- 博客(10)
- 收藏
- 关注
RSS订阅原创 2026-08-28｜ChatGPT Plus 与 Codex 实战：用 AI 编程为 Python 接口编写自动化测试的完整复盘
工具用途我的角色测试方案设计、用例梳理、断言规则评审提问者、决策者Codex批量生成测试脚本、Mock 数据、CI 配置指令下达者、审查者测试执行、版本控制、人工复核最终把关人ChatGPT Plus 适合「想清楚」：它的推理能力适合做接口边界梳理、异常场景识别和断言规则设计；Codex 适合「写出来」：它擅长在明确指令下批量产出测试脚本和 Mock 数据，尤其是机械性的重复代码；两者互补：ChatGPT Plus 负责「测什么」，Codex 负责「怎么测」，我负责「测得对不对」。
2026-08-28 23:43:38
376
原创 2026年8月开发者实战指南：ChatGPT Plus / Pro + Codex 如何协同完成需求分析、编码、测试、调试与代码审查
本文围绕 ChatGPT Plus / Pro + Codex 的组合，讲解如何把 AI 对话工具与仓库级编码工具接入一条可控的软件开发流程。文章先厘清 ChatGPT 与 Codex 的定位差异，再给出从需求分析、代码生成、测试、调试到代码审查的完整工作流，并用一个 FastAPI 任务管理 API 作为实战案例，演示如何让 Codex 在独立 Git 分支上完成受限修改、补充 pytest 测试并通过 GitHub Actions 验证。
2026-08-27 18:18:48
774
原创 Codex 实战：用 Git 分支与 pytest 守住 AI 修改的代码质量（2026年8月27日）
Codex 是一个强大的辅助工具，但它不能替代开发者的判断。通过“需求说明 → AI 阅读项目 → 定位相关文件 → 制定修改计划 → 创建 Git 分支 → 修改代码 → 编写测试 → 运行测试 → 检查 git diff → 人工代码审查 → 合并代码”这套流程，我可以在享受 AI 效率的同时，把风险控制在可控范围内。先分析、后动手：让 Codex 先输出对项目的理解和修改计划，人工确认后再实现；用分支隔离风险：AI 的所有改动都放在独立分支上，随时可以丢弃；测试和审查不可省。
2026-08-27 18:15:23
308
原创 ChatGPT Plus、Pro 与 Codex 实测：三种提示词策略对代码重构质量的影响（2026-08-26 实验报告）
提示词的信息密度直接决定 AI 重构代码的质量上限。模糊指令只能得到"能跑"的代码，结构化指令能得到"规范"的代码，而带上下文与验收标准的指令能得到"可靠"的代码。对于日常开发，我建议至少采用策略 B 的写法，并在关键重构任务中升级到策略 C。ChatGPT Plus 和 Pro 在本次实验中的表现差异不大，但 Codex 在代码生成类任务上对结构化指令的响应更稳定。无论使用哪个工具，把业务规则和验收标准写进提示词，永远是性价比最高的投入。
2026-08-26 16:29:16
649
原创 2026-08-26 AI编程实战：用 OpenAI Codex 构建自动化代码审查机器人
我们希望有一个能 7×24 小时值守的机器人：每当有人创建或更新 Pull Request，它自动拉取 diff，站在工程规范、安全性、可读性角度给出结构化意见，并直接评论到 PR 页面。本文使用 Python + FastAPI 搭建一个真实可运行的 GitHub App，通过 Webhook 接收 PR 事件，调用 OpenAI Codex 的 Responses API 生成审查意见，再把意见写回 GitHub。若要做得更精细，可以在拿到完整 diff 后按文件切分，再分别调用模型，最后合并结果。
2026-08-26 16:27:38
342
原创 2026年8月AI编程实验：ChatGPT Plus / Pro + Codex 提示词粒度对重构质量与测试覆盖的影响
本文通过一个可复现的 Python 实验，对比 ChatGPT Plus / Pro 与 Codex 在不同提示词粒度下完成同一重构任务的效果差异。实验围绕一个存在重复逻辑与测试缺失的订单折扣模块展开，分别使用“一句话提示词”与“结构化任务提示词”驱动 Codex 修改代码，并记录修改文件范围、测试覆盖变化、代码质量与人工审查成本。结果显示，结构化提示词能显著减少无关文件改动、提升测试覆盖率并降低返工次数。文章提供完整代码、测试数据与改进建议，帮助开发者在实际项目中建立更可控的 AI 编程流程。
2026-08-25 17:58:14
513
原创 2026年8月开发者实战指南：ChatGPT Plus / Pro + Codex 如何协同完成需求分析、编码、测试、调试与代码审查
本文面向程序员、AI 工具使用者与软件开发团队，系统梳理 ChatGPT Plus、ChatGPT Pro 与 Codex 在真实软件开发流程中的定位与配合方式。文章从需求分析、项目理解、代码生成、测试编写、调试到代码审查，给出可落地的技术工作流，并提供一个基于 FastAPI 的任务管理 API 实战案例，展示如何用 Codex 在受控范围内完成功能开发。
2026-08-25 17:06:28
695
原创 ChatGPT Plus/Pro + Codex 深度技术解析：从云端沙箱到自主编码智能体（2026.08.23）
MODEL = "codex-mini-latest" # 以官方最新模型名为准TOOLS = ["description": "在受控沙箱中执行 shell 命令并返回 stdout/stderr","description": "需要执行的 shell 命令",},},command,text=True,return {ChatGPT Plus / Pro 与 Codex 的结合，本质上是把「代码生成」升级为「任务执行」。它的价值不在于一次性写得更长，而在于形成了。
2026-08-23 17:28:57
525
原创 ChatGPT Plus / Pro + Codex 老项目实战：如何接手 Legacy Code、定位 Bug、重构遗留系统
遗留代码Legacy Code = 很烂的代码其实不一定。一个系统可能代码写得很好。作者已经离职没有文档没人敢修改它一样可能逐渐变成 Legacy System。你无法快速判断修改后会不会出问题的代码。已支付？已完成？已审核？已关闭？没人知道。你只能继续往下追。使用 ChatGPT、Plus、Pro、Codex 一段时间后，我越来越觉得：以前一天写 500 行现在一天写 5000 行以前需要一天才能看懂的问题现在一两个小时能够建立方向尤其对于 Legacy Code 来说，读代码。
2026-08-10 21:39:37
439
原创 ChatGPT Plus 和 Pro 怎么选？普通用户别乱买
ChatGPT Plus 和 Pro 怎么选？一句话：普通用户先选 Plus，重度用户再考虑 Pro。Plus 适合大多数人。它能覆盖日常写作、学习、办公、轻度代码、文件处理和图片生成需求。Pro 适合少数高频用户。它更适合把 ChatGPT 当成工作台的人，尤其是程序员、研究人员、自媒体团队、电商运营和 AI 深度用户。不要因为 Pro 更贵，就默认它更适合你。也不要因为 Plus 便宜，就认为它不够专业。工具的选择，本质上不是买最贵，而是买最匹配。
2026-06-23 21:58:10
529
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人