GPT-5.5 真能让人用得舒心吗？怎么在我这跟弱智一样

[w568w]

纯吐槽贴。太长不看：听不懂人话。

本贴接续 https://www.v2ex.com/t/1218023 ，因为上个帖子里有人说「不用 Codex ，模型性能当然差！你的抱怨都是无效的」，所以我最近换用了 Codex ，继续吐槽几个例子。

以下例子均使用：官网 GPT Pro 账号（让美国朋友帮忙注册的）+ 最新版 Codex + 开 xhigh （有思考过程） 。已用几个账号质量检测站检测过「是否是满血模型」，均为 100% 通过。

1. 要求它「合并代码，先运行编译测试再 commit 」。我刚说完这句，还在 Skill 里特意强调了一遍。结果它改完代码什么都不跑、什么都不查，转头直接 commit 了。指令遵循能力令人汗颜。

2. 要求它「把一个代码文件复制到另一个位置」。结果它不去调 cp 命令，硬是用 Write 工具，花了几分钟把一个几千行的文件用 LLM 逐字「复制」了一遍…… 不是，我的 token 是大风刮来的吗？

3. 要求它「复现并研究一个用户 bug 报告」，报告大意是「启动应用时会正确跟随系统的颜色主题；但启动之后再改系统主题，必须重启应用才生效」。结果它写了个只测「应用启动时能否读取主题」的调试用例，跑完发现「启动时确实能读取主题」，就告诉我无法复现、然后放弃了。说人话就是，报告明明说「 A 场景正常、B 场景有 Bug 」，它却只测了 A 场景，发现正常（这不废话吗），就认定报告无效…… 这是智力正常的 LLM 能干出来的事？

4. 这个在上个帖子里也提过。让它看一份 review 、和我讨论怎么解决，它直接自作主张，一口气「读完了 review 、研究了代码、挑了个自己喜欢的方案、还写好了 review 回复」。要不是我及时掐断，它都要调用 GitHub CLI 、以我的身份去回复别人了。另一次，要求它「读一份 bug 描述、定位代码问题」，结果它非要跟我讨论「这个 bug 报告的英文措辞不准，该怎么改」，就很……无语。

5. 在另一个项目里三番五次强调「要用 uv run 和 pyproject.toml 管理依赖」。它就是不听，非要用 pip 、用系统 python 、用 conda 。再三要求改正，它输出道歉，却连自己刚写的「 uv pip 」都不去改成「 uv add 」。我不说，它就永远不改、也不会主动提醒我。上一个例子非要干没有要求它干的事，这个例子明明是它分内的事，它却什么都不问、不说、不做了。

心累啊。

至于「你怎么不装 Superpowers / 不用 XXX Harness / 不用 XXX 策略」，就这第一个例子，完全干净的上下文都能给我执行一半、丢一半，再多的 Prompt 感觉也没法补救这种例子了。

[jinsongzhaocn]

你理解错了，必须要加 skills 。

[jinsongzhaocn]

Anthropic 内部披露，没有 Skills ，Claude 在内部评测里的准确率不超过 21%；加上 Skills 之后，稳定冲到 95%以上，部分领域接近 99%。而且 95%的 Skills 还需要一直升级，否则甚至会掉到 65%。就凭这些信息，你还懒得折腾 skill ？

[Haku]

用一下国产的，你就会发现确实很聪明

[w568w]

@jinsongzhaocn 唉唉。我当然用了 Skills 啊，我说「不用提这些」的意思，不是「我一个都没试过，我猜肯定不好用」，而是我全都试了一遍，情况没有改善……

[w568w]

@jinsongzhaocn 你真的认真读帖子了吗？就这第一个例子，你告诉我什么样的 skill 才能让它知道「当用户要求你做 A 、B 、C 的时候，你应该做 ABC ，而不是只做 C 」？

[canyue7897]

op 是直接用追求目标模式还是开的 plan 模式？如果直接追求目标，可能会出现这种情况，遇到过跳过指令的情况，不过也没那么夸张。但是开了计划，按道理来说，不应该。

