使用中发现的问题

但这种幻觉维持不了多久。当你开始深入使用，你会发现它的边界在哪里。它不是万能的。它更像是一个读过很多书，但缺乏生活经验的学霸。

逻辑边界：只覆盖理想场景

你让它写一个简单的排序算法，它信手拈来。你让它写一个涉及复杂状态管理的 React 组件，它就容易出错。而且，这种出错往往是非常隐蔽的。它不会报错，它只是默默地写出一段逻辑错误的代码。你跑起来，发现数据不对。你花两个小时去 Debug，发现是它在一个细节上理解错了你的意图。这让我想起那个 X 的报错页面。表面看着没问题，底层逻辑却完全断裂。

我试着用它写了一个更复杂的任务。需求是，解析一个非结构化的 JSON 数据，清洗掉无效字段，然后转换为 CSV 格式。听起来不难，对吧？对于人类程序员来说，这也就是半小时的工作量。我给了 Codex 明确的指令，还给了它几个示例数据。它生成的代码，第一眼看上去，完美无缺。变量命名规范，函数拆分合理。我心想，这下可以省事了。结果一运行，直接崩溃。错误信息指向一行看似无害的字典访问操作。原来是数据里少了一个键。而 Codex 没有做容错处理。它假设输入数据是完美的。就像那个报错页面，假设浏览器一定开启了 JavaScript。

这种「假设完美」的思维定势，是 AI 编码工具目前最大的痛点。它缺乏对现实世界混乱性的理解。现实中的数据，充满了缺失、格式错误、编码冲突。AI 生成的代码，往往只覆盖了 Happy Path（快乐路径）。也就是最理想的情况。一旦遇到异常，它就懵了。

这让我不得不重新审视我的角色。我不再是一个单纯的指令输入者。我变成了一个代码审查员。甚至是一个救火队员。我得盯着它写的每一行代码。检查它的逻辑漏洞。测试它的边界条件。这其实比我自己写代码还要累。因为我自己写代码，我知道哪里容易出错。我会提前写好防御性代码。而 Codex 不会。它只管生成看起来正确的代码。它不关心这个代码在生产环境里会不会炸。它不关心性能瓶颈。它不关心安全性漏洞。它只关心这段代码是否符合它训练数据中的统计规律。

这就导致了一个有趣的现象。新手程序员可能会觉得它很强大。因为他们缺乏辨别代码质量的能力。他们看到能跑，就觉得是对的。然后把这些代码直接上线。背锅的是他们自己。而有经验的开发者，则会觉得它是个鸡肋。因为我们知道，真正的价值在于处理那些「意外」。而 AI 目前还处理不了意外。

上下文瓶颈：碎片化交互打断思维

除了技术层面的问题，还有一个体验上的问题。那就是上下文窗口。Codex 的上下文长度虽然有限制，但在实际使用中，你很快就会遇到瓶颈。当你试图让它修改一个大型项目中的某个模块时。你没法把整个项目的代码都喂给它。它记不住。它只能记住你最近发给它的几行代码。这就导致它经常会出现「失忆」的情况。你上一秒让它改变量名。下一秒让它加个日志。它可能就把变量名的修改给忘了。或者把日志加错了地方。

这种碎片化的交互体验，非常打断心流。编程是需要连贯思维的。你需要在一个完整的逻辑框架下思考。而 Codex 给你的，是一个个孤立的代码片段。你需要像拼积木一样，把它们拼起来。还要确保它们之间的接口是匹配的。这其实很考验人的耐心。

补全的局限：只会预测，不会理解

我试过把它集成到 VS Code 里。用插件的形式，让它自动补全。刚开始挺爽。敲几个字母，它就帮你把剩下的补全了。速度很快，准确率也不低。但很快，你就发现它的补全逻辑很死板。它倾向于补全最常见的写法。而不是最符合当前语境的写法。比如，你在写一个自定义的工具函数。它可能会建议你调用一个标准的库函数。哪怕那个库函数并不适合你的场景。它会强行把你的代码拉回「主流轨道」。这会让代码变得平庸。缺乏个性。缺乏针对性。

我更喜欢的是那种能理解我意图的助手。而不是一个只会堆砌标准库的机器。这让我想起了以前用 IDE 自动补全的感觉。那时候我们就抱怨过，它太啰嗦了。现在 AI 补全，虽然更智能，但依然没有解决根本问题。它没有「理解」。它只是「预测」。预测下一个 token 出现的概率。这和编程所需的逻辑推理，有着本质的区别。编程是逻辑的藝術。AI 生成是概率的游戏。这两者之间，有一条巨大的鸿沟。目前的技术，还填不平这条鸿沟。

