我不知道是我的使用方式出了问题还是GPT模型能力不足的问题。用的一直是GPT-5.5,推理强度xhigh 
我最近拿到的任务是把一个安卓APP移植到鸿蒙上。手上有安卓项目的完整源码，不过当时的需求文档已经没了，只能通过代码和现有APP的行为去反推。 
我最开始的工作方式是在AGENTS.md里给出安卓项目的路径让Codex参考，同时写好编译、安装到模拟器的脚本，在AGENTS.md里要求Codex每次写完后必须编译、测试一遍。 
这时，我每次对话开始是直接要求它“实现原APP的XX功能/XX页面”，然后看着Codex开始干活，自己进行测试。但是每次都会发现它的实现丢三落四，UI样式、排版也经常和原APP有很大差别。还喜欢用一些Emoji去代替原APP里的图标素材。 
后来，在ChatGPT的建议下，我做了一个编排技能，它会依次启动几个子Agent。 
首先是考古Agent，它会探索安卓AP...