[jinsongzhaocn]

试试主动唤醒 skill ，先规划后执行呢？比如：
/superpowers:brainstorming <跟上你的 md 文件名和说明>
或者 mattpocock-skills 的 /diagnose ， /tdd

[walkon]

AGENTS.md 用起来，Plan 用起来。

[w568w]

@Haku 是的，我现在发现 GLM5.2 和 MiMo 2.5 Pro 都比 GPT-5.5 好用，至少

(1) 能听明白我想做什么；
(2) 自己不明白的东西，知道要先问我；
(3) 没有要求它做的，绝对不做；
(4) 有基本的逻辑思维。

GPT-5.5 感觉有时候真的是小脑发育不完全了，逻辑关系都能弄错（测试 A 场景正常，认定 B 场景没事）

[canyue7897]

我咋感觉你的降智了，你看看你的思考时间是多久？我的思考很少低于 5 分钟的。

[jinsongzhaocn]

有时候确实需要啰嗦很多它才会改方向，比如：
UI 调试：`playwright-cli open http://127.0.0.1:8069/ --headed`, 注意有-cli 后缀, 不是 playwright.在 Playwright 官方的最新的架构中，playwright-cli 和旧版的含义完全不同，它和 playwright/mcp 正好构成了 AI 浏览器的两大演进方向.这里的 playwright-cli 并不是我们以前理解的“用来跑 npx playwright test 的那个终端命令”，而是一个全新的全局 NPM 包（@playwright/cli ）。它是微软专门为了解决 AI 智能体（如 Claude Code 、GitHub Copilot Workspace 、Aider 等）在进行浏览器自动化时极其消耗 Token 的痛点而重新设计的.

[w568w]

@walkon 谢谢，我用了的。

我还可以再举一例：AGENTS.md 里有要求：

- `find` or Glob or `glob` MUST be used with `-print0` and `xargs` must be used with `-0` to handle file names with spaces or special characters. MUST use `-xdev` to avoid descending into slow network filesystems. NEVER find or glob or search files without `-xdev`.

因为我们的项目里面挂载了网络文件系统，模型有时候喜欢直接全局搜索，会非常慢。

至今为止，GPT-5.5 遵从过这个指令 0 次…… 我觉得我这段话应该已经写得够清楚了，对吧

[jinsongzhaocn]

@canyue7897 别最后发现是网络问题，：-D

[canyue7897]

@w568w 你是不是写的东西太多了？本来上下文就 258K ，你如果用了 sub2api 之类的，而不是原生的话，真实推理没有多少 K ，那就只剩压缩了。工具调用都占用几十 K 的上下文。

[jinsongzhaocn]

@w568w 你用的 opencode 吗？如果是 cc ，默认不会读 AGENTS.md,需要指明给它

[canyue7897]

@jinsongzhaocn 我没有开倍速，基本都是五分钟。网络应该不至于，网络用了多年了。

[qwerasdf123]

看了你的两个帖子，感觉你的 gpt5.5 确实不正常，至于降智还是什么原因，需要具体排查一下

[lmmlwen]

你这个，还停留在上下文约束上面

[w568w]

@jinsongzhaocn 谢谢，你这里我有一点认同的，就是确实是需要啰嗦。

怎么说呢，感觉 GPT 在我这缺乏那种基本的逻辑思考能力，就像一辆不停撞墙的车，不出两轮对话就会把自己引到死胡同或者错误、疏漏的执行路径上。需要不停地手动 steer ，steer 完他才会正常几轮，然后又接着对着墙猛冲……

如果多改正它几次，它就变得畏手畏脚，什么都不敢提、不敢问了，而且每轮对话里都要反复和我强调「我不会 xxx 、xxx 、xxx 」（ xxx 是我前面改正它的内容），哭笑不得。

[lscho]

不明白什么场景怎么用的。。。在我的场景 GPT-5.5 + codex 比 cc + opus4.8 都好用

[canyue7897]

