KeyFrame內部研究專用

I Made Codex and Claude Code Build the Same App. One Clearly Won.

Nate Herk21 min英文
觀看原始影片

三句話摘要

比較 Claude Code 和 Codex 在同一提示下建立 Typeform 替代品的表現差異及特性。 同一提示下兩工具呈現迥異的結果——Claude Code 適合高層次目標驅動,Codex 適合具體步驟指導,關鍵是要對號入座。 代理調用規模與工作風格截然不同——Claude Code 動員 35 個子代理、2800 次工具調用達成目標;Codex 出動 126 個子代理、32500 次工具調用,代表不同的效率與決策取向。

重點整理

  1. 代理調用規模與工作風格截然不同——Claude Code 動員 35 個子代理、2800 次工具調用達成目標;Codex 出動 126 個子代理、32500 次工具調用,代表不同的效率與決策取向。

  2. 功能堆砌未必帶來好體驗——Codex 實裝 135 項功能(矩陣題型、檔案上傳、多工作區等)導致介面複雜,使用者進入即感困惑;Claude Code 聚焦核心功能,用戶能迅速上手,反映「做少做好優於做多做亂」的設計智慧。

  3. 測試規模反映不同的建構策略——Codex 執行 2300 單元測試、391 瀏覽器測試,涵蓋多裝置;Claude Code 執行 296 單元測試、102 瀏覽器測試,卻因更好的初期架構決策減少了測試負擔。

  4. 提示風格適配至關重要——Claude Code 擅長理解高層次目標(「建立生產級應用」),自行判斷優先級與範圍;Codex 需要具體的步驟指導才發揮最佳效果,違反風格會導致低效與浪費。

實用技巧與重點

  • 成本與時間
  • Claude Code:$832(或 $447 根據另一統計)、5.5 小時
  • Codex:~$3000、61 小時(2.5 天)
  • Claude Code 快 11 倍、便宜 6.6 倍
  • 令牌與資源使用
  • Claude Code:200 萬輸出令牌
  • Codex:1150 萬輸出令牌
  • Claude Code:35 子代理、2800 工具調用
  • Codex:126 子代理、32500 工具調用
  • 測試覆蓋
  • Claude Code:296 單元測試、199 測試案例、102 瀏覽器測試
  • Codex:2300 單元測試、341 測試案例、391 瀏覽器測試
  • 效率評分
  • Claude Code:9.8/10
  • Codex:5.5/10
  • 功能差異
  • Claude Code 版本(ForMore):135 項功能,涵蓋多工作區、邏輯分支、佈景客製
  • Codex 版本(RealForm):堆砌 135 項功能,包括矩陣題型、檔案上傳、webhook、條件路由
  • 發現的 bug:影像預覽不可用、配色選項無反應、導航回退不便、頁碼顯示錯誤

結論

同一提示下兩工具呈現迥異的結果——Claude Code 適合高層次目標驅動,Codex 適合具體步驟指導,關鍵是要對號入座。

完整解析

講者進行實驗,用相同的 /goal 提示同時要求 Claude Code 和 Codex 建立一個生產級的 Typeform 克隆。提示要求系統協調專門代理完成研究、建構、驗證三個階段,強調需要真正完整的產品,而非原型。有趣的是,Claude Code 一開始用 Fable 5,但因安全檢查自動切換到 Opus 4.8 作為主編排器,並分派 Fable 5 代理執行工作。

Claude Code 版本(ForMore)用時 5.5 小時、成本約 $832 完成。這版本設計簡樸但功能清晰,從初次進入就能感受到簡潔的架構。表單建立流程直觀,用戶勾選「開始建構」後即進入簡潔的編輯介面,問題選項一次一題呈現或堆疊顯示,可輕易添加邏輯分支、調整佈景主題。講者測試時能迅速理解操作方式,發佈表單也順暢無阻,最後能正常蒐集回應並查看統計。

Codex 版本(RealForm)耗時 61 小時、成本近 $3000。視覺設計更精美,但問題隨之而生:功能數量龐大導致介面複雜度爆表。頁面上充斥著大量變數、選項面板,使用者進入表單編輯頁面會立刻感到不知所措。講者嘗試操作時頻繁遇到困境:不知如何刪除元素、配色按鈕無法改變顏色、點擊設計按鈕後無法輕易回到主畫面。問題編號的遞增邏輯也存在 bug(都顯示為「問題一」)。儘管 Codex 執行了龐大的測試套件(2300 單元測試、391 瀏覽器測試涵蓋多裝置),但許多邊界情況仍未被涵蓋,這說明代理測試的盲點:未必能想到用戶會做什麼。

從架構評比看,兩者在不同維度各有優劣。Claude Code 在「產品判斷與範圍」得分高,因為它克制地選擇了關鍵差異點,避免功能蔓延;Codex 在「架構與執行」得分高,因為後端基礎設施更成熟,具備不可變修訂、離線恢復、遷移安全等特性。Codex 在測試與可靠性全面領先,但這些優勢被低效率抵消。講者認為,Claude Code 可能一開始就做出了更好的架構決策,所以後續測試需求更少。

這次實驗揭示了一個核心洞察:同樣提示給不同工具,取決於提示風格的適配度。Claude Code 天生擅長理解高層次目標,自行判斷優先級、做出取捨,所以給它「一句話目標」最有效。Codex 則傾向於盡力執行,需要更明確的步驟指導才不會過度設計。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。