Vibe Coding 16 小时,Fable 5 + GPT-5.6 Sol 协同开发流:Claude 出方案、GPT 纠错、Codex 目标模式执行到天亮

数字生命卡兹克 7 月 15 日早上 8 点发了一篇长文:平均每天 Vibe Coding 16 小时,这是 Fable 5 + GPT-5.6 Sol 时代他觉得最好用的 AI 开发流程。

这篇文章我没在第一时间打开,因为标题第一眼感觉像「博主自述 + 工具罗列」。但读完一遍后,我意识到这是 2026 H2 中国 AI 圈一线重度用户的真实工作流快照——而且它把过去两周的所有工具信号(Fable 5 回归、GPT-5.6 Sol 上线、Codex 目标模式、Tibo 重置)串成了一条完整的执行链。

我尽量还原这个工作流,并说清楚为什么它值得记一笔。

事件内容

作者背景:数字生命卡兹克,AI 圈头部博主,AIHOT(aihot.virxact.com)创始人,AIHOT 月活用户最近突破 50 万。

作者状态自述:最近两周,因为 Claude Fable 5 回归、GPT-5.6 上线 + Tibo「疯狂重置」,他每天 Vibe Coding 时间达到惊人的 16 小时。每天 Coding 到早上 6-7 点,睡到中午 12 点,路上用 UU 远程 + Codex 继续 Coding。「我几乎不会让 AI 闲着,他们闲着的每一秒,我用不完的每一个 token,都感觉是对 Tibo 义父的不尊重。」

核心工作流(三步):

第一步:Claude Fable 5 做研究、出方案初版。卡兹克把需求(语音输入法瞎 BB,字很乱)直接发给 Fable 5,20 分钟左右出方案。但 Fable 5 的方案不能直接用——「Claude 家族一向的特性,就是丢东西,不细致也不细心」。

第二步:把需求和 Fable 5 的方案,直接复制粘贴给 Codex,选中模型为 GPT-5.6 Sol 极高,然后说「这是隔壁同事做的,你详细审查一下」。GPT-5.6 Sol 经常能挑出 Fable 5 方案的问题,而且是严重问题。比如这一次,它花了 6 分钟,找到了原有方案里非常关键的隔离问题,会影响其他流程管线和架构。

第三步:在 Codex 中点击左下角加号,选中「目标模式」。输入框下面会出现一个「目标」——Codex 会一直跑一直跑,不达到目标不罢休。卡兹克最长跑过 17 小时(从早上 6 点睡觉前挂机,跑到第二天凌晨,直接额度一天清空)。

完整全流程:

1. Agent 理解并核实问题
2. 新建独立分支和工作区
3. 开发修改
4. 自动测试,必要时回测或检查页面
5. 推送分支并创建 PR
6. CI 自动验收
7. 合并到主分支
8. 部署上线
9. 检查真实线上效果
10. 使用「洁癖.skill」同步代码、文档和 Agent 记忆,并复盘经验
11. 向作者汇报最终结果
12. 等作者确认
13. 清理开发分支、工作区和临时数据库
14. 任务结束

关键工程配置:

• 测试覆盖率做到「比较舒服的区间」;
• 单独在腾讯云搞了一台便宜的服务器做 CI,不用 GitHub 的托管 Runner——为了节省测试和部署时间;
• 做了很多任务类型的路由,在保证测试全面性和准确性的情况下,节省整体时间;
• Codex 的 1.5 倍快速模式「有的时候并不快」,因为大量时间消耗在确定性测试流程上——Agent 提测要 5 分钟,被测试打回要修复,继续提测又是 5 分钟,整体缩短的时间相当有限。

多任务并行极限:6~7 个任务并行几乎就是注意力的极限,再多他自己人脑确认不过来。

作者的核心观察:

「在 Vibe Coding 中,开发的流程已经被大幅加速,写代码已经不再是瓶颈了,瓶颈转移到了测试、验证,还有你对方案的评审上。」

「绝大多数的什么开发 skill 比如 superpowers 这种都已经没啥大用了,相信我,绝对不如我现在这套流程来的效果好。」

「核心其实就是个哑铃形状。在左边是用最牛逼的模型出方案、优化方案,然后执行。最右边,就是你的最重要的测试和研究流程,还有用我的洁癖.skill 保证文档、规则、记忆、代码四端统一。」

深度剖析

我读完这篇,把它当 2026 H2 中国 AI 圈的一线重度用户工作流快照。它揭示了三个不容易看到的真相。

第一个真相:Claude 系列模型和 GPT 系列模型的协同分工。这不是「Claude 比 GPT 强 / GPT 比 Claude 强」的二选一,而是「Fable 5 出方案、GPT-5.6 Sol 审查、Fable 5 不能直接用,需要 GPT 来纠错」。这是模型分工的具体形态,而不是简单的「我主力用 X 模型」。把 Fable 5 定位成「方案初版 + 思路发散」,把 GPT-5.6 Sol 定位成「审查 + 纠错 + 优化」,是目前最稳定的二阶段协作模式。

第二个真相:Codex 的「目标模式」+ 「长程任务不跑偏」是 GPT-5.6 Sol 真正护城河。卡兹克说「Codex 的目标模式做得比 Claude Code 的效果好,可能是因为 GPT 系列一直以来幻觉率极低,Prompt 遵从效果也好,所以超长程任务几乎都不会变形,Claude 推着推着有时候就不知道干个什么鬼东西了,甚至还会陷入死循环」。这句话基本上把 GPT-5.6 Sol 在 Agent 长程任务上的差异化讲清楚了。Claude 推着推着会跑偏,是因为它在自回归生成时对「中途目标漂移」缺乏显式约束;GPT-5.6 Sol 用某种形式的中间检查 + 重锚机制(从它的 system card 推断),让长程任务的成功率显著高。

