一份Word，两个AI，12小时做出一个能上线的App

事情的开头特别不像一个技术故事。

2026年5月23日上午11点，我往Claude Code里丢了一份中医复习资料，问了一句特别朴素的话：“这份资料，24小时内怎么快速记住？”

3.7万字，1700行，一份期末考试的回忆版题库。从那一刻开始计时，到次日凌晨0点51分被我叫停——总共12.5小时，这个Word文档变成了一个挂在域名上、能注册、能答题的网站。里面塞进了186个知识节点、589道题，还自动配上了图。

全程我没写一行代码。干活的是两个AI，白天Claude Code，晚上Codex。前些天我把两段会话记录、Git提交历史全扒了出来，对着UTC时间戳逐条还原。

还原完挺上头的。有些东西，真值得说道说道。

最贵的不是写代码，是头20分钟

11:00–11:20，20分钟。

从“想记住一份资料”到“决定做个App”，方向硬生生拐了4次弯。

AI一开始老老实实给了套“24小时速记时间表”——几点背药，几点刷题，几点睡觉。我说时间限制是假的，我只是想找最高效的记忆路径。AI推倒重来。接着我又说，我其实在做一个学习网站。AI再调整。然后我砍了第三刀：“先把文字做好，多模态以后再说。”第四刀更狠：“别把我们的时间尺度强加给用户，按真实学习行为来。”

这四刀砍下去，产品才算立住了。前三次全是我自己做减法、纠偏——方向由人定，方案让AI出。

大多数人用AI写代码，上来就喊“给我做个App”，然后对着一堆能跑但不对味的代码发火。我这次不一样，把“做什么、不做什么、为谁做”先聊穿了，才让AI碰键盘。AI随即给出了几个判断，后来成了整个产品的地基：

• 这份资料的本质是5层信息架构（世界观、实体、关系、事实、应用），不是“单选、多选、简答”。
• 产品定位是“把碎片重构成可点亮的知识网络+多邻国式主动检索”的混合体，不是题库刷题器。
• 最关键的价值观：“工具而非习惯机器”“状态而非任务”——砍掉打卡、每日目标、Push催回，因为目标用户自带动机。

后来9个多小时几乎没返工。省下来的几天，全靠这20分钟。

我没急着让它写代码，先让它写了30份文档

11:20–11:53，半小时。

想清楚之后，我给的指令很明确：落实项目文档，要能改、能追踪、能记录进度。

AI搭了一套分层文档——产品哲学、信息架构、数据模型、功能规格、决策记录，一口气30份。每份文档头上挂着状态标记：草稿、已确认、进行中。还有一类叫ADR的文档，全称是架构决策记录，规矩就一条：只增不改——决策变了写一份新的，引用旧的，永远留着推理链。

11:53，这套文档体系完成第一次Git Push，commit d9d5c7f。

说实话，当时我也觉得有点重。一个人的活儿，写这么多字，至于吗？

后来被打脸了。

AI的记忆是会断的。聊着聊着上下文满了，它就忘了前面说过什么。但文档不会忘。当天晚上我换Codex接手——它怎么知道做到哪了？打开milestones.md读一遍就知道了。两个完全不同的AI能无缝交接同一个项目，靠的就是这堆字。

文档不是给人看的仪式感，是给AI用的硬盘。 而且ADR不可变这条太值了——任何时候我都能翻回去看“当初为什么不要打卡功能”，完整的推理链还在那。

框架版本，差点把项目炸了

14:33动手搭脚手架，17:16 M1跑通，这一段将近3小时，是整个项目最重的一块。

文档里写的是Next.js 14。脚手架一装，实际是16。React 19、Tailwind 4、Prisma 7——全是大版本，全是Breaking Change。

Tailwind 4连配置文件的写法都变了，不再有tailwind.config.ts，改用@theme。Prisma 7的数据库连接字符串从schema挪到了prisma.config.ts。Auth.js beta.31强制要求Nodemailer provider配server字段。

最离谱的是，Next.js 16脚手架自己生成了一个文件，里面一句话直接写给AI看的：This is NOT the Next.js you know。这不是你认识的那个Next.js。

读到这句我乐了。框架都开始反过来防AI了。

为什么会这样？AI的训练数据有截止日期，生态比它脑子里的版本新得多。它要是闷头按记忆写，就会用一年前的API写一遍、报错、再重写——白烧时间。

Claude的处理是对的：看到警告，立刻回头把tech-stack.md的版本号全改对。之后凡是碰Next.js、React、Tailwind的API，先去查MCP或者node_modules里的本地文档，绝不信自己的训练数据。