@jinsongzhaocn 他用的 codex ，codex 的上下文挺短的。我的是放在 gemini.md 中，codex 自己都去读了，没有遇到不读的情况。不过可能 gemini.md 要求更加严格一些？

[jinsongzhaocn]

还有个可能是通过代理调用，结果代理给的是假冒的，代理是可以随意修改模型名称的。

[w568w]

@canyue7897 @qwerasdf123 @jinsongzhaocn 是的，降智是我现在最怀疑的原因，关键是：各种模型验证站都测不出来！发个帖也是看看有没有朋友遇到类似的问题。

我这里思考时间比较波动，有时候 10 分钟，有时候就一句话结束。但确实思考长的时候，主帖提到的情况会少一些。

我是直接用的官网账号，在模型验证站上测模型验证的时候，通过的是我自己的 AxonHub 。

@lscho 没有特殊场景，也没有加什么野鸡 skills 、或超长的 agents.md 、或用一个已经特别长的 context 不压缩，就是正常地下载 codex 、安装、登录，正常地提问和命令，就出现了这里提到的大部分问题了。

[shineonme]

感觉用的跟你不是同一个 gpt-5.5 xhigh

第 1 点，我跑的项目没有做过特殊要求，每次都会做一遍编译测试，有时只改了很小的点，也会跑一遍完整的编译测试

第 5 点，特地在 AGENTS.md 写了使用 conda 环境的 python ，用到目前没有出现过偏差的情况，写入 AGENTS.md 之前是会调用系统默认的 python, uv

[canyue7897]

我是直接用的官网账号，在模型验证站上测模型验证的时候，通过的是我自己的 AxonHub 。你这个是 web 转 api 么？如果是，那 web 中间的很多工具调用你这个工具肯定不能完整模拟，很多都丢弃了，那你根本就是断断续续的得到信息，你直接用 codex 试试，不会出现你说的问题的。codex 还是很遵守指令的，有的时候过于遵守了，我都感觉没啥主动性。

[darklowly]

codex 体感确实很差的。我也搞不懂为什么那么多人喜欢 codex 。

经常会出现鸡同鸭讲，还有输出的内容看着都头疼

[codingerj]

官网 GPT Pro 账号 为什么还要用号质量检测站「是否是满血模型」？

[w568w]

@codingerj 因为想看看是不是降智了，就像楼上很多人怀疑的那样。

并非：买了 GPT Pro 账号 -> 用号质量检测站「是否是满血模型」

而是：买了 GPT Pro 账号 -> 体验很差，遇到了各种问题 -> 发帖求助 -> 评论怀疑是被 OpenAI 路由到降智模型 -> 实在没办法，用质量检测站检测一下

[ebushicao]

如果你没有说谎，且不是登录账号之后又配置了第三方中转站，那只能是模型降智了，但理论上即便降智也不至于发生 1 和 2 的情况，你要不要检查一下你的设置，全局的 skill ，全局的 AGENTS.md 文件，项目内的 AGENTS.md 。

[defaw]

最近疑似挪算力去训练 gpt5.6 了，我个人体感很差，一个已经给定了逆运动学代码的程序，我让 gpt5.5 medium 写可视化，连打字纠正带截图反馈改了六遍才写对。

[defaw]

补充：正价 plus 不是中转,codex cli 最新版

[daj2]

要不我在梯子上给你开个反代你试试是不是模型降智的问题？ 127***[email protected] 这个邮箱你还用的话我发你

[YangWaleed]

用 codex + gpt-5.5 确实没遇到这么弱智的时候，甚至我只用 medium 和 high

OP 你都装了什么 skill ？会不会是上下文被污染了？

[plp]

通过你的描述 感觉是你描述的问题比较大
比如相关背景,相关技术架构说清楚了吗? 使用某些功能某些工具你指定了吗？
输入输出你指定了吗？
总体原则与注意事项你给出了吗？

AI 确实很强,但也不是无脑使用,需要使用者自己能正确写出提示词

[tengxun]

codex cli 不如 codex 客户端

[aimuz]