Codex的合理定位

当然，我并不是在否定 Codex 的价值。它确实有它的用武之地。比如在快速原型开发阶段。你说验证一个想法，不需要写太多代码。让它帮你生成骨架。你再去填充细节。这时候，它能帮你节省不少时间。又比如在编写单元测试的时候。它可以根据你的主函数，自动生成一些测试用例。虽然这些用例往往很浅显。但至少能覆盖一些基础场景。这比你自己从零开始写，要快得多。还有在代码重构的时候。你可以让它帮你把一个大函数拆分成几个小函数。它通常能给出一个合理的拆分方案。虽然不一定完美，但可以参考。

所以，我的建议是。不要把 Codex 当作你的主力编码工具。把它当作一个副驾驶。一个在你迷路时，能给你指指方向的副驾驶。但方向盘，还得握在你自己手里。你要清楚你要去哪里。你要清楚路况如何。你要清楚什么时候该转弯，什么时候该刹车。AI 只能告诉你，前面有一条路。至于那条路好不好走，它不知道。只有你知道。

正确的应对态度

这种认知上的转变，很重要。很多开发者陷入了一种误区。认为用了 AI，就可以偷懒了。这种想法很危险。因为 AI 的懒惰，是致命的。它不会主动去检查错误。它不会主动去优化性能。它不会主动去思考架构。它只会被动地响应你的指令。如果你自己不思考，写出来的代码，就是一堆垃圾。一堆看起来整齐，实则混乱的垃圾。我见过很多这样的案例。开发者直接把 AI 生成的代码复制到生产环境。结果出了线上事故。排查问题的时候，才发现代码里藏着好几个逻辑陷阱。那时候，后悔都来不及。

所以，保持警惕。保持批判性思维。不要盲目信任 AI。把它当作一个工具，而不是一个伙伴。工具是可以被替代的。伙伴才是不可替代的。你才是那个不可替代的人。

回到最初的那个 X 报错页面。它之所以报错，是因为环境不匹配。JavaScript 没开启，页面就无法运行。同理，如果你的思维不活跃，逻辑不严密。AI 生成的代码，也无法运行。或者，运行了也是错的。所以，提升你自己的核心竞争力。才是最重要的。AI 再强大，也只是外物。它不能替代你的思考。不能替代你的创造力。不能替代你对业务的深刻理解。这些，才是程序员真正的护城河。

Codex 只是一个新的变量。它改变了我们工作的效率。但它没有改变工作的本质。工作的本质，是解决问题。是用代码把抽象的需求，变成具体的现实。这个过程，需要智慧。需要经验。需要直觉。这些，AI 目前还学不会。也许未来会学会。但那是很久以后的事了。现在，我们还得靠自己。

我现在的做法是。先用 AI 生成一个粗糙的版本。然后自己仔细审查。修改其中的逻辑漏洞。优化其中的性能瓶颈。重构其中的结构问题。再提交代码。这个过程，虽然比直接用 AI 写要慢。但质量高得多。而且，在这个过程中，我学到了很多东西。我看到了 AI 的思维盲区。我看到了自己知识体系的短板。这是一种双向的成长。如果完全依赖 AI，我就失去了这种成长的机会。我会变成一个只会复制粘贴的机器。那和 AI 有什么区别？

所以，我选择与 AI 共舞。而不是被它牵着鼻子走。这是一种态度。也是一种策略。希望我的这些经历，能给你一些参考。不用神话 AI。也不用妖魔化 AI。把它放在合适的位置。让它发挥它的长处。避开它的短处。这样，你就能在工作中游刃有余。毕竟，技术是为了服务于人的。而不是让人服务于技术。我们要做的，是驾驭技术。而不是被技术驾驭。这大概就是 Codex 给我上的最重要的一课。

好了，今天的分享就到这里。如果你也在用 Codex，欢迎在评论区聊聊你的体验。看看我们是不是有同样的困惑。或者，你有什么独门的技巧。我一起交流，共同进步。记住，代码是写给人看的。顺便给机器执行。而 AI，只是那个帮你写代码的机器。别让它抢了你的风头。你是主角。它只是配角。这就够了。