在我应用TRAEDeepSeek V4 pro以下简称TD组合开发了多个应用50万代码的开发之后。我决定尝试一下CodexChatGPT 5.6 sol的组合以下简称CC。我提的开发需求如下1 对英文文件进行朗读忽略其他语言2 支持txt,word,pdf文件3 文件大小不超过20M4系统可以运行在macOS, iOS,Widows,安卓上5 可以暂停重新开始设置循环朗读的时长可以选择朗读的速度。6 开发过程严格遵循MASE过程框架。我传递给Codex的是需求规格、测试用例、界面原型三份文档作为AI的设计输入这三份文档是我之前开发的[AI需求分析师]进行人机对话澄清需求后形成的。以下是我的直观对比感受1 CC组合自动识别了需求规格、测试用例、界面原型三份文档中的不一致找人类进行了确认。他发现的不一致本该是[AI需求分析师]与我发现的问题是我偷懒了也提醒了我后续需要在[AI需求分析师]中增加的一个文档一致性质检环节。2 对需求中描述不清晰的细节进行了澄清虽然在[AI需求分析师]中澄清了需求但是仍然被CC组合发现了3处需要澄清之处。3 CC组合能够严格按照定义的MASE过程框架执行而不像TD组合需要我进行多次强调提醒要遵守工程纪律CC组合的纪律性更强记忆力更好。4 在安排计划时CC组合对多操作系统的支持主动提出先做一种平台做MVP再后续做其他平台的支持。5 任务拆分时严格执行了MASE过程框架的阶段划分、职责划分任务拆分的更细致一步一回头开发与测试结对执行保证了质量。6 在分配任务时能并行的都并行执行了。7 对性能测试主动补充了用例与场景。8 增量计划每个增量可以人为介入测试。9 在发生变更时会进行完备的变更影响分析该修改的地方都能自动改掉不要人来操心。10 程序的健壮性提升了各种异常都得到了处理。MacOs平台的版本开发完成后有效代码行3500行测试代码有效行数为5400行一遍跑通人工测试没有找到bug。随后又扩展到安卓平台手机上测试也是一遍过。总体评价1 CC组合感觉更了解LLM的弱点能弥补的都弥补了。2 CC组合更了解需求场景。你没想到的他都想到了。你能想到的他也想到了。能够很好的对人类进行查漏补缺。两个字评价省心一个字评价爽