我也是订阅了 GPT Pro 账户，之前一直订阅的是 Claude Max ，听他们说 GPT 5.5 很强，到期后就换成 GPT Pro 了，我实际用下来 Codex 的体验比不上 Claude 。用的是 Codex 桌面版。

可能是经常使用 Claude ，然后换成 Codex 后各种不适应。高强度用了两天，直接申请退款了。

[w568w]

@daj2 在用的。你方便的话可以给我发个临时的 key ，感谢

[w568w]

@YangWaleed 目前有这些全局生效的，大部分都是我自己写的：



从上到下是：代码重构指南、深度研究、下载模型、如何 update 一个 fork 、如何重构 PR 、如何写研究 Proposal 、网上搜索、文章润色、如何用微信推送通知

上下文的话，我看模型似乎没有读过 skills 。就算读过，我也很难想象这些特定功能的手写 Skills 会特别影响模型能力……

[w568w]

@plp > AI 确实很强,但也不是无脑使用,需要使用者自己能正确写出提示词

但我说的这几个 case ，除了 GPT 以外都没有犯过（当然其他模型也有其他的问题，但不至于有这么多低级错误）

> 使用某些功能某些工具你指定了吗

主贴已经说得非常非常清楚了吧。Skills 、Prompt 、Agents.md ，甚至完全清楚无歧义的指令就在上一句，都能执行错。我没招了……

[daj2]

@w568w #37 发了

[w568w]

@daj2 感谢朋友，已经收到了。我今晚有空测试一下，明天给你反馈。

[dingawm]

估计是你的问题，要真这么差，OpenAI 可以 Close 了
至于是不是因为 IP 降智，我不太清楚 OpenAI 是否会针对 codex desktop 使用根据 IP 进行降智，但是我之前刚开 GPT Pro 的时候，我发现在网页上用 Pro 模型，总是不思考就回答问题，正常来说应该会思考好几分钟，我才意识到可能是被降智了，之后换了个节点之后就正常了。

[noahliaszn]

因为之前有一篇文章讲过 gpt-5.5 的 prompt 实践 反正我按照官方修改了 agents.md 几乎没做蠢事
https://developers.openai.com/api/docs/guides/prompt-guidance?model=gpt-5.5

[duuu]

把项目的 AGENTS.md 发出来大家看看吧

[w568w]

@duuu https://gist.githubusercontent.com/w568w/c79140cbc69f32c56475f4a96e333818/raw/c5fc50c3f8f5af9acfdae7c9027475a4663743b0/AGENTS.md

[euronx]

gpt5.5 在我这就是个聪明逼，95%的任务都干的又好又快，每次改完代码还会 review 告诉我本次修改是否有 breaking change

[superhero007]

我也觉得 codex 一般，输出内容很难看，说了半天看不懂绕来绕去在说什么。用 GLM5.1 的体感都更好一点.

[huang86041]

是不是挪算力 切换量化版本了,我也感觉确实智商低了不少.

[Clannad0708]

不清楚，我用起来没啥问题

[NerbraskaGuy]

个人感觉写功能逻辑没有 5.3codex 好用，只是在给他图片让他还原样式这方面确实比 5.3codex 进步很多

[ericguo]

你要先/init 另外删掉你所有的 skills ，系统给的肯定用不上的 doc ，excel 之类的也可以删掉，然后你直接说你要什么就好了（前提你自己会编程）

Codex 我已经用了半年了，我现在只用这个，Plus 对我来说都够。

[GodIsJasonBourne]

10 有 89 没有开执行本地命令的权限罢？"要求它「把一个代码文件复制到另一个位置」。结果它不去调 cp 命令，硬是用 Write 工具"

[aimuz]

@dingawm 那我感觉我的 Pro 被降智商了，之前试用了 Plus 感觉没有那么差。升级 Pro 后就不行了

[Anonono]

最近一周也感觉 5.5 没以前聪明，但是大部分体现在复杂任务上，这种直接 CP 的问题我还没留意过。

[ovtfkw]

