个地方重复写了贴给Codex说把这个提取成公共函数几秒钟改好。两个踩过的坑坑一让AI做技术选型刚开始图省事让Claude帮我选技术栈。它选了一套小众的图表库理由是性能更好。结果文档不全社区不活跃遇到问题搜不到答案。后来明白了技术选型这种决定自己拿主意。AI推荐的最优解往往是理论上的最优不是实际中的最优。坑二AI生成的测试代码让Codex帮忙写单元测试确实省时间。但有一次它生成的测试全是happy path——只测正常情况边界条件一个没测。这种测试给了你测试过了的安全感实际覆盖不了边缘问题。现在我的做法是让Codex生成测试然后自己补边界case。至少把空值、异常输入、并发三种场景写上。这套流程的实际效果跑了一个月后的数据之前一个中等模块200-300行从设计到联调通过大概需要一天。现在同样的工作量半天能搞定。但这不全是AI的功劳——更多是流程的功劳。有了方案→编码→补全→联调的清晰分工少了来回返工的时间。AI只是让每个环节的速度快了两三倍。把环节串起来、保证不脱节这个还得人来干。适用人群如果你的项目很小几十行代码一个人一个AI就够了不需要搭流水线。但如果项目到了几千行、涉及多个模块试试分层——你会发现效率提升不是线性的而是翻倍的。下一步我打算把Codex写测试→自动运行→反馈结果这一步也自动化。到时候再写一篇。版本说明本文基于2026年7月的各工具版本体验可能随更新变化。风险提示AI工作流不能替代代码审查生产环境代码务必人工审核。