夜雨聆风有人用 Claude Code 做规划和实现，用 Codex 做异步审查，半天就上线了一个带支付功能的 Garmin 数据转换工具。这篇文章拆解他的工作流，也聊聊我自己踩过的坑。
◉ ◉ ◉
事情是这样的
上周在 dev.to 上看到一篇帖子，标题很直白——"I shipped a paid web app in half a day using Claude Code + Codex"。
作者做了一个 Garmin 数据转换工具：把 Garmin Connect 导出的运动、睡眠、健康数据转成干净的 CSV 文件，方便丢给 ChatGPT、Gemini 或 Claude 去做分析。工具本身不复杂，但有几个点让我停下来认真看了——
他半天之内完成了：前端、后端、文件处理逻辑、支付集成（Square）、部署上线。一个人。
半天交付付费App的工作流
用的技术栈是 Claude Code（Opus 4.7）+ OpenAI Codex（GPT-5 Codex），两个 AI agent 分工协作。不是说"AI 帮我写了点代码"这种程度——他让两个 agent 各自负责不同的活。
我觉得这个案例值得好好拆一下。
◉ ◉ ◉
两个 Agent 怎么分工
这是最有意思的部分。
作者没有只用一个工具干到底。他给 Claude Code 和 Codex 安排了完全不同的角色：
Claude Code和Codex分工示意
Claude Code（主力实现者）：
- ❋负责整体架构设计
- ❋写核心业务逻辑（Garmin 数据解析、CSV 转换）
- ❋实现 Web Worker 来保持主线程响应
- ❋处理支付集成（跟 Square API 对接）
- ❋做最终的 bug 修复
Codex（异步审查者 + 并行任务）：
- ❋被安排去处理一些可以异步跑的任务
- ❋做代码审查（review Claude Code 写的代码）
- ❋处理边缘场景和兼容性问题
关键来了：作者特意指出了一个问题。当 Claude Code 自己审查自己写的代码时，会产生"自我确认偏差"——它倾向于觉得自己写的代码没问题。所以他让 Codex 来做审查，两个不同的模型互相看，误差更容易被揪出来。
这个发现对我来说不意外，但他把它实际落地了。
◉ ◉ ◉
踩坑记录（这才是真实战）
帖子里列了几个具体的坑，我觉得比他的成功更有参考价值。
坑一：JSZip 的未文档化内部 API
处理 Garmin 导出文件需要解压 ZIP，他用了 JSZip 这个库。结果发现要处理的某些场景需要调用 JSZip 的内部 API，而这个 API 没有类型定义、没有文档。Claude Code 硬生生摸出了调用方法，但过程不顺——"没有 TypeScript 类型定义的第三方库内部 API"是 AI 编程最容易翻车的场景之一。
坑二：iOS Safari 的支付跳转问题
Square 支付链接在 iOS Safari 上有个特殊行为——跳转后回调 URL 的处理跟 Chrome 不一样。这种平台特异性的 bug，不管是人还是 AI 都很难提前预判，必须真机测了才知道。
坑三：大文件处理的内存问题
Garmin 的健康数据导出文件可以很大。最初的实现把整个文件读进内存，处理几百 MB 的文件时浏览器直接卡死。后来用 Web Worker 把重活移到后台线程，主线程才恢复响应。
这三个坑加起来，大概就是"半天"里的大头时间。核心逻辑写完可能只要一两个小时，剩下都在跟这些边缘问题搏斗。
◉ ◉ ◉
我自己在用 Claude Code 做项目时也有类似经历。上个月做一个微信公众号自动化工具，核心功能（调 API、生成文章、上传图片）一下午搞定了。但是处理微信 CDN 的防盗链、处理 HTML 排版在不同微信客户端的渲染差异、处理图片上传的并发限制——这些"脏活"又花了两天。
所以我的经验总结是这样的：AI 把"写代码"这件事加速了 5-10 倍，但"踩坑"这件事一点没变快。
◉ ◉ ◉
我自己的 Claude Code + Codex 搭配方式
看完那篇帖子后，我重新梳理了一下自己的工具搭配。跟大家分享下目前用得最顺手的模式。
我的AI编程工具搭配
日常主力：Claude Code
说实话，大部分时间我只开 Claude Code。它的优势在于：
- ❋能看到整个项目上下文，跨文件改东西很顺
- ❋plan mode 先让它出方案，确认了再动手，减少返工
- ❋
CLAUDE.md文件可以把项目约定（技术栈、命名规范、禁止事项）固化下来，每次新 session 自动加载 - ❋hooks 机制可以强制执行一些规则——比如编辑完自动格式化、提交前自动跑 lint
