AI Coding Workflow

工作流目标

用 ChatGPT 做规划和审查，用 Claude Code / Codex 做仓库级执行和版本推进。

核心思想是让每个工具做自己擅长的事：

• ChatGPT 擅长规划、讨论、审查
• Claude Code 擅长仓库级修改、构建检查、Git 操作
• Codex 擅长代码生成、局部实现、代码解释

推荐流程

第一步：ChatGPT 制定版本目标

在 ChatGPT 中讨论版本目标，明确：

• 这个版本要完成什么
• 修改范围是什么
• 不做什么
• 验收标准是什么

第二步：ChatGPT 输出提示词

让 ChatGPT 生成 Claude Code 或 Codex 的提示词。提示词应该包含：

• 具体任务描述
• 文件路径和修改范围
• 边界和约束
• 验收标准

第三步：Claude Code / Codex 执行修改

把提示词交给 Claude Code 或 Codex 执行。执行过程中：

• Claude Code：修改文件、运行构建、检查错误
• Codex：生成代码、修改函数、补全测试

第四步：本地构建检查

修改完成后运行构建命令，确保没有引入错误：

• npm run docs:build（文档站）
• pytest（Python 项目）
• npm run build（前端项目）

第五步：Git 提交

构建通过后提交代码：

• git add 添加修改的文件
• git commit 提交，写清楚修改说明
• git push 推送到远程

第六步：ChatGPT 审查结果

把修改结果带回 ChatGPT 审查：

• 是否符合版本目标
• 是否有遗漏
• 是否需要调整
• 下一步做什么

第七步：进入下一版本

根据审查结果，制定下一个版本目标，重复以上流程。

角色分工

ChatGPT：导师、架构规划、审查

• 制定版本目标
• 讨论技术方案
• 生成执行提示词
• 审查修改结果
• 规划下一版本

Claude Code：仓库执行、文档重构、构建检查

• 批量文件修改
• 文档站结构调整
• 多文件内容同步
• 构建错误修复
• Git 提交

Codex：代码实现、IDE 内辅助、局部开发

• 实现具体函数
• 补全测试
• 修改接口
• 解释代码
• 局部重构

版本迭代模板

每个版本应该包含以下信息：

## 版本目标

[一句话说明这个版本要完成什么]

## 修改范围

- 文件 1：做什么
- 文件 2：做什么
- ...

## 不做什么

- 不修改 X
- 不展开 Y
- ...

## 验收标准

- [ ] 标准 1
- [ ] 标准 2
- [ ] 构建通过
- [ ] 无死链

## 构建检查

npm run docs:build

## 提交信息

docs: [版本说明]

常见误区

没有边界就让 AI 改项目

没有明确边界的提示词会导致 AI 修改范围过大，引入不必要的改动。每次修改前都应该明确：改什么、不改什么。

不做构建检查

修改后不运行构建命令，等到部署时才发现错误。应该在每次修改后立即构建检查。

不审查 AI 输出

AI 生成的代码和修改需要人工审查。不审查直接提交可能会引入错误、不一致或安全问题。

一次性让 AI 写太多

把一个大任务一次性交给 AI，输出质量往往不高。应该拆成多个小版本，每个版本有明确目标。

不保存版本记录

不记录每个版本做了什么，后续回溯困难。应该在提交信息和版本日志中记录修改内容。

当前状态

这个工作流在 HFL AI Agent Lab 项目中已经验证有效。后续继续补充真实案例和优化经验。