第三个真相:测试和部署基建是 Vibe Coding 的真正瓶颈。卡兹克的核心判断是「写代码已经不再是瓶颈了,瓶颈转移到了测试、验证,还有你对方案的评审上」——这个观察我同意。Codex 的 1.5 倍快速模式没用,是因为 Agent 提测后还是要走完 5 分钟的测试,5 分钟被打回又是 5 分钟,加快生成速度对端到端时间没有帮助。真正的杠杆点是测试基建本身——自己搭服务器做 CI、定义任务路由、保证测试全面性。这和 07-13 报道的 Ploy 跨模型迁移里的「caching 完全重构 + reasoning replay 自包含」是同一个层级的工作——生产环境级别的 Agent 工程基建。

我还想说一个不显然的细节:卡兹克把 Codex 当成「Codex + ChatGPT + GPT-5.6 Sol」的全栈产品。他在 PC 上用 Codex,在路上用 UU 远程连 PC 继续 Coding。Codex 的「目标模式」+ ChatGPT Work 的多 Agent 并行 + GPT-5.6 Sol 的高智能,形成了一体化的执行环境。这是 OpenAI 7 月 9 日发布策略(07-11 已报道「ChatGPT Work + Codex + GPT-5.6 Sol 三层模型」)在重度用户侧的第一次完整公开验证。

值得关注的原因

第一,这是 Fable 5 回归后的第一篇完整重度用户工作流。Fable 5 是 Anthropic 在 07-11 前后回归的旗舰模型(07-11 报道),之前因为各种原因下线。卡兹克用 Fable 5 + GPT-5.6 Sol 跑出了 16 小时/天的开发密度,验证了 Fable 5 在重度生产环境中的可用性。

第二,「Codex 目标模式」是 2026 H2 长程 Agent 任务的代表性形态。「不达到目标不罢休」+ 17 小时连续执行 + 完成后自动汇报,这是 Agent 长程任务的工程模板。其他 Agent 产品(Claude Code、Gemini CLI、Grok CLI)目前没有等价的产品形态——Claude Code 的 sub-agent 是显式的、需要人拆分任务,Gemini CLI 还停留在短任务。Codex 目标模式是目前最接近「AGI-like 长程执行」的产品形态。

第三,「Vibe Coding 的瓶颈不是写代码」是一个被验证但没被广泛接受的判断。行业里大部分 Vibe Coding 讨论还停留在「写得多快」「代码多准」的层面。卡兹克的实际工作流是「测试基建 + 任务路由 + 评审能力 + 多 Agent 并行注意力」,这些才是端到端效率的关键。Vibe Coding 的下一波产品机会,大概率不是更好的代码生成,而是更好的测试基建和任务路由。

第四,中国 AI 圈重度用户的「人月」生产效率被显著拉高。卡兹克每天 16 小时 Vibe Coding + 6~7 个任务并行 = 一个人能跑一个 5-7 人小团队的工作量。如果这个密度被验证为可重复(目前只有卡兹克一个人的公开样本),整个中国 AI 创业团队的「人均产出 / 工资比」会被结构性重写。

风险与待观察

• 16 小时/天的可持续性。卡兹克自己说「不眠不休」「感觉自己染上了 Coding 的瘾」。这种工作密度的长期身心健康成本没有公开数据,需要警惕「Vibe Coding 倦怠」成为 2026 H2 的新行业问题。
• GPT-5.6 Sol 在 17 小时目标模式下的 token 成本。卡兹克「额度一天清空」+ 跑 17 小时,粗算 token 消耗应该是 GPT-5.5 5-10 倍。这意味着这种工作流对个人开发者是可行的,对小团队是边际可行的,对中型公司是不可持续的——顶级模型 + 长程 Agent + 多任务并行的 token 经济还没有跑通。
• Codex 目标模式的失败模式。17 小时清空额度是「成功跑完」的样本;卡兹克没公开「跑偏 / 死循环 / 失败回滚」的失败率。Codex 目标模式的真实工程鲁棒性,需要更多公开样本。
• 「洁癖.skill」这个工具的普适性。这是卡兹克自己写的 skill,负责同步代码、文档、规则、记忆四端。如果这个 skill 开源,值得下载使用;如果不开源,其他人难以复制他的完整工作流。
• Claude Fable 5 在中国的稳定性。Anthropic 在中国的服务稳定性一直是个问题,卡兹克能用 Fable 5 跑 16 小时/天,大概率是开了特殊通道或者用了某种代理方案。其他中国开发者能否稳定访问 Fable 5 是一个工程问题。
• 多任务并行 6-7 个的「人脑确认不过来」。卡兹克自承这是他的极限。如果 Agent 任务执行到 6-7 个并行时,人类评审的速度跟不上 Agent 的执行速度,Agent 提交的结果就只能「信任」,而不是「审查」。这会回到「07-12 Matt Shumer 把 GPT-5.6 Sol 设成 Full Access 后被删盘」的核心问题——当人类评审速度不够时,Agent 自主行为的边界在哪里。

来源:数字生命卡兹克微信公众号(https://mp.weixin.qq.com/s/wm_LM83gyLM-auidBxprZw)