# Claude Code 和 Codex 最佳实践：两篇官方文档的共同点

> 对比 Claude Code 与 OpenAI Codex 的官方最佳实践，提炼共同建议：先规划再写代码、说清「做完长什么样」、用项目级配置和技能复用、管好上下文。文末提醒多翻官方文档。

- 发布于: 2026-03-14
- 原文: https://shanyue.tech/wechat/ai-coding-agent-best-practices-summary/
- 标签: AI 编程, 最佳实践, Claude, Codex, 官方文档

---

最近 Claude Code 和 OpenAI Codex 都发了一篇关于最佳实践的博客。我把博客地址附入评论区。

两边都强调：复杂任务别一上来就写代码，先想清楚再动手，或者让 Agent 逐步询问，将模糊需求具体化，并使用 Plan。

再就是「做完长什么样」要讲清楚。两边都建议在 prompt 里写清目标、上下文、约束，以及「怎样算完成」——比如跑通测试、截图对比、通过 lint。你给了验证方式，agent 才能自检，不然改完你心里也没底。

项目级配置两边都有：Claude 的 CLAUDE.md、Codex 的 AGENTS.md，都是「给 agent 看的项目说明」，写清楚怎么跑、怎么测、什么别做。如果一个错误犯了两次，那就需要将其更新在 agents.md 中，避免再犯。

Skills 和 MCP 两边也都在推荐。重复的流程打成 skill，外部系统用 MCP 接入，这样不用每次在对话里复读一大段。还有会话管理：一个 thread 盯一件事、上下文脏了就清一清或压一压 （/compact），别一个会话塞进一堆不相关的需求。

1 复杂任务先规划再写代码，避免解决错问题。

2 在 prompt 里写清「怎样算完成」，用测试或检查清单让 agent 能自检。

3 用项目级配置（CLAUDE.md / AGENTS.md）写清规范，保持简短。

4 重复流程做成 skill，外部依赖用 MCP，一个会话只做一类事。

最后想说一句：这类最佳实践，官方博客更新得最勤、也最成体系。有空多翻翻它们的官方博客，比刷零散文章划算。

#全栈成长之路