记住这条。让AI写版本敏感的东西，先让它查实时文档。它的自信，有时候是过期的。

M1到M3：里程碑式推进，地基打好了后面就快

整个编码我设了三个里程碑，每个都以CI全绿为完成标准：

• M1
  （14:33–17:16，约2小时40分）：Next.js 16脚手架 + Prisma数据骨架 + Auth.js邮箱魔法链接 + 单节点页 + 答题流。最小学习闭环跑通。
• M2
  （17:16–约18:00，约40分钟）：5种题型（单选/多选/填空/匹配/排序）+ 双向链接hover预览 + 推荐复习算法。内容灌到10节点/100题。
• M3
  （约18:00–19:14，约1小时）：主页知识地图 + 全局搜索（FlexSearch中文分词）+ 白纸召回功能。内容到30节点/250题，MVP可发布。

M1最重，因为要从零搭脚手架、踩平所有版本不兼容的坑。M2和M3各只有40分钟到1小时——地基打好了，往上盖就快。

19:27，我手滑贴了密码，AI在3分钟内叫停

晚上接邮件发送功能。19:27，我图省事，直接在聊天框里贴了三样东西：API密钥、服务器root密码、还有IP地址。

19:30，AI停下手里所有活，报警。

这是整个项目里我最想截图保存的一幕：

“你刚刚泄露了凭据。这条消息现在存在于：我的上下文、服务商服务器日志（保留30天）、你本地的历史记录、以及之后你任何粘贴它的地方。删不干净。”

然后它给了整套补救方案：吊销密钥、改密码、禁用root密码登录改用SSH Key，新凭据不要再发给我。

3分钟反应。比我快。

这事儿太真实了。我们用AI越来越顺手，顺手到忘了聊天框不是保险箱。贴进去的密码，会在好几个地方留下副本，想删都删不干净。

后来服务器连不进去——所有端口都被云厂商的CDN和WAF拦截，返回403。AI硬刚不进去，主动换了思路：写一个部署脚本提交到仓库，让我自己SSH上去跑，把输出贴回来。既绕开了限制，又不用再传一次密码，脚本还顺手沉淀成了以后能复用的资产。

进不去的门，别砸。让AI给你一把你自己能用的钥匙。 正确姿势我现在记住了：凭据只写本地.env.local，AI看不到也不需要看到。

换Codex，派出31个分身去搬砖

21:24，我换成Codex。 起因是用手机打开线上网站，发现三个Bug：表格不渲染、页面中英文混杂、中文链接404。

Codex的工作风格和Claude明显不同——话密，每一步都播报“我现在要做什么、为什么”，校验极强。定位到问题之后，改markdown解析、改链接处理、改路由的编码逻辑，然后不是直接说“改好了”，而是跑类型检查+内容校验+构建+本地起Server做真实HTTP验证，全过了才汇报。

修完Bug，我问了一句要命的话：“Word里的内容，都进App了吗？”

Codex老实承认：没有。文档800多段，App里才30个节点、250道题，远不是全量。

22:06起，最像科幻的部分开始了。

Codex开始派分身——一个子AI专门补穴位，一个补中药，一个补方剂，互相不碰对方的文件。它自己在主线程盯着合并和校验。

第一次翻车了。一口气开4个重任务，全被限流打回来，429。它退回来，改成一次只开两个小的，用更便宜的模型。然后节点数开始滚雪球：

30 → 48 → 69 → 80 → 98 → 154 → 186。题目最终到589道。

这个数字链是我从Git历史里扒出来的，每一步都能在commit里对上。肉眼可见subagent并行的滚雪球速度。

中间还顺手还了一笔架构债——题目到300多还挤在单个JSON文件里，Codex把loader改成支持按领域分目录，把旧文件拆成8个领域文件。正好让后续Worker各写各的题库，不再抢同一个文件。

这里有个细节我特别喜欢。我专门交代过，用便宜的Mini模型跑搬砖活。后来算账才知道，31个分身里干得最多的那批Mini，整批才花了一块多美元。一块六，搬完了几百个节点的内容。

并行的命门只有一条：每个分身只能动自己那摊文件，公共的大文件留给主线程合并。谁违反谁打架。 而且并行规模要试探着来，不能一把梭——4个重任务直接429，退回两个小Worker反而稳了。

我设了个目标，逼它把858行全查完

快结束时，我用命令设了一个目标：完整补上所有知识点。

Codex本来想交差，说覆盖审计做到第345行了。但这个目标卡着它——不行，源文档有858行，你得查到底。它只好继续，把后半段也扫了一遍，又补出81道题。最后产出了一份覆盖审计台账，把覆盖率从“凭感觉”变成了“每条源行号对应App里哪个节点、哪道题”的可追溯记录。

这点对我触动很大。AI最爱干的事就是“自我感觉良好地完成”。它会跟你说“差不多了”“主干都覆盖了”。但“差不多”不是验收标准。这个项目里，每一轮内容补完都要跑校验脚本——查重复ID、查悬空引用、查格式——过了才算数。

