Claude Code 吭哧吭哧干活儿，我为什么偏要让 Codex 来拆台？

只有让环内的 Agent 自己跑得有效，我们才能真正站在「环上」来「指挥若定」。

疑问

前几天，我在知识星球上发了个感慨：

Claude Code 执行 Skill 生成任务，已经跑了快 2 个小时。Codex 负责审核，已经拦下来了 6 轮。现在 Claude Code 正在锲而不舍提交第 7 轮修改方案，等 Codex 示下。我对两个 Agent 框架认真负责态度，提出表扬🤭

这张图放大，是这样的：

于是就有星友好奇，问我：

这是如何实现的呢？ 关于他们两个之间的协作，王老师能分享一下如何让他们有效率地去协作，而不是彼此打架吗？

于是，我承诺写篇文章来讲解一下，也就是你现在看到的这篇。

盲区

先说说，为什么我让 Claude Code 和 Codex 相互之间对抗式审查，花费那么多钱（token）和时间。

你大概也碰到过这种事。让 AI 帮你写段代码，写个方案，写份计划，它给你的东西总是信誓旦旦，条理清楚，看起来天衣无缝。你拿正常的输入一测，全过。你就放心交差了。

可坑往往会出现在那些「一般人想不到、但现实里真会发生」的边角上。等它在真实场景里暴露出来，你才发现，当初那份「全过」的自信，是张空头支票。

那我让 AI 自己再查一遍行不行？

不行。我试过太多次了。甚至 还专门写了篇文章提醒你，千万别这么干。

这不怪它笨，这是结构性的。正如同一个人写东西的时候，脑子里装的全是「我想让它怎么跑」，也就是正常输入。它根本想不到对抗输入，因为对抗输入压根没在它的设想里出现过。你让同一个脑子既当运动员又当裁判，它能审出来的，永远是它本来就预料到的那部分。

人如此，AI 也一样。

讲到这儿，很多人的第一反应是：那我多找几个 AI 不就行了？三个臭皮匠顶个诸葛亮嘛，让它们投个票，少数服从多数。

有道理，但要注意下面这种情况。

你找三个同源的 AI （例如 3 个 Claude 模型驱动的 Agent）来投票，它们还很有可能会犯一样的错。因为它们的盲区是共享的。

同样的训练倾向，同样想不到那个对抗输入。三个都说「没问题」，不代表真没问题，只代表这个坑刚好落在它们共同的盲区里。投票投出来的，是一份更有迷惑性的错误共识。

真正管用的，不是「多一个帮手」。是「找一个跟它不一路的，专门来拆台」。

我平时干活，主力是 Claude Code 。而 OpenAI 那边的 Codex，是同一类框架，也是个能读文件、写代码的命令行 AI 编程助手。

Codex 跟 Claude Code 的区别就两层：一是出身，它出自 OpenAI、底下跑的是 GPT 系模型，跟 Anthropic 的 Claude Code 不同厂、不同源；二是在我这套流程里的分工，Claude Code 是主力、负责往前推进干活，Codex 我只在特定时候搬出来「挑刺」。关键在于：Claude Code 干活的时候，能直接在同一个终端里跑一条命令，把任务甩给 Codex。如何使用，咱们后面会详细介绍。

你品品这个画面：两家平时互相较劲的公司，它们的模型，被我用一条命令摆到了同一个终端窗口里。一个建造，一个拆台。

但请注意，让这套组合真正有威力的，不是「两个 AI」这个数量，而是这个拆台的家伙跟干活的家伙之间，隔着三重独立。

第一重，是不同厂商的模型。Claude Code 背后是 Anthropic 的模型（我平时主要用 Opus 4.8，原因是 Fable 5 在我写作本文这两天用不了），Codex 背后是 OpenAI 的 GPT-5.5。两家训练路子不同，盲区重叠得更少。

第二重，是隔离的上下文。审查的那个，看不到建造的那个一路上是怎么自我说服的。它不会被「我前面分析得多漂亮」带着走，它面对的只是冷冰冰的结果本身。

第三重，也是最关键的一重，是对抗的立场。我交给它的任务，不是「请验证这个改动是对的」，而是「请想办法击垮我对这个改动的信心」。前者是找证据支持，后者是主动找茬。

我还爱专门挑衅式加上一句「这个方案是 Anthropic 家的 Opus 做出来的，你来审审看」。Codex 干得可带劲儿了。

下面咱们就来聊聊，怎么让这种分工协作真正落地，以及我这一路上踩过的那些坑。