本文来自微信公众号：The AI Outlook，作者：深水区X，编辑：几何小姐姐，题图来自：AI生成
作为一名专家级工程师，我可以很负责任地说，codex智商非常高，编程能力很强，chatgpt5.5就是为编程而生的。
我现在已经完全不用手搓代码了，因为有一个又一个的skill会来帮我解决问题。但是在我用AI写代码，SOP里的同事也用AI来review我代码时候，新的麻烦发生了。
之前用claude code + opus4.6、4.7、4.8，claude code写出来的代码，同事进行code review（对方用codex + chatgpt5.5）之后，我的code review流程里，总会莫名其妙多出一堆 HIGH和MEDIUM的待修复问题。
我头都大了。
而且要求MEDIUM以上级别必须处理完成，好死不死的，我的变更非常大！改了一轮又一轮，我的模型和同事的模型，形成了你追我赶的人机共驾工作模式。
他追着提code review意见，我追着改cr意见代码，他继续追着提cr意见，反反复复十几轮之后，双方觉得不能这样下去了，太浪费精力了。
模型比捉迷藏还狗，但人定胜模型，得想想办法了。
最后的办法就是，每个人必须装codex，购买gpt pro，然后自己的代码在提交cr之前，必须过本地codex cr。
就这样，我拥有了codex 和chatgpt 5.5。
拥有codex+gpt5.5之后，我的快乐源泉就来了！我拥有了无限的力量和能量！源于那5小时的left和一周的left，我甚至没有见这两个低于90%，90%哪能行，token不消耗掉，那不是亏了吗？
我这可是200美元的PRO模型！
所以我甚至同时开了6个codex cli卷到飞起。
开不了更多是因为我发现经常触发到内存告警，因为我本地开着idea、curosr、多个codex、9个chrome标签组。每个组下面我还能开几十个标签页，没办法，排查问题、测试、查看日志、学习，就这样，标签越堆越多。
为了更快的AI驾驶速度，我甚至在本地下载了4个相同的项目代码。就为了让四个数字分身可以同时干不同的事。每个项目代码对应一个分支进行开发，同时还会开几个codex cli用来做分析或者写报告。
而那4个相同的项目代码，就是我作为一个专家工程师的最大并发。
之所以是最大并发，源于codex真的太快了。写代码又快又疯，改代码又狠又准！
然而，我渐渐发现，在这种人机共驾的体验中，我被模型裹挟了，因为它的硅基脑子实在是太快了，我的碳基大脑跟不上了。
我像一个烧烤师傅挨个给烤串翻牌子，翻完你的翻你的。我忙疯了，被模型卷了，汗流浃背了！
因为经常发生4个codex cli都在等我确认，而我在一行一行review codex亲手帮我写的代码。更离谱的是我经常看不懂codex给我写的代码，这时候就要向模型学习，看不懂的地方还贴出来让它给我解析。
解释得好，还让它把这段加到注释里，同时把这个设计固化到值班skill里。
渐渐地，我经常忘记我现在在做什么，我有几个事情正在做，虽然我有200美元的模型，但是我碳基大脑的token不够用了。
雪上加霜的是，我们的流水线开始疯狂conflict（代码冲突），代码疯狂地写，流水线谁都不想合。这个项目一共有11名工程师在协同作战，这也意味着这11个人每个人都可能并行在改代码。
这就导致开发中的分支越来越多，提交到流水线上的分支越来越多，自己和自己的代码冲突、自己和别人的代码冲突，别人和别人的代码冲突。各种随机组合的花式冲突最终成为了流水线灾难，也阻挡着我们的代码进展。
后来，反转来了。
有人用codex写了一个合并冲突的skills，然后第一次合并14个分支用了34分钟，第二次合并27个分支用了57分钟，直到迎来了新的机遇。
在渐渐离不开codex的日子里，我负责的一个模块，由于历史债原因没有可观测工具，导致我们的4000个业务方（天啊，我的天啊！）只要遇到这个模块的问题，都来找我。
问请求被拦截的原因是什么？有多少请求是被拦截的？怎么观察数据？线上的数据情况是什么？这导致我每天的答疑时间越来越多，撸起袖子写日志检索条件和统计SQL，主打一个瞎忙。
但转念一想，我可是同时拥有codex和gpt5.5的专家级工程师，我还能让这事儿憋死吗？
于是乎，我就开始了疯狂造skill之路，这条路走的异常艰辛，但最终，我在别人的溢美之词里渐渐迷失了方向：“你的skill还能这么用？”“你的使用姿势是什么？”太爽了，我眩晕了，我觉得codex太好用了，我飘了！
我是怎么做到的呢？
codex gpt5.5模型非常善于在已有的代码或者已有的skill基础上造轮子。从0到1 还是容易跑偏，需要你把它拉回来，就是过程虐了点。
首先，我把我们的控制面和数据面的项目放到一个大目录下，然后把codex的工作空间设置到这个大目录，再让codex 基于我两个项目分别去跑关于我的模块（记做模块A）的所有逻辑，并固化到模块A的skill里，作为领域知识。
这是背景资料。
与此同时，我们已经可以支持基于链路诊断id来分析当前请求的基础信息的cli和skill，我选择了让codex基于这个skill和cli，使用相同的权限方式、登录方式、访问方式，去获取我模块A单独的日志数据。
那么基于上述完成的领域知识，模块A诊断能力就此形成。
随着后续使用方越来越多，使用方式越来越五花八门，跨集群分析的，跨多业务条件分析的，按自定义条件聚合和统计的。在这个过程中，我每次使用模块A诊断skill，都会出现一些基于当前能力 + agent推理能力增加的分析能力。
每次拿到对应的诊断报告后，我都会让codex把这个能力固化到skill里。那么模块A skill就渐渐成长为独当一面的答疑资深工程师。
最后，作为一名同时拥有codex+gpt5.5模型的专家级工程师，今日里程碑式的爽点来了！！！
我和我的大模型，不光基于模块A的日志，写出了基于所有日志，正向、反向去检索和分析的能力，我的agent和各种skill还能分析请求频繁、显示异常及被拦截的各种维度的特征。
太炫了，我真的！
那一刻我仿佛看到烟花漫天飞舞，今日狠狠地惊艳了所有人！
最后，技术总结一下codex和gpt5.5的使用和测评体验：
1、GPT在已有skill，或者参考skill生成skill的能力上特别强，也就是说，需要你给它一些边界的情况；code review是这个模型的最强项，能够发觉最底层难以察觉的并发问题；在这一点上claude code + opus4.6相比GPT就逊色多了；
2、codex读代码能力和写代码能力很强，但是有几次从零到一写东西，需要人付出一些精力去调整。非代码类的，文字类的，gpt就是听不通人话的，所以文本类的东西这个模型完全不行。
本文来自微信公众号：The AI Outlook，作者：深水区X，编辑：几何小姐姐