上个月，Spotify 联合 CEO Gustav Söderström 在财报电话会上说了一句话，整个硅谷都在转发：
“我们的高级工程师自去年 12 月以来，没写过一行代码。”
不是在休假。不是在偷懒。是因为 AI 在写。工程师们的日常变成了：描述需求、审查 AI 的输出、定义架构约束、做产品决策。
同一周，Anthropic 透露他们 70-90% 的代码由 AI 生成。OpenAI 内部工程师每天早上检查 Codex 一夜间完成的工作，审查 PR，合并代码。
这不是个别公司的实验。这是 2026 年的行业现实。
写代码——这个定义了”程序员”这个职业半个世纪的核心动作——正在从日常工作中消失。
取而代之的是什么？当”自然语言”真的成了编程语言，软件公司会变成什么样？程序员会变成什么人？
2026 年 2 月，一句话在开发者社区炸开了锅。
你打开 Twitter，一条推文说”Claude Code 是最强编程工具”。往下滑两条，另一个人说”Codex 才是王者”。再滑两条，有人喊”Gemini 3.1 Pro 性价比碾压一切”。
你困惑了。到底谁说的对？
答案是——都对，也都不对。
2026 年 3 月的 AI 编程工具市场，和一年前完全不同了。六个模型的 SWE-bench 成绩挤在 0.8 个百分点之内。最便宜的和最贵的之间差了 25 倍价格。一个开源模型的跑分追上了 Claude Opus。
这不再是”谁最强”的问题，而是”谁最适合你”的问题。
今天这篇文章，我把 2026 年 3 月最新的基准测试数据、独立评测结果、开发者社区反馈整合在一起，做一次尽可能公正的全面横评。不吹不黑，只看数据和真实体验。
直接上数据。以下是 2026 年 3 月主流编程模型在四大基准测试上的成绩：
| 模型 | SWE-bench Verified | SWE-bench Pro | Terminal-Bench 2.0 | 价格（输入/输出 每百万 token） |
|---|---|---|---|---|
| Claude Opus 4.6 | 80.8% | ~46% | 65.4% | $5 / $25 |
| Gemini 3.1 Pro | 80.6% | 54.2% | 68.5% | $2 / $12 |
| MiniMax M2.5 | 80.2% | 51.3% | — | $0.30 / $1.20 |
| GPT-5.4 | ~80% | 57.7% | 75.1% | $2.50 / $15 |
| Claude Sonnet 4.6 | 79.6% | — | — | $3 / $15 |
| Kimi K2.5 | 76.8% | — | — | 免费（开源） |
你输入一句话：”帮我给用户列表加分页，每页 20 条，底部显示页码。”
3 分钟后，Codex 交出了代码。分页逻辑、页码组件、API 参数、边界处理——全部到位。
你又输入一句话：”重构这个支付模块，把回调地狱改成 async/await，同时保证和现有的错误处理逻辑兼容。”
10 分钟后，Codex 交出了代码。能跑。但你发现它把一个关键的错误重试逻辑给改没了。
同一个工具，为什么有时候像读心术，有时候又像在瞎猜？
要回答这个问题，我们需要搞清楚两件事：Codex 到底是怎么”理解”你的意图的？它的能力边界在哪里？
我花了两天时间，设计了 10 场不同难度的实测，从最简单的代码生成到最复杂的架构决策，逐一测试 Codex 的表现。结果很有意思——它的强项比你想的更强，但它的弱点也比你想的更明确。
在聊实测之前，先搞清楚 Codex 的底层机制。这不是黑盒——ByteByteGo 根据 OpenAI 工程团队公开的技术细节，做了一次完整的架构拆解。
早上 9 点，你打开电脑，泡上咖啡，打开 GitHub。
3 个 Pull Request 已经在等你审查了。代码干净，测试全绿，CI 通过，还附带了一段操作录屏视频解释改了什么。
不是同事加班做的。是你昨晚睡觉的时候，AI 自己从 Linear 上领了 3 个 ticket，自己写的。
这不是科幻。这是 OpenAI 在 2026 年 3 月开源的 Symphony 正在做的事情。
从 2021 年的 GitHub Copilot 到今天的 Symphony，AI 编程工具经历了 4 次根本性进化。每一次进化都把人类程序员从一层”苦力活”中解放出来。今天我们来完整回顾这条进化路线，然后深度拆解高手是怎么用这些工具搭建一条全自动开发流水线的。
代表产品： GitHub Copilot
2021 年 6 月，GitHub Copilot 公测。背后是 OpenAI 早期的 Codex 模型。
它做的事情很简单：你在编辑器里写代码，它猜你接下来要写什么，自动补全。就像手机键盘的预测输入，但预测的是代码。
你用 Codex 写了一个 CRUD 接口。能跑。测试通过。你提了 PR。
Code Review 的时候，同事指出了 5 个问题：没有错误处理、缺少参数校验、数据库查询没有分页、返回格式不统一、命名不规范。
你看了看同事的 PR——同样用 Codex 写的，同样的功能，但代码干净得像教科书。错误处理、边界检查、类型安全、日志记录，一样不少。