我在 CLAUDE.md 里写的东西大概长这样（简化版）：
## 技术栈 - Python 3.11, requests, pyyaml - 不要用 async,这个项目全是同步的 - 图片处理用 PIL,不要引入 opencv ## 命名规范 - 变量名 snake_case - 文件名也是 snake_case - commit message 中文,一句话说清楚改了什么 ## 禁止事项 - 不要在代码里硬编码 API key - 不要动 wechat-publisher.yaml（那是密钥文件）
这几行字省了我无数次"不是让你别动这个文件吗"的抓狂。
并行任务：Codex CLI
Codex 我主要用来跑"我知道要做什么但不想等"的任务。比如：
- ❋让它去另一个分支上写测试，我继续在主分支写功能
- ❋让它去做文档更新
- ❋让它做代码审查（review 完我回来看结论就行）
Codex 的 /goal 模式特别适合这种场景——你给它一个高阶目标（"把这个模块的测试覆盖率从 40% 提到 80%"），然后去忙别的。过一会儿回来看结果。
偶尔客串：Cursor
写前端组件的时候我会切到 Cursor，因为它的 Composer 模式在 VS Code 里改 UI 代码有即时预览，体感比在终端里盲改舒服。但大部分后端和脚本工作还是在 Claude Code 里完成。
◉ ◉ ◉
几条实操建议（都是花钱买来的教训）
实操经验清单
写了这么多，压缩几条最实用的：
1. 别让 AI 审查自己的代码
前面说了，自我确认偏差是真实存在的。如果你用 Claude Code 写代码，让 Codex 来审查——反过来也行。两个不同的模型互相看，能揪出更多问题。我试过让同一个 Claude Code session 先写再审，它真的会说"代码看起来没问题"然后实际跑起来炸了。
2. CLAUDE.md 写具体，别写废话
"请保持代码整洁"——这种话写了等于没写。要写具体的约束："函数不超过 50 行"、"不要用 any 类型"、"这个目录下的文件不要动"。
3. 先跑一次再让 AI 修
AI 生成的代码不经测试就直接往下走，是最大的时间黑洞。我现在的习惯是：每完成一个小功能就手动跑一次。如果有问题，把错误信息直接贴给 Claude Code，它修起来比你描述问题快得多。
4. 支付和安全相关的代码，必须人肉过一遍
那个 Garmin 工具的作者也说了——唯一的服务端代码就是 Square 支付链接的 API route。这种涉及到钱的代码，不管 AI 写得多好，你都得自己逐行看一遍。
5. context 快爆了就开新 session
我在 Claude Code 里遇到过好几次"越聊越糊涂"的情况。原因是 context window 塞满了早期的探索性对话，模型开始在过时的上下文里做决定。我的做法是：感觉不对劲了，直接开一个新 session，把到目前为止的结论写进 CLAUDE.md，让新 session 从干净的状态开始。
◉ ◉ ◉
◉ ◉ ◉
这个工作流的适用边界
我得说清楚——"半天做出付费 app"有它的前提条件。
适用边界说明
适合这个工作流的场景：
- ❋工具型产品（输入 → 处理 → 输出，逻辑链短）
- ❋单人开发
- ❋技术栈成熟（Next.js / Vercel / Supabase / Stripe 这些 AI 训练数据里大量覆盖）
- ❋不需要复杂的用户交互（没有实时协作、没有复杂权限系统）
不适合的场景：
- ❋多人协作的大项目（AI 不擅长理解团队约定和沟通成本）
- ❋需要深度领域知识的场景（金融合规、医疗器械、法律文书）
- ❋性能敏感场景（高并发、低延迟、资源受限设备）
说白了，AI 编程工具目前最擅长的是："一个有经验的开发者，做一个自己能独立搞定的小产品，但希望把实现速度提高 3-5 倍。"
如果你是这个描述的人——Claude Code + Codex 的搭配确实值得一试。
◉ ◉ ◉
写在最后
半天做出付费 app 不是什么神话。它的关键不在于"AI 很强"，而在于工具搭配得当 + 人知道什么时候该介入。
2026 年做独立开发者，工具的丰富程度确实前所未有。但工具再强，踩坑还是免不了的——只是坑的种类变了。以前是"怎么写这段代码"，现在是"怎么让 AI 别在这里犯蠢"。
如果你也在用 Claude Code 或者 Codex 做项目，欢迎在评论区分享你的工具搭配和踩坑经历。这种一线体验比任何评测文章都有价值。