@w568w 你不是用的官网的 codex 和官网的模型吗，并没有通过中转站吧？
那也会碰到降智吗？

[rangoBen]

好比你买了一台电脑，你明明都知道配置单，配置不低，价格还贵。全世界都在买它，用它，反响不错。
你拿回家，捣鼓了两天，你说：这电脑性能真好用吗？玩 3A 这么卡？
因为你觉得：至于「你怎么不装 Superpowers / 不用 XXX Harness / 不用 XXX 策略」，就这第一个例子，完全干净的上下文都能给我执行一半、丢一半，再多的 Prompt 感觉也没法补救这种例子了。
因为什么？
agent 、skill 、提示词相当于是电脑的驱动
建议去看吴恩达的提示词的课， 免费且深入浅出。

不过你这个不是个例，我们称之为前 AI 时代跟后 AI 时代的人，上手 AI 是不一样的。
从 cha gpt 一路用到现在，提示词，skill 这些的使用思路，已经形成肌肉记忆了。

[tanrenye]

@jinsongzhaocn 纯粹好奇，如果这些 skill 如此重要，那么为什么 A 社不让 Claude code 内置呢

[icyalala]

等一下，你用的官网的 Codex ，为什么要搞什么账号检测站？
你是真的 Codex 还是通过什么 API 接入呢？

[w568w]

@rangoBen 可见学习 AI 会降低人的阅读能力和理解能力。因为你除了最后一句话之外，已经看不下去任何字了。

你甚至不愿意看完整个帖子，看看我到底有没有提到 skill ，以及我回复里提到写了多少个 skill 。

@icyalala 请往上翻，找到并读我对 codingerj 的回复。你是倒果为因了。

是因为发现不对，怀疑 OpenAI 官方在降质，所以才去用检测站查，来辅证；而不是我买到手（或者是买了中转站），所以闲的没事干去用检测站检测。

[buruoyanyang]

同感，也是正价开了 GPT 账号，感觉远远不如中转的 Claude 啊，我现在拿他当豆包用，下个月不续了。

[w568w]

@GodIsJasonBourne > 10 有 89 没有开执行本地命令的权限罢？"要求它「把一个代码文件复制到另一个位置」。结果它不去调 cp 命令，硬是用 Write 工具"

是开了的，因为我下一句就批评了它，让它不要用 Write 改用 bash 。然后它立刻就用 bash 执行 cp 了。可见并不是没能力，而是没意愿。

然后我也问了他「为什么不用 cp ？你复述一下我的前面的命令」？他的回答是这样的：

===
你给我的命令是：
“把现在这个 /xx/xx 复制到本地的真实 provider 目录下。”

更具体地说：
- 我把“同步目标文件”误判成“继续修改目标文件”。
...
===

这里也挺哭笑不得的，回答完全不知所云：它辩解自己做错的理由是：「你说的是“同步”，不是“复制”」，但自己在一句话之前刚刚复述过的就是「你的命令是：把现在这个 /xx/xx 复制到本地的真实 provider 目录下」，根本没有「同步」这两个字。

[desstiony]

完全没遇到过

[ty29022]

codex 没有 Write 工具， 只有 apply_patch, 你们在说啥？

[w568w]

@ty29022 "Write" 是指用来写（ Write ）文件的工具，而不是「那个名字叫 "Write" 的工具」，在 Codex 里相关工具就是 "apply_patch"。

至于为什么这么叫，大概是受 Claude Code 影响吧。如果真要较真的话，"Bash" 也应该叫 "shell" 或 "local_shell"。

[Liftman]

很确定你是降智。。。。。

[HappyFox]

1 、很明显降智，也就是使用的是量化版本模型，而非原始模型。检测站只能检测是否是 GPT5.5 ，厂家有没有给你量化是另一回事。而且厂商可以确定量化的比例，也就是多次请求中，在厂商认为不影响“服务质量”的前提下给你替换部分返回结果。具体原理参考某些中转站掺假