机器说了算，不是AI的感觉说了算。 完成的定义必须可验证，不能是Agent的主观判断。

最后部署上线，提交的时候Codex特意只挑了该提交的文件——明确指定路径，绝不用全量添加。把带密钥的本地目录挡在外面，扫描确认没带敏感值才提交Push。

次日0:51，我叫停了最后一步批量配图。12.5小时，一份Word变成了一个挂在域名上、能注册、能答题的东西。

我没写一行代码，但我一直在做三件事：把方向想清楚、让AI查真东西、在它说“完成”的时候多问一句“真的吗”。

也许这就够了。

账单揭晓：771美元，一个AI占了98%

故事讲完了，该算账了。

我把两个AI干完这12.5小时的账单扒出来算了一遍。总数771美元。听着不离谱，一个能上线的App，七百多块。但拆开看的那一刻，我愣了半天——754美元是同一个AI花的，占了98%。

另一个AI，全程派出31个分身并行干活，最后只花了16块。

同一个项目，同样在写代码，成本差了将近50倍。这事儿得说清楚，因为它跟“谁更聪明”一点关系都没有。

先把账摊在桌上

白天干活的是Claude，跑Opus这档模型。晚上是Codex，跑GPT-5系列。

• Claude这边
  ：1005次API往返，678次工具调用，输入侧Token加起来4.37亿，输出85万。换算成钱，754美元。
• Codex这边
  ：主线程加31个分身，输入6748万Token，输出77万。一共16美元。其中那31个分身里干得最猛的一批，用的是便宜Mini模型，1400万Token的活儿，整批花了一块六。

数字摆出来，问题就来了。Claude的输入Token——4.37亿——比Codex的6748万多了6倍多。可它干的活，真没比Codex多6倍。

那这4亿多Token，到底是什么？

87%的钱，烧在“反复重读”上

答案藏在一个不起眼的词里：缓存读取。

Claude那4.37亿输入Token，绝大部分不是新内容，是它在反复重读同一段上下文。

想象一下。这是个9小时的长会话，单线程，中间塞了678次工具调用——读文件、跑命令、改代码。每多一次操作，对话就长一截。而每一个新回合，模型都要把前面整段上下文重新过一遍。

678次操作，会话滚雪球一样变长，每一轮都重读。加起来，4.36亿Token的缓存读取。

这一项，654美元。占了Claude总花费的87%。

说白了，钱不是花在“写”上，是花在“记得自己刚才写过什么”上。

同样是重读，凭什么它贵12倍

你可能会说，Codex不也重读了吗？它6700万Token里也有6200万是缓存读取啊。

对。但Codex那6200万次重读，只花了7块7。

差距在单价。Opus这档模型，缓存读取是每百万Token 1块5。GPT-5那档，每百万Token 1毛2分5。同样一个“重读上下文”的动作，Opus贵了12倍。

输出更夸张。Opus的输出是每百万Token 75美元，GPT-5是10美元，差7.5倍。

所以这笔账的真相是这样的——不是Claude笨，也不是它磨蹭。是**“高端模型+超长会话+高频工具调用”三样撞在一起，缓存读取费像滚雪球一样越滚越大，最后压垮了账单。Codex靠“短回合的分身+便宜的Mini模型+本来就便宜12倍的缓存单价”**，把同样甚至更大的工作量，干成了零头。

这笔账能省吗？能

如果你也在用顶配模型跑这种几百次工具调用的长任务，缓存读取大概率是你最大的开销。不是输出，是重读。

几个真能省钱的杠杆：

1. 会话别拖太长。
    上下文越长，每一轮重读的成本越高。该压缩就压缩，该开新会话就开新会话，别让一个会话从早跑到晚。我看完账单后干的第一件事，就是去把一个跑了三小时还没关的会话给关了。
2. 机械的活儿外包给便宜模型。
    那31个Mini分身就是证据——批量补内容、改格式、跑搬砖，这种事根本用不着顶配大脑。一块六能搞定的事，没必要用贵12倍的模型做。
3. 把贵模型留给真正需要判断力的地方。
    想产品、定架构、做权衡——这些花得值。剩下的，能下放就下放。

一个必须说的前提

上面这754美元，是按官方API价格算的等价金额。但有个坑要先说清楚：如果用的是月费订阅套餐，实际从卡里扣的是固定月费，不是754美元。这个数字代表的是“按量计费的话这些Token值多少钱”，不是真从账户划走了七百多。

我也没法100%确认GPT-5那几个小版本的精确单价，Codex这16块是按GPT-5档位估的，可能有上下浮动。但Token数量是从原始日志里一条条数出来的，那个准。

所以别拿这754去吓自己。它更像一面镜子——照出**“长会话+顶配模型+海量重读”**这套组合，到底有多烧。

至于值不值。一份躺着的Word文档，12.5小时变成能上线的App，全程没碰键盘。这账怎么算，可能每个人心里的数都不一样。