AI协同开发新范式：目标模式让代码自动“狂奔”

最近两周，随着Claude Fable 5回归、GPT-5.6正式上线，加上相关模型的持续迭代优化，加上旗下产品AIHOT的月活用户突破了50万，我投入到沉浸式代码开发的时间几乎达到了每天16个小时。

我的日常节奏基本是从凌晨写到清晨六七点钟，再睡到中午十二点起床处理事务、收菜，通勤路上再通过UU远程工具搭配Codex继续开发。我几乎不会让AI模型闲置，每一秒的运行时间、每一个可用的Token都不想浪费，甚至觉得浪费算力是对Tibo义父的不尊重，这种沉浸在创造和学习中的快感，确实让人难以自拔。

这种创作的爽感，我之前一直找不到合适的描述，直到前几天赶飞机打车时，司机一脚油门踩下的瞬间，我突然明白——这就是属于这个时代的推背感，推着你不断向前，一刻不停。

得益于Claude Fable 5和GPT-5.6 Sol在智力和执行能力上的飞跃，我和智能代理协同开发的流程，相比之前使用Opus 4.8的阶段，已经发生了彻底的改变。

开发初期，我把大量的Token都投入到了整体测试流程的优化当中。在沉浸式开发的模式下，代码编写的速度已经被大幅提升，真正的瓶颈转移到了测试验证、方案评审这些环节。目前我的测试覆盖率已经维持在一个比较舒适的区间，为了适配高频提交、代理自动发起PR、反复跑测试的开发节奏，我还专门在云服务器上搭建了独立的CI环境，放弃了GitHub的托管Runner，同时配置了多类型任务路由，在保证测试全面性和准确性的同时，尽可能压缩整体流程耗时。

另外需要提醒的是，当项目规模逐渐变大后，Codex所谓的1.5倍快速模式其实并没有太大意义，很多时候反而会增加不必要的开销。因为开发流程中大量时间都消耗在确定性的测试环节里，代理提测需要5分钟，被打回修复后再提测又需要5分钟，这种模式能节省的时间其实非常有限。

当测试流程的框架搭建完成后，我就可以毫无顾虑地释放自己的创意了——只要能提出清晰的方案，基本都能稳定且完美地实现，不用担心出现无法解决的Bug。这时候最大的挑战就变成了：如何设计合理的开发方案，如何将任务高效地交给智能代理完成，同时保证上线效果稳定可靠。

经过这两周和两款顶级模型的协同测试，我总结出了一套极简高效的流程：先用Claude Fable 5完成研究和方案初版，再让GPT-5.6 Sol对方案进行纠错和优化，最后在Codex中开启目标模式实现全自动化执行，完成后就可以安心休息，等待最终结果即可。

大道至简，重剑无锋，整个过程根本不需要复杂的技巧，只需要清晰地表达需求就足够了。

举一个近期的实际案例，我在对AIHOT进行了史诗级防御强化、Agent接入机制优化、UI2.0上线、通知问题修复、详情页重构、精选算法和聚簇算法升级等一系列更新后，打算对原有的全网AI热点功能进行大规模重构和增强。

我对热点判断的核心逻辑非常清晰，只需要两个指标：当前有多少人正在讨论该话题，以及相关数据的增长趋势如何。将这两者结合起来，就能准确判断一个事件的热点程度：如果讨论人数和数据规模都在持续增长，那基本可以确认这是一个正在快速崛起的热点；如果讨论人数增多但数据增长平缓，形成剪刀差，那大概率是营销投放或其他短期因素导致的；如果讨论人数不多但数据暴涨，则可能是平台算法的随机推荐，不足以成为破圈的热点。

这次的升级目标是搭建一套能够抓取上万级信源的全网AI热点监控系统，而目前AIHOT的热点功能仅基于200多个信源，只能做非常粗糙的热度排序。升级后的系统需要将热点信源和精选体系中的监控账号完全分离，这些上万级的信源只负责贡献热度数据，不会进入精选池。