2 、这事无解，除非你用的云服务厂商托管的私有部署版本，否则在新模型上市前一两个月，当前版本的 SOTA 模型都会降智、节省算力用于训练新模型。用任何原厂的 coding 套餐都有这个问题，只有企业/api 用户可以豁免

[bjy1]

有人要求高，有人要求低，项目复杂度也不一样。
确实有莫名其妙的问题，经常把对话内容写页面上。
还好比我强就让它写，它晕了我自己写

[v2gba]

skills 也好 harness 也好 什么 loop/goal/.md 等等

都是模型能力不够的弥补手段

同一个项目前几天 Fable 能用的时候,我白天远程遥控开发了十几个 feature,回家检查了下一个 bug 都没.

但在这之前的(除了刚出来 1~2 个月的时候),和这之后的 Opus 都是半死不活的样子.

写进 CLAUDE.md 的规则不执行(context 只用了 10 几%)
5 轮对话里,第二轮纠正的事情(必须用模拟器测试完之后在交付给我), 第 5 轮又忘记了 (当第五轮 context 也只有 30 多%)

只能说这些模型厂商非要降智,开头说的那些也很难救回来.

要么用 API (API 应该不降智吧) 要么一直用刚发布的模型(LOL. 临时威力加强版)

[unusualcat]

我用 gpt5.4 中。codex 桌面客户端，写程序做任务都做的很好。你的大概率是降智了，否则没道理 5.5 还不行的。
我用 5.4 纯粹是因为 5.5 额度烧太快，而 5.4 也可以满足我的需求。

[Thesara]

5.5 很喜欢头痛砍头，感觉不如 5.3

[HappyAndSmile]

我支持 op ，最近的 gpt 5.5 确实像个弱智一样，让遵守我的守则文件，非要不遵守，非要画蛇添足，乱加文件

[lesismal]

应该是降智了吧，前阵子不是误封、然后又发福利一波，没有免费的午餐。

而且不只是 GPT ，claude 最近体感也降智了。

以前很多一把过的东西，现在半天不过，反反复复。

每次遇到这种观念，我都休息几天再看。

[cheng6563]

你账号降智了。
另外，轮降智水平，我 opus 第一个不符：

Q：你用的什么终端？
A：你好，我用的终端。

还有，AI 路走歪了，我提醒一下：
Q：你别缠着 XXX 了，不是这边问题
A：我知道了，我绕太久了。已经搞完了，不提了，还有别的问题吗？
Q：sbsbsb
A：(思考：用户打了一串乱码）没事，等您有需要随时来。

[gadfly3173]

我觉得 GPT5.5 的指令遵循确实不如 5.4 或者其他模型，比如我经常使用的 code-review-excellence skill 中对最终报告的输出有格式要求，GPT5.5 是最偏离格式要求的模型，Opus 4.8 或者 GLM-5.1 、Deepseek V4 Pro 等都可以很好地遵循输出的格式，5.4 会稍微改变一些，但也是基本遵守的。

[liuliuliuliu]

不是，我不用 skills 都没这么弱智啊

[pinecone1]

你搞了这一堆 skills ，不如先把 superpower 装上。你这里我别的都没装，Superpowers 就够了，而且我用的还是 gpt 5.4 都能很出色的完成 95% 我的工作。太可惜了，这么好用的东西你用不上。

[yjiefl]

一直用过来，我感觉 5.3codex 编程就很够用了，5.5 成功率更高，没感觉降智。

[msg7086]

最近几天老外论坛有人报 GPT 5.5 疑似降智，可能是为 5.6 发布而调整算力分配，如果你是这两天刚测的，那有这个可能。之前至少没什么问题。
你说的这些我在 Gemini 3.5F 上经常见到，Codex xHigh 上没遇到过。只能说你的描述不符合正常 GPT 模型的水平。至于是官方降智还是什么原因这个我不好说。我这边就只开了一个 superpowers ，别的啥都没装。

[msg7086]