同样的工具，为什么差距这么大？
因为 Codex 生成什么质量的代码，取决于你怎么”指挥”它。大多数人把 Codex 当成一个”快速代码生成器”——能跑就行。但高手把它当成一个”结对编程伙伴”——不只是写代码，而是写好代码。
今天分享 6 个进阶技巧，帮你从”能跑”升级到”优雅”。
大部分人的 AGENTS.md 写完就再也没动过。这浪费了它最大的价值。
AGENTS.md 不应该是一个静态文件，而应该是一个持续更新的反馈循环。OpenAI 官方文档明确建议：
你装好了 Codex，兴冲冲地输入第一句话：”帮我做一个能赚钱的 App。”
Codex 回了你一大堆代码。你看不懂。跑不起来。然后你关掉窗口，得出结论：”这玩意儿不好用。”
这个场景，每天在无数人身上重演。
问题不在 Codex。问题在于——你不会调教它。
Codex 就像一个超级厉害的实习生。能力极强，但需要你把需求说清楚。你说”做个 App”，它不知道做什么 App、给谁用、解决什么问题。你说”给用户列表加分页，每页 20 条，底部显示页码，点击页码切换”，它 3 分钟就给你做好了。
差距不在工具，在用法。
今天这篇文章，我把从安装 Codex 到做出第一个能赚钱的产品的完整流程，拆成 5 个步骤，逐一讲透。不需要编程基础。只需要一个想法，和一点耐心。
Codex 有三种使用方式，对应三种人群：
上周五晚上，我做了一个实验。
打开 OpenAI Codex 桌面 App，输入一段话：”帮我做一个产品落地页，暗色系科技风，顶部导航栏，Hero 区域有标题、副标题和 CTA 按钮，下面是三栏功能介绍，底部有邮件订阅表单和页脚。”
然后我去泡了杯咖啡。
回来的时候，网页做好了。不是那种”能看但丑”的 AI 产物——是真的好看。渐变背景、毛玻璃卡片、hover 动效、响应式布局，手机上打开也没问题。
整个过程，6 分钟。我没写一行代码。
我把截图发到朋友圈。做前端的朋友回了一个字：”……”。做自媒体的朋友回了三个字：”教教我！”
这就是 2026 年的现实：同一个工具，程序员看到的是威胁，自媒体人看到的是自由。
很多人对 Codex 的印象还停留在”代码补全”。那是 2021 年的事了。
凌晨两点半，我盯着屏幕上那行绿色的提示——“Build Succeeded”。
那一刻我的手是抖的。不是因为咖啡喝多了，是因为我——一个连 Python 都没学完的产品经理——居然真的把一个能用的插件做出来了。
三天后，这个插件上架了。第一周，47 个人付费下载。收入不多，但那笔 $141 到账的时候，我对着支付通知截了三次图。
这是我人生中第一次靠”写代码”赚到钱。但严格来说，我一行代码都没写。
写代码的是 OpenAI Codex。我只是那个提需求的人。
今天我把这个过程完整记录下来——不是教程，更像是一个”非程序员用 AI 做产品”的实验报告。踩过的坑、花过的时间、最终怎么赚到钱的，全部坦诚分享。
先说清楚一件事：2026 年的 OpenAI Codex，和你印象里的那个”代码补全工具”完全不是一个东西。
2021 年那个 Codex，是 GitHub Copilot 背后的模型，帮你补全代码片段。2026 年的 Codex，是一个自主编程 Agent——你用自然语言描述你要什么，它自己规划、自己写代码、自己测试、自己修 Bug，最后给你一个能跑的项目。
你在 Claude Code 里输入”帮我写一个用户列表页面”，它给你生成了一堆代码。
用的是 Material 2。状态管理用了 mutableStateOf 而不是 StateFlow。ViewModel 里直接调了 API 没走 Repository。Modifier 顺序还是错的——先 padding 后 clickable，点击区域比你预期的小了一圈。
不是 Claude 笨。是它不知道你的项目用 Material 3，不知道你的架构是 Clean Architecture + MVVM，不知道你们团队的 Compose 编码规范。
每次都手动告诉它一遍？累。而且下次它照样忘。
这就是 Skills 要解决的问题。把你的 Android 项目规范、架构约定、编码偏好写进 SKILL.md，Claude 每次都会自动加载。从此，它生成的代码就像团队里的老成员写的——符合规范、遵循架构、不用你改。
截至 2026 年 3 月，社区已经涌现出大量 Android 专用的 Claude Code Skills。今天我们挑 7 个最实用的，逐一拆解。
Android 开发有三个痛点，让”裸用” Claude Code 的体验大打折扣：
第一，技术栈更新太快。 Jetpack Compose 从 1.0 到现在的 Material 3 Adaptive，Navigation 从传统方案到 Navigation3，Gradle 从 Groovy 到 Kotlin DSL + Version Catalog……Claude 的训练数据可能只覆盖到 2025 年中。你不告诉它，它可能还在用 Accompanist 的 System UI Controller（已经废弃了）。
