本书围绕Codex深度参与真实软件工程的完整路径展开，系统阐述了在AI编程工具快速爆发的背景下，*在实际使用中面临的诸多痛点及其解决方案。全书按照“认知迁移→Harness工程→场景实战→团队落地”的逻辑组织内容。*阶段夯实认知基础（第1章和第2章），阐明Codex作为交付工具的定位以及?AI编程的边界；*阶段构建个人工作流（第3章～第8章），涵盖任务执行流程、任务入口选择、工作流沉淀等核心环节；第三阶段聚焦工程场景实战（第9章～第12章），深入剖析接手陌生代码库、修复bug、跨前后端功能开发、PR与CI/CD自动化等；第四阶段探索团队落地（第13章和第14章），探讨团队级研发流程及Codex的边界、风险与工程方法论。

本书主要面向软件*、技术负责人、AI编程探索者及非传统开发岗位从业者等，也适合高校相关专业学生以及希望理解AI编程趋势的技术从业者阅读。

袁从德，十余年互联网技术研发与团队管理经验。曾任职腾讯、阿里巴巴，主导腾讯游戏广告算法、*售通推荐系统、增长智能建模等核心项目。在广告出价、排序模型预估、大模型应用等领域取得多项突破，成果发表于CIKM等顶会，拥有发明专利5项。极客时间专栏作者，著有多部技术图书。

吴军，中国科学院机器学习专业博士，十余年AI算法研发与团队管理经验。曾任同花顺算法总监、蚂蚁集团*算法*。主导大模型、推荐系统、智能投顾、金融营销增长等核心项目，在生成式推荐、智能金融助理等方向取得多项业务成果。拥有发明专利23项、软件*权5项。

陈文浩，某国有控股金融科技公司*架构师，上海市“黄浦智慧工匠”，连续创业者。拥有十余年金融科技领域技术研发与架构设计经验，主导多个大型金融系统的架构设计与实施。精通分布式系统、微服务、云原生、AI大模型应用。翻译出版了《Python函数式编程（第2版）》。

第 1章 Codex是聊天机器人，更是交付工具 1

1.1　AI编程工具的三次演进：从代码补全到智能体 1

1.2　为什么Codex是软件工程交付工具 4

1.3　从“会写代码”到“能交付任务”：心智模型的转变 8

1.4　规则优先于“更聪明”：工程视角下的 Codex 使用哲学 13

本章小结 16

第 2章 AI编程的*小原理——知道边界在哪里 18

2.1 大语言模型为什么能处理代码 18

2.2 Codex完成任务时依赖什么 20

2.3 第 一条边界：信息*不完整 23

2.4 *条边界：Codex会犯三类工程错误 26

2.5 从边界意识到协作方法 28

本章小结 29

第3章 第 一次任务：跑通一条闭环 30

3.1　安装与登录：先把入口跑通 30

3.2　任务入口选择：本地执行，还是交给云端做 32

3.3　一次完整任务的执行流程 32

3.4　模型选择 41

3.5　*边界：哪些任务不应交给Codex 42

3.6　可复用的工作流 44

本章小结 45

第4章 Codex的任务地图 47

4.1 IDE、CLI、App、Web 各自做什么 47

4.2 Free、Plus、Pro、Business、Enterprise版本各自适合哪类用户 52

4.3 手机入口：移动值守与生态桥接层 54

4.4 哪些任务适合放在本地，哪些任务适合放在云端 56

4.5 Review、Automation、Worktree 的角色 60

4.6 任务地图的边界：不是所有的任务*适合直接委派 63

本章小结 64

第5章 第 一个可复用工作流：在emotional_chat项目中稳定复用 66

5.1 进入emotional_chat项目前的*小确认 66

5.2 让仓库支撑Agent：readiness、脚本与局部验证 70

5.3 走完整条链路：一次*小变更的闭环 73

5.4 个人个人闭环到团队资产：复用、成本与模型选择 78

本章小结 83

第6章 AGENTS.md：给Agent的项目说明书  84

6.1 项目地图、关键入口与禁区 84

6.2 根目录与子目录分层 87

6.3 团队规则与个人偏好 90

6.4 角色分工、交接协议与值班边界 92

6.5 三类模板：新项目 / 遗留项目 / 团队项目 95

本章小结 100

第7章 Rules、Hooks 与 Approvals：先约束，再放权 102

7.1 为什么实现智能之前要先控制 102

7.2 自动格式化、测试、审计、阻断 106

7.3 审批点怎么设计 110

7.4 高风险仓库的护栏模板 114

本章小结 118

第8章 Skill、Subagent 与 MCP：用Harness把能力和上下文装进系统 119

8.1 从剧本到Harness：什么时候值得能力化 119

8.2 Subagent 如何拆分复杂任务 122

8.3 MCP：先问是否值得接，再问怎么接 125

8.4 Skill、Subagent和MCP相互协同，而不是堆叠复杂度 127

本章小结 130

第9章 场景一：接手陌生代码库 131

9.1 Subagent：从串行阅读到全局俯瞰 131

9.2　AGENTS.md：给 AI 定规矩 135

9.3　先理解，再修改 140

9.4　产出审查友好的*小变更 141

9.5　遗留项目的Harness工程 142

本章小结 145

第 10章 场景二：修复bug、补测试、做回归 146

10.1　复现问题：从错误日志到结构化的bug报告 146

10.2　约束修改范围：防止“顺手”重构 148

10.3　AI 生成测试：从表面达标到真正可靠 149

10.4　验证闭环：复现→修复→回归 155

本章小结 158

第 11章 场景三：跨前后端功能开发 159

11.1　需求的结构化拆解：从模糊到* 159

11.2　API契约的演进：从手动同步到自动生成 161

11.3　数据库迁移：风险*的一步 164

11.4　渐进式交付：从写完*发布到灰度发布 167

11.5　*率：信息对齐是核心 170

本章小结 171

第 12章 场景四：PR、Review与CI/CD自动化 172

12.1　非交互模式：无人值守的前提条件 172

12.2　CI 自修复：从构建失败到自动提交PR 173

12.3　AI辅助代码审查 176

12.4　*越代码审查：*扫描与 GitOps的演进 178

12.5　自动化的边界：风险分级与信任建立 181

本章小结 182

第 13章 从个人开发助手到团队级研发流程 184

13.1 什么时候值得推行团队化 184

13.2 共享规则、权限与能力包 187

13.3 Worktrees、云端任务与异步协作 190

13.4 小团队试点落地的合理顺序 194

本章小结 196

第 14章 Codex的边界、风险与工程方法论 197

14.1 幻觉、越界与错误归因 197

14.2 版权、隐私与*边界 200

14.3 让Agent 做高噪声工作，让人做关键判断 202

14.4 从一次成功到长期可复用的工作流 204

14.5 配套仓库、模板与在线更新机制 206

本章小结 208