我个人觉得大部分是人的问题.
如果始终是许愿式开发.评价体系为 AI 能一次猜到你想的 = 聪明,猜不到 = 不聪明
那任何模型应该都存在这个问题,除非他能接你的脑机接口,知道你脑子里的全部上下文
而且由于变量的不同,会有一些可能存在的错误判断.
比如在 Claude 中聊问题 A, 发现他能很快明白你的描述,解决你的问题.
后面 换到到 Codex 时,聊的是问题 B,但是他没能立马明白你的描述,得聊多轮才能解决你的问题
所以得出的结论: Claude 比 Codex 聪明.或者 Codex 降智严重
但实际上有可能同样的提示词放到 Claude 中也未必能立马解决问题 B
==========================================================
所以我个人感觉许愿式开发,总的来说是不稳定的,除了模型本身的能力是一个影响因素外,一个相对稳定的工作流是很重要的, 最重要的就是得让 AI 知道你当前问题的足够上下文.
理论来说用能力相对低一些的模型 + 稳定工作流 也能解决你的问题.
superpowers 的 Brainstorming SKILL 本身的设计理念,就大概是这个意思. 当然毕竟它比较重和费 Token,不是所有问题都得用 superpowers 来解决.
所以
AGENTS.md/CLAUDE.md 和一些你本地的文档,都是非常重要的上下文.
我日常使用时,基本都会让 AI 把稳定的流程固定成本地文档.
例如和他聊完当前项目是怎么部署的,怎么修 bug 的,项目的架构等等文档,都可以在聊完之后让他沉淀成固定文档.下次让他读这些文档就知道怎么开始了.
之前在 X 上也看到一个方法论:
在和 AI 聊完和并改完 BUG 之后,可以再最后问 AI 一句: 如果回到一开始,我该怎么和你描述,你才能一次性解决这个问题
感觉可以试试,也能学习到该如何和 AI 进行交流