https://codexer.com/tags/prompt-%E5%B7%A5%E7%A8%8B/Recent content in Prompt 工程 on CodexerHugozh-cnFri, 19 Jun 2026 09:00:00 +0800https://codexer.com/posts/2026-06-19-codex-claude-code-agent-optimization/Fri, 19 Jun 2026 09:00:00 +0800https://codexer.com/posts/2026-06-19-codex-claude-code-agent-optimization/<p>想象这样一个实验：你给两个 AI 编程助手各自分配一个容器，里面塞进一个 AI 智能体应用、一百条运行日志、一个评分指标，然后告诉它们一件事：「把这个智能体的表现优化到最好」。没有详细的步骤说明，没有专门的评测工具，也没有 prompt 优化框架的 API。就是一个裸容器、一份数据、一个目标。</p> <p>它们会怎么做？</p> <p>Andrew Jesson 做了这件事。他把 Claude Code 和 Codex 分别放进相同的容器环境，让它们各自优化五个不同类型的 AI 智能体应用。结果很有意思：两个助手都交出了超越基线的方案。但他更关注的不是结果本身，而是它们<strong>在过程中展现出的工程行为</strong>。</p> <h2 id="五个应用一个任务">五个应用，一个任务</h2> <p>实验覆盖了五类智能体应用：</p> <table> <thead> <tr> <th>应用领域</th> <th>任务描述</th> <th>评分方式</th> </tr> </thead> <tbody> <tr> <td>软件工程</td> <td>在 Linux 环境中完成长周期编程任务</td> <td>验证器评分（0–1）</td> </tr> <tr> <td>商业管理</td> <td>多轮 CEO 智能体驱动商业模拟</td> <td>按时完成的任务数</td> </tr> <tr> <td>NER 命名实体识别</td> <td>从句子中提取人名、组织、地点等实体</td> <td>实体集完全匹配</td> </tr> <tr> <td>NDA 合同解析</td> <td>从 OCR 文本中提取生效日期、管辖地、签约方等</td> <td>F1 分数</td> </tr> <tr> <td>科学研究</td> <td>从沙箱数据和遮蔽的 PDF 复现天体物理论文</td> <td>与论文值的二进制匹配</td> </tr> </tbody> </table> <p>每个应用先用 <code>gpt-5.4-mini</code> 运行基线（最多 100 个任务），产出推理日志和评分反馈。然后优化智能体（Claude Code 用 <code>claude-sonnet-4-6</code>，Codex 用 <code>gpt-5.4</code>）被放进容器，拿到这些数据和一份简短的 skill 文件。</p> <p>这份 skill 文件说了什么？四句话：<strong>浏览数据 → 添加 prompt 变体 → 测试 → 迭代</strong>。仅此而已。</p>