收到需求后直接说"做吧"，AI 会立刻撸代码。但方向错了，后面全是沉没成本。加一句就行：先别写代码。告诉我你打算怎么实现，涉及哪些文件，有什么需要注意的。这篇系列里很多文章都有这一步。第 9 篇从零建项目，Claude Code 先出了架构方案我才让它动手。第 6 篇重构 467 行代码，它先分析了模块划分方案。这是回报率最高的一句话——30 秒的确认省掉后面 10 分钟的回滚。

CLAUDE.md和AGENTS.md。每次提到它们都是"这样配置一下就好"，但没有展开讲过到底该写什么、怎么写、写错了会怎样。这一篇补上。不是通用的 Prompt Engineering 教程——专门讲 AI 编程工具的配置和上下文管理。每一个知识点背后都有一个翻过车的真实场景。

本文对比了GitHub Copilot、Claude Code和OpenAI Codex三款AI编程工具在实现Flask项目PDF导出功能时的表现差异。Copilot采用IDE内联补全方式，需人工确认每个变更；Codex通过沙箱环境执行任务，提供原子化修改方案；Claude Code则直接扫描项目结构并自主执行命令。测试显示，三款工具在交互方式（建议/沙箱/自主执行）、项目感知能力和安全机制上存在

我有个小脚本，report.py，每周一跑一次——读一个销售 CSV，算出每个区域的总额，打印到终端。功能也没啥问题，就是每次老板问"能不能导出 JSON"，我都说"下周加上"。这个"下周"已经持续了三个月。今天终于决定动手了，但不想自己写。我把这个活了三个月的需求丢给了 Claude Code。

摘要： 实验使用OpenAI Codex从零构建Flask Todo API，全程在沙箱中自动完成。通过简单指令，Codex在3分钟内生成完整项目结构，包括： 创建app.py（含SQLAlchemy模型和CRUD路由） 编写test_app.py（5个pytest用例全部通过） 生成requirements.txt依赖文件 自动安装依赖并验证API功能 最终一键落地生产级代码，无需手动编写。测试

前三篇分别展示了每个工具单独用是什么体验。但真正干活的时候，从来不是"今天用这个、明天用那个"。同一个需求里，你可能五分钟前在终端让 Claude Code 写接口，两分钟前在 VS Code 里让 Copilot 修了个细节，现在又开个 Codex 沙箱试一个不确定的库。这篇用一整个下午的真实工作流，把三个工具串起来。

前几篇用 Claude Code 搞的都是小任务——加个 flag、导个 CSV。那些场景你手写也花不了多少时间，AI 只是让你少打几个字。这一篇来真的。手头有个订单分析脚本，两年前写的，从 50 行一路长到快 500 行。file I/O、数据清洗、统计计算、报表生成全揉在一个文件里。没有测试，改一行怕炸一片。我要让 Claude Code 把它拆成模块化结构，补上测试，而且——重构过程中所有原

前几篇分别在老项目上改功能、重构、写测试。这篇更进一步——从一个空目录开始。我要建一个书签管理 API。需求不复杂，但涉及模型设计、路由分层、测试、Docker 部署、文档。从头手写大概半个下午。这次全交给 Claude Code，看看一个空目录能变成什么。

有件事我拖了很久——项目里有个账单工具模块，billing.py，260 行，核心业务逻辑。处理逾期费、折扣计算、发票日期。一天被调几十次。测试覆盖率：0。不是不想写。写好测试要构造几十种边界情况：闰年 2 月的日期、跨年逾期、边界折扣率、同一客户多张发票的合并。想想就手酸。这次我把这摊活丢给了 Claude Code，看它能覆盖到什么程度。

前几篇用 Claude Code 搞的都是小任务——加个 flag、导个 CSV。那些场景你手写也花不了多少时间，AI 只是让你少打几个字。这一篇来真的。手头有个订单分析脚本，两年前写的，从 50 行一路长到快 500 行。file I/O、数据清洗、统计计算、报表生成全揉在一个文件里。没有测试，改一行怕炸一片。我要让 Claude Code 把它拆成模块化结构，补上测试，而且——重构过程中所有原