用强化学习的眼光，看我这套「Claude + GPT + Codex」写代码流水线
这段时间我基本把日常 coding 全部丢给了 Claude + Codex，一开始只是想偷懒，结果越用越觉得： 
只用一类模型，很快就会撞到一个“认知天花板”，不管你再怎么角色扮演、多 agent、搞 debate，本质上还是同一个脑子在自言自语。 
后来我干脆换个视角，把整个流程当成强化学习（Reinforcement Learning，下面简称 RL）里的 Actor–Critic 系统去想，很多东西一下子就顺了。下面这篇算是我这段时间折腾下来的一个方法论总结，完全是自己的体会，没有学术味道。 

1. 我现在是怎么安排这几个模型的？
先把配置摊开说： 


Claude（Opus / Sonnet）： 


负责做计划、想方案、写代码、修小 bug、做一次内部 code review。 


你可以...