我先将这个需求用语音输入法整理成粗略的描述，发送给Claude Fable 5，让它生成初步的方案。不得不说，在大型方案的初版设计上，Claude Fable 5的先进性和优雅程度都是当世独一档的，大概20分钟后，完整的方案就生成了。不过Claude系列的方案通常只能作为初版，它的细节处理和严谨性还有不足，经常会遗漏关键内容。

接下来我将需求和Claude的初版方案一起复制到Codex中，选择GPT-5.6 Sol的极高精度模式，让它对方案进行详细审查。GPT-5.6 Sol经常能找出Claude方案中非常关键的漏洞，比如这次它只用了6分钟就找到了原有方案中存在的隔离性问题，这个问题甚至会影响到其他流程管线和整体架构。在回答了它提出的疑问后，它就给出了最终的优化方案。

最后一步就更加简单了：在Codex中开启目标模式，只需要输入一句话的目标：“根据上述方案完成开发，保证无任何错误后合并部署上线”。

目标模式的核心逻辑就是让Codex持续执行直到完成目标，我曾经最长的一次目标任务跑了17个小时，从睡前挂机到第二天凌晨才完成，直接消耗了当天全部的Token额度，当时还特意发动态纪念了这个成就。

这次的任务我同样设置了这个目标，之所以敢这么做，是因为我对自己搭建的测试流程非常有信心，严格的测试机制会提前拦截绝大多数的Bug，确保代码在提测阶段就被优化到足够稳定。而且这次的方案涉及的模块较多，和现有系统有不少耦合，目标模式是最适合的执行方式。当然如果是小型任务，就不需要开启目标模式，直接让GPT-5.6 Sol按流程执行即可。

另外不得不提，Codex的目标模式比Claude Code的表现要好得多，得益于GPT系列极低的幻觉率和优秀的Prompt遵循能力，超长任务几乎不会偏离方向，而Claude的目标模式经常会出现执行偏差，甚至陷入死循环，除非有足够的Token预算，否则并不适合用Claude来运行长周期目标任务。

设置好目标后就可以安心休息，让Codex自动完成所有开发流程。截至我撰写这篇内容时，这个任务已经运行了两个半小时，具体还需要多久我并不清楚，但我相信整体流程不会有太大问题，毕竟从开发到合并部署还有完整的校验环节。

我目前的完整开发流程大概是这样的： 我发起任务后 → 智能代理理解并核实需求 → 创建独立分支与工作区 → 完成代码开发与修改 → 执行自动测试，必要时回测或验证页面效果 → 推送分支并创建PR → CI环境自动验收 → 合并至主分支 → 部署至线上环境 → 验证真实线上运行效果 → 使用洁癖.skill同步代码、文档和Agent记忆，并复盘经验 → 向我汇报最终结果 → 等待我确认效果无误 → 清理开发分支、工作区和临时数据库 → 任务结束

基本上一个任务提交后，智能代理就能自动走完所有流程，完成部署上线，最后只需要我确认最终效果并处理收尾工作即可。我现在通常会同时运行6到7个并行任务，这基本是我注意力的极限，曾经尝试过更多任务，但最终都会因为我无法及时确认和审核而陷入混乱。可以说，我自己就是整个智能代理开发流程中最大的瓶颈。

在当前模型能力快速迭代的时代，很多所谓的开发技能比如superpowers这类工具其实并没有太大作用，远不如我这套极简协作流程的效果好。这套流程的核心是哑铃式的结构：一端是用顶级模型完成方案设计和优化，另一端则是严格的测试流程和标准化的同步机制，保证代码、文档、规则和代理记忆的统一。

当你搭建完成这套流程后，就能真正体验到沉浸式AI开发的爽感——那是一种广阔无垠的创造力，一种自由探索未知的奇妙体验，更是一种来自AI时代的疯狂推背感。去创造吧。