获课：shanxueit.com/14193/

Codex AI工程交付行动营：小白也能学会的Codex实战课

AI编程工具的学习路径正在分叉。一类课程教你“怎么用Codex写代码”，另一类课程教你“怎么用Codex交付项目”。前者解决的是工具使用问题，后者解决的是工程交付问题。对于真正想把AI编程落到实际工作中的人来说，后者才是刚需。

《Codex AI工程交付行动营》的定位，正是从“会写代码”到“能交付项目”的工程化跨越。它不满足于教你调通API、生成一个能跑的脚本，而是试图回答一个更实际的问题：当AI能写代码之后，工程师真正该做的是什么。

核心方法论：Codex加FDE双驱动

整门课的方法论框架是双线并行的。Codex这条线负责“怎么用AI写代码、实现自动化”——把Codex CLI、IDE、App、SDK、Hooks、Subagents、AGENTS.md全套用熟，让工程化武器变成基本功。FDE这条线负责“怎么把AI项目推到生产环境”——需求怎么拆、Spec怎么写、验证怎么留、反馈怎么收。

两条线合起来，让一个Demo长成一套能上线的工程项目。这个设计的关键在于连续性和生长性：每一周都在同一个系统上生长，而不是做几个独立项目。

四周演进路线：从最小原型到自动化工作台

第一周聚焦Spec驱动交付。从对话式写代码转向规范驱动，把一句模糊的需求拆成边界明确、可以执行、最终又能验收的任务。具体动作包括把仓库规则写进AGENTS.md，把模糊需求变成可验收Spec，委托Codex执行一次最小变更。

第二周建立质量门禁。问题变成“AI做出来的东西到底怎么判断质量”。不能每次都靠人肉看代码、跑一下程序，然后凭感觉说“好像可以”。要让结果能够重复验证，出了问题也能知道问题在哪里。具体方法是用Harness汇总证据和等级，用Codex Hooks建立本地护栏，把同一套Eval接入CI。

第三周进入多Agent协作。这是很多团队真正头疼的地方：多个Agent到底怎么协作？谁负责拆任务？谁负责执行？谁负责检查？什么时候需要人工介入？如果这些事情没有被设计清楚，Agent越多，系统反而越容易失控。这里会涉及Loop、Graph以及人工审批等机制，让整个过程保持在可控范围内。

第四周从代码仓库到可运行产品。把API、Web、反馈机制连接起来，让这套东西不再只是完成一次任务，而是能够持续运行、持续获得反馈、持续迭代。最后借助已经实现的自动化工作台，完成一个真实可用的电商ERP，从启动到经营闭环，亲手验证工作台的实现效果。

适合谁，不适合谁

从课程设计来看，它适合三类人。第一类是后端或全栈开发，已经能熟练使用传统编程工具，但对AI Agent的工程化用法还停留在“偶尔问一句”的阶段。第二类是测试和运维方向的工程师，需要把Codex用到接口测试脚本、自动化巡检、文档补齐这些环节。第三类是产品和技术负责人，不亲手敲代码，但要判断AI工程交付的边界和ROI。

课程标题中“小白也能学会”的定位需要理性看待。零基础的人可以跟着课程走完流程，但如果没有编程基础，在判断AI生成代码是否正确、在调试报错、在设计系统架构这些环节会遇到瓶颈。课程解决的是“工程化使用Codex”的问题，不解决“从零学编程”的问题。

小结

《Codex AI工程交付行动营》的核心价值不在于教一个工具，而在于建立一套可迁移的工程框架。从Spec驱动到质量门禁，从多Agent协作到持续交付，每一个环节都在回答同一个问题：当AI能写代码之后，工程师真正该做的是什么。代码本身正在变得越来越便宜，真正贵的东西开始变成了怎么定义问题、怎么判断结果、怎么控制过程，以及怎么对最终交付负责。