Claude Code 和 GPT-5-Codex：人工智能工程的新实践 --知识铺

2025 年，随着 OpenAI 的 GPT-5-Codex 和 Anthropic 的 Claude Code 的出现，AI 正在从单纯的辅助工具发展成为理解和执行开发过程的合作伙伴。

这些模型不仅可以生成代码，还可以一致地设计、审查、测试和优化。

AI工程的新时代，不能再只是“AI写代码”。在本文中，我们将总结GPT-5-Codex和Claude Code这两个代表性模型的特点及其在实践中的应用。

最近，我们收到咨询说：“我想将生成式人工智能用于无法向公司外部发布的数据。公司内部似乎禁止使用 ChatGPT。您是否知道关注安全性和成本的公司有一种机制，允许他们在当地环境中运营？
您还可以使用 OpenAI 的开放 AI 模型“gpt-oss”。

GPT-5-Codex：思维AI带来的“设计与实现的融合”

GPT-5-Codex 是 OpenAI 提供的思维工程模型。除了传统 Codex 擅长的语法生成之外，GPT-5 还可以通过“思维标记”实现长期上下文保留和理解复杂的设计意图。

这种演变允许跨多个文件进行自动翻新和依赖项重新设计，而不是为单个文件生成代码。例如，当被要求更改 API 设计或重构数据库结构时，我们现在可以识别所有相关区域并提出更正建议，同时保持一致性。

此外，在名为 SWE-bench Verify 的行业标准评估指标中，GPT-5-Codex 的表现明显优于以前的 AI 模型。这意味着AI开始在实践中展示人类层面的错误修复能力。

在实际企业使用中，除了代码审查和自动测试用例生成外，直接集成到 CI/CD 管道中也正在兴起。 GPT-5-Codex 已经发展成为一种作为工程团队的一部分工作的人工智能，而不仅仅是一个“生成式人工智能”。

另一方面，Claude Code 是一款专注于安全性和透明度的开发辅助 AI，基于 Anthropic 开发的“宪法 AI”概念。它基于 Claude 4.1 模型，其主要特点是可以读取自然语言的规范，并鸟瞰整个长存储库。

上下文窗口超过 200K 代币，让您一次了解团队开发处理的大型项目。由于规范、测试代码、设计文档和实现可以作为一个整体进行分析，因此可以在保持整个开发的一致性的同时提出建议。

Claude Code 还旨在解释为什么代码在响应用户请求时是安全的。例如，它强调可解释性，例如为包含安全风险的函数提供替代方案和基本原理，这是其他模型所不具备的优势。

因此，Claude Code 在团队发展、教育和审查方面受到特别高度评价，使其成为与采用人工智能的公司“降低风险方法”非常契合的模型。

两者的共同点是“AI写代码”，但各自的专业领域和想法却大不相同。下表总结了差异。

您可以滚动

在实践中，在角色划分方面，最好将这两者分开使用。例如，使用 GPT-5-Codex 从初始设计中一次性生成基础代码，然后使用 Claude Code 验证安全检查和规范完整性等“协作开发工作流程”已经开始在公司中引入。

通过了解人工智能的专业领域并将其与人工审查相结合，可以将传统开发过程安全地运行 2-3 倍。

为了在开发领域建立AI，运营设计和文化形成比工具选择更重要。特别是以下三个是关键。

彻底的数据治理在将内部代码加载
到AI中时，需要明确每个存储库级别的访问权限，并严格管理学习历史记录。 API链接的人工智能需要对通信日志进行加密，并且使用范围有限。
设计权限和责任明确定义委托
给人工智能的范围是预防事故的第一步。将职责分为“生成”、“审查”和“执行”三层，并建立确保人工智能编写的代码得到人类批准的机制。
持续学习和评估周期分析
生成的日志，积累改进反馈，再培训——一旦建立这个周期，人工智能性能就会针对公司独特的开发文化进行优化。定期的准确性评估和安全审查也很重要。

通过这样做，人工智能充当工程师，从组织的知识资产中学习，而不仅仅是一个“有用的工具”。

GPT-5-Codex 和 Claude Code 是 AI 从“免提”转变为“与人一起思考”的标志性模型。 AI 编写代码、审查代码并提出改进建议，因此，开发团队的工作从“实施”转向“设计和决策”。

未来，工程将是一个“如何与人工智能合作”的问题，而不是“使用哪种人工智能”的问题。 Claude Code 和 GPT-5-Codex 的共存将为 AI 驱动的生产力提高树立新标准，同时保持以人为本的开发文化。