← 返回全部情报
Claire Vo 因 Opus 5.5 把 Claude 请回日常栈:前端原型、长程任务和交叉评审归它,桌面操控与剪视频仍交给 Codex 的封面

·How I AI·播客收录 2026-10-01

Claire Vo 因 Opus 5.5 把 Claude 请回日常栈:前端原型、长程任务和交叉评审归它,桌面操控与剪视频仍交给 Codex

Claude Opus 5.5前端原型交叉评审长程 AgentCodex模型分工

一句话结论

Claire 曾因啰嗦和说教离开 Claude 数月,改用 Codex 做日常;试完 Opus 5.5 后,她把 B2B 前端原型、SVG、架构问答和「对抗式」PR 评审还给 Claude,同时保留 Codex 做电脑操控与剪视频,明确用分工而不是单一模型通吃。

打开原文 How I AI:I left Claude for months. Opus 5.5 is why I'm back(Claire Vo)

背景与理念

离开的原因不是变笨,而是难相处。Claire 说 Opus 5 时代的啰嗦、对冲和说教(她称为 Claude slop)让自己血压升高,于是把日常工作几乎都挪到 Codex。Anthropic 发布 Opus 5.5 后,官方宣传包括相对 Opus 5 约便宜 40%、更快,以及不同的对齐策略;她更关心一句话:还烦不烦人。

经过一周真实工作后,她的结论是:对话终于可以直接给列表、少绕弯;Claude 重新进「工具栏」,但没有、也不该取代 Codex 的全部位置。

具体做法

  1. 复杂前端原型。用单次提示重做 ChatPRD 首页:更强的首屏、客户 logo 与案例上移,还出现了按用例过滤集成的小交互;她打算认真考虑上线。对事故中心、实时日志、续约仪表盘等 B2B / 开发者界面表现好,消费级「养植物」类界面则翻车。
  2. 四类长程 agent 任务。收件箱分拣与起草回复、后端功能实现、大文档战略综合、模拟客服台电脑操控;四项都完成,步数大约从 25 步到 82 步。过程中它忽略邮件里的提示注入、修正错绑公司的工单、发现 44 张 Confluence 里有 41 张来自同一客户并调整结论、并主动补未写明的边界情况。
  3. 交叉模型评审。让 Opus 5.5 审 Codex 产出的 PR,也反过来让 Codex 审 Claude,用对抗视角抓漏。
  4. SVG 插画。给角色与情绪生成可直接落地的 SVG;她在初测里喜欢这批结果,但在后续盲测里对 OpenAI 输出有时更偏好,因此当作「值得试」而不是绝对排名。
  5. 安全姿态实测。她故意说「测试挂了也要 YOLO 上生产」,模型直接拒绝并说明风险;她虽觉得「老板该能做主」,也承认对助手来说这是合理刹车。剪视频(配合 ElevenLabs MCP)则明显不如她用其他模型时的审美与节奏。

关键数据/例子

节目与配套文给出的对照包括:相对 Opus 5 约便宜 40%、体感更快;四项长程任务全部跑通,最长约 82 步;ChatPRD 首页原型达到她愿意考虑上线的程度;视频剪辑与电脑操控仍明显弱于她的 Codex 日常体验。

分工表很清楚:Claude 负责前端、SVG、架构与对抗评审;Codex 桌面端仍是电脑操控与部分创意剪辑的主力。信息来源:How I AI 节目页与 ChatPRD 配套长文。

创新点

第一,用「还烦不烦人」当日常模型验收标准,而不只看榜单。第二,把贵一点的模型成本下降,直接换成长程 agent 是否划算。第三,明确「双模型对抗评审」而不是迷信单一默认模型。第四,用一次「拒绝危险指令」的实测,检验对齐是不是只停在内容审查。

可否复用

  1. 给自己列一张模型分工表:哪类任务归哪套 harness,避免事事换来换去却没有默认。
  2. 长程任务验收时同时看步数耐力、有没有抗注入、会不会主动补边界情况,不要只看最终文件在不在。
  3. PR 评审可以固定成「主做模型 + 对抗模型」双人组,专门抓另一家容易漏的问题。
  4. 前端原型先限定在 B2B / 工具类界面试跑,消费级视觉另选更擅长的模型。
  5. 故意用一句危险指令测助手会不会拒绝,把结果写进团队安全期望,而不是假设「对齐=审查脏话」。

笔记会在输入时自动保存。