最近几天老外论坛有人报 GPT 5.5 疑似降智，可能是为 5.6 发布而调整算力分配，如果你是这两天刚测的，那有这个可能。之前至少没什么问题。
你说的这些我在 Gemini 3.5F 上经常见到，Codex xHigh 上没遇到过。只能说你的描述不符合正常 GPT 模型的水平。至于是官方降智还是什么原因这个我不好说。我这边就只开了一个 superpowers ，别的啥都没装。

[MIUIOS]

楼主写的这么详细了，楼上都是看都不看上来指责楼主不会用 llm ，v2 特色

[yyysuo]

@MIUIOS 这很奇怪吗，太匪夷所思了啊，万里无一的体验，不怀疑楼主怀疑谁。

[robinxplorer]

用了一次我也感觉过于弱智 切换 cc 了

[fbu11]

感觉是被降智的

[magicfield]

这两个月感觉降智很严重，最近都用 cc+d4p 了

[nrtEBH]

@jinsongzhaocn skills 很重要但不是必须的

[whitedew]

@w568w 我靠，本来准备买会员的，你这么说搞得我不知道买还是不买了

[coolpenguin]

这贴看完只觉得很多人基本是没有看完问题再分析的能力吧……只是照着自己预想的情况写结论。

[brazz]

https://imgur.com/a/vnZNXSp

确实糟心，改不掉自创无实现函数的问题， 有没大佬指教一下

[nrtEBH]

一般情况下 不需要 xhigh 特别是你只是一句话指令用 xhigh 非常容易 over thinking
用 codex 这种偏向 vibe 的客户端 非常重要是做好上下文约束 直接打开一个 repo 然后开 xhigh 再发一句话没有上下文的指令 模型乱搞是可以预期的 它不知道你要的是什么
最近在看 github copilot 的实践指南 你可以把上下文限定在一段代码 一个文件 多个文件 逐步放开让模型去操作
另外如果有固化的开发流程 的确如楼上说的 用 skill 把边界，输出，规范全部定好 模型才不会乱搞
harness 没那么简单的

[Cooky]

降智了，不降智就很好用，不好用的时候就能觉出来是降智了

[ca2oh4]

@w568w 体感是 gpt 确实比 claude 更健忘

claude 感觉更守规则

[4seasons]

题外话：其实无论是 Codex 还是 Claude ，skills （尤其是自己创建的那种）装的太多，一样会降智。

op 虽然贴了很多示例，但是不清楚上下文是啥，但是就只看例如：“合并代码，先运行编译测试再 commit”，就感觉挺没头没尾的。再例如“把一个代码文件复制到另一个位置”，你可以明确告诉他用“用 cp 命令把 xxx 复制到 xxx”。但是你没有做。

我觉得用这些工具时，首先要抛弃那种：我这个事情可能说的不太详细，但是你懂的（或者你必须懂），懂的都懂的，这种态度。要不然真的会成为那种令人讨厌的老登领导。

[shibow]

你美国朋友注册这个多少钱啊

[gumayusi]

@4seasons 那这还是 AI 吗？比手写 Python 还麻烦

[rockddd]

@gumayusi #94 我也认为指令清晰程度能影响代码一次生成的准确率。产品发给你的需求，说的模棱两可，你听不明白还要追问两句才能完全理解呢，更何况是 ai,毕竟不是神

[rxswift]

建议换成国产模型

[ZhaokunZhang]

我用正版的，没发现这个问题，外面的中转站也没发现，反而公司内的中转站有这个问题。1 、2 、3 ，3 个步骤，1 干错了，2 没干，3 干了。

[mooyo]

我一直用的 API 版，感觉非常良好

[liiuyr]

你这肯定不是正常账号，或者模型了，建议重开个 plus 号试试，不可能这么弱智的

[swananan]

很奇怪，我没有遇到过你这样的情况，我是 pro 账号，只使用 5.5 xhigh 。 我很少使用 skill ，就几个我自己构建的。你要不要把你三方的 skill 都去掉试试。

codex 指哪打哪，很少会不遵循，偶尔有，说一下也听话了。而且不会擅作主张，比如主动回复 github 这种有副作用的操作，肯定会和我确认的。