一次bug修复的感悟

一、事件过程：用三种大模型工具的修复程序bug尝试

今天修复某个bug时，我先后用了三款AI工具帮忙：Claude配国内模型、Qclaw配DeepSeek模型，Codex配gpt5.5模型。前两款工具虽然投入了不少时间，消耗了大量的使用额度（token），但最终都没能解决问题，修复以失败告终。而Codex却成功搞定了这个bug，成为这次修复任务的“救星”，前后对比之下差异十分明显。

二、核心差异：Codex的高效修复逻辑

仔细研究后整个过程发现，Codex的成功关键在于它清晰的分析思路——像“从大到小”的排查模式，先搭建整体框架，再逐步缩小范围锁定问题核心。整个过程中，它的几个关键的词特别有说服力：先做到“最小复现已经咬住了”，精准还原问题场景；接着“关键线索出来了”，抓住核心突破口；最后“找到了两层问题”，层层拆解根源。锁定问题靶点后，它不会偏离方向、四处跳转，而是集中精力深入解决，效率自然更高。而前两款工具缺乏这样有条理的逻辑，看似忙碌却始终没找对核心方向。

三、关键启示：方向比努力更重要

这次经历让人深刻体会到“方向比努力更重要”的道理。前两款工具并非没有付出“努力”，它们消耗了大量时间和token，却因为没找对排查方向，始终在问题外围打转；而Codex凭借从大到小、聚焦核心的正确思路，高效锁定并解决了问题。这也说明，AI工具的能力是需要框架与模型做细致深入的配合，从方向入手是解决问题的关键。