Daily Productive Sharing 1348 - AI Workflows of Every
One helpful tip per day:)
Every.to 最近分享了他们内部是如何使用 AI 工具进行开发的，每个人都有自己的偏好：
- Claude Code 是一位“友善型开发者”，擅长拆解问题并解释推理过程；Codex 则是“技术型开发者”，更字面、更精确，常常一次命中正确方案。
- 通过 Figma MCP 集成，Claude 可以直接接入 Figma 文件，读取设计系统中的颜色、间距、组件，并将其转化为可运行代码。
- 他每次提交代码后，会在一份“学习记录”中写下两行心得并存入云端，几天后形成可回溯的近期记忆，用于再次喂给 AI 工具。
- 他把一天分为一个大任务和若干小任务，刻意避免被 AI 建议带偏。
- 他使用自制的 AgentWatch，当某个 Claude Code 会话完成时会提醒他，从而能同时运行多个会话而不失控。
- 上午专注执行，只用 Codex 和 Claude Code，不引入新工具，以确保交付不断。
- 下午进行探索，尝试新的代理、应用和功能。
- 他按功能规模分三层级规划编程方案：
- 小功能：简单到可一次完成
- 中等功能：跨几个文件并需评审（通常由 Kieran 负责）
- 大功能：复杂构建，需要手工输入、深入调研和大量迭代
- Claude Code 是首选，因为它更可控、更自主；但对传统或“更极客”的功能，他会使用 Codex 或 Amp。
- 完成后，他运行命令让 Claude 审查代码，同时结合 Cursor 和 Charlie 等其他工具。
- 约 70% 的工作依赖 GPT-5 Codex 构建大型功能，然后用 Anthropic 模型细化完善。
- Danny 与 GPT-5 Codex 交流，以具体化实现方案，探讨二阶、三阶影响，并将洞见转化为项目里程碑。
- 他多数时间只用笔电或单屏幕；只有在实现视觉设计时，才开双屏并排展示 Figma 与代码。
- “如果不在 Linear 里，就等于不存在，”他常说。每个任务都带回溯链接，可追踪是谁提出及原因。
- 对于小 bug 或快速改进，他在 Linear 任务中添加上下文后复制到 Codex Cloud 启动代理任务。
- 对于大型功能，他会切换到 Codex CLI，在本地写 plan.md，作为项目蓝图与规范，边执行边与代理迭代。
- 他先运行 Codex 的 /review 命令扫描潜在问题，再手动对比前后版本验证变更。
- Codex 一直擅长非视觉逻辑，而 GPT-5-Codex 的到来让它在 UI 方面也同样出色。
- Nityesh Agarwal 喜欢保持紧凑、专注、干净；他的整个代理栈都运行在一台 MacBook Air M1 上。
- 在写代码前，他花数小时研究代码库并用 Claude 帮助绘制详细方案。
- 最近他缩短了 Claude 的“缰绳”，常中途打断让它解释过程，这虽减慢速度，却让 Claude 减少幻觉并提升他自己的开发思考力。
如果你喜欢的话，不妨直接订阅这份电子报 ⬇️
