上周，我花了三个小时眼睁睁看着一个编程 Agent 彻底“发疯”。我只是让它重构一个 Python API——提取几个路由，清理一下数据库层，再加几个测试。都是些简单的活儿。结果到了第六步，它把我整个错误处理逻辑重写了一遍，删掉了一个它觉得“没必要”的配置文件，然后还死循环一直试图安装一个根本不存在的包。我直接把它关了，自己手动搞定了这些事，心里纳闷我当初干嘛非要折腾它。
后来，我在 Codex 里面用上了 GPT-5.5，这真切地改变了我处理这类任务的方式。不是因为它有什么魔法，而是因为它真的能把你交代的事做完，不会干到一半就跑偏。但关键是：如果你只是打开它，像用 ChatGPT 那样随便敲几行提示词，那你肯定会失望。在聊天界面里用 GPT-5.5，简直就像开着推土机去挪一盆花——能干，但你完全没抓到重点。
下面我来跟你聊聊，我是怎么让这套工具真正干活的。
为什么 Codex 里的 GPT-5.5 不一样
大多数人第一次用 GPT-5.5 都是在 ChatGPT 界面里。他们问个问题，得到一个不错的回答，然后就想：“哦，比上个版本强点。”但对于一个专门为智能体（Agentic）AI 任务打造的模型来说——比如多步工作流、工具调用、长线规划以及跨代码库的自主执行——这用途可太窄了。
当你在 Codex 里用它时，差别立竿见影。早期的 GPT 模型有个让人抓狂的毛病：容易跑偏。你给它们一个复杂的多步任务，到了第四步或第五步，它们就开始随心所欲地曲解你最初的目标了。而 GPT-5.5 在执行 20 到 30 步的任务时，能更好地守住你最初的意图。它处理工具调用也更稳了——不管是读文件、跑 Shell 命令、调 API 还是跑测试。它很少去乱调工具，传错参数，或者在工具调用失败时死循环。因为 Codex Agent 大部分运行时间都在执行工具调用，而不是光生成文本，所以这一点至关重要。
第一步：选对模型
听起来是废话，但我第一次就栽在这上面了。打开 Codex 时，你必须手动在模型下拉菜单里选中 GPT-5.5。千万别默认它选的就是最新模型——通常都不是。
在 Codex 界面右上角找到模型选择器，选 gpt-5.5。如果你没看到这个选项，去检查一下你的账号有没有权限。我之前纳闷为什么生成结果那么平庸，白白浪费了一整个下午，最后才发现自己用的还是老模型。
第二步：先用计划模式（Plan Mode）
这是我发现大家犯的最大错误。他们一上来就直奔执行模式，给 GPT-5.5 丢个模糊的指令，等出来的结果跟自己脑子里想的完全不一样时，就开始抱怨。
计划模式存在是有原因的。开始任务时，点“Plan（计划）”而不是“Execute（执行）”。这会让 GPT-5.5 先把任务拆解成几步，在实际动手前给你看看它的思路。
我现在是这样做的：把任务给它，让它做计划，我审核计划，然后再批准执行。如果计划看着不对，我就调整提示词。这能省下大把时间和 Token。
比如，不要这样写：
重构认证模块
我会这样写：
重构 /src/auth/ 目录下的认证模块。
将原本庞大的 auth.py 拆分为以下几个独立文件：
- token 生成 (tokens.py)
- 用户校验 (validators.py)
- 会话管理 (sessions.py)
保持所有现有的 API 接口不变。
在 /tests/auth/ 中为每个新文件添加单元测试。
然后我在计划模式下运行。GPT-5.5 会详细列出它要创建哪些文件、哪些函数放哪里、打算写什么测试。我审核一下，查漏补缺，然后再让它执行。
第三步：给它工作上下文，而不只是提示词
这绝对是我的“顿悟”时刻。在让 GPT-5.5 干活之前，先提供工作区的背景信息，它的表现会好得多。这就像给新员工做入职培训一样——你肯定不能直接丢个需求单给他就不管了。
在交代主要任务前，提供以下信息：
- 使用者是谁（比如：“这是一个供我们移动端团队使用的内部 API”）
- 最终产出物是什么（比如：“这会是一个独立的微服务”）
- 哪些源码或文件是关键（比如：“/db/schema.sql 里的数据库结构是唯一真实凭据”）
- 遵循什么风格或规范（比如：“我们全局使用 Google 风格的 docstring 和类型提示”）
我现在会在项目根目录放一个 CONTEXT.md 文件，并在提示词里引用它：
开始前请先参考 CONTEXT.md 了解项目规范。
仅仅这一招，比我用过的任何提示词工程技巧都管用。
第四步：控制 Token 成本
说句实在话——GPT-5.5 并不便宜，尤其是在智能体模式下，它会进行几十次工具调用。我第一个月的预算大概一个星期就烧光了，就是因为没注意控制。
关于如何把成本控制在合理范围，我总结了这几条：
严格框定任务范围。 不要说“给整个应用加上认证”，而是拆成“在 /src/auth/tokens.py 中添加 JWT token 生成”，然后再把“在 /src/middleware/ 中添加认证中间件”作为单独的任务。任务越小，消耗的 Token 越少，越不容易跑偏。
用计划模式预估 Token 消耗。 在执行前，Codex 会显示该计划的预估 Token 数。如果比预期高得多，说明你的任务可能太泛了。
别从头重跑。 如果 GPT-5.5 完成了 80% 的任务，但在最后一步搞砸了，千万别全部推倒重来。指出具体的错误，让它只修复那一处就行。
第五步：GPT-5.5 到底擅长什么
用了几周之后，这是我对它优缺点的真实评价：
擅长：
- 跨文件写代码和调 Bug
- 研究不熟悉的代码库（它读文件时非常有条理）
- 编写需要深度推理的复杂科学或数学代码
- 在长任务链中遵循详细的指令
- 运行测试并解读结果
平庸：
- 高度创意或主观性强的架构决策（它偏向保守）
- “正确答案”取决于它不知道的业务背景的任务
- 极其庞大的代码库（即使上下文窗口也不够用，你需要仔细框定范围）
我希望早点知道的实用建议
运行 GPT-5.5 前一定要先提交代码。 它会修改文件，有时还会改你没打算动的文件。保持干净的 Git 状态能让回滚变得轻而易举。
盯着它前几次工具调用。 别刚启动就走开。如果它开始读错误的文件，或者方向偏了，赶紧停掉。在第 2 步纠错可比在第 15 步纠错便宜多了。
明确告诉它不要改什么。 我现在会在提示词里加上“不要修改 /src/legacy/ 下的任何文件”这种话。不加的话，GPT-5.5 可能会自作主张去“优化”你想保留原样的东西。
用它来理解代码，而不仅仅是写代码。 我最喜欢的用法之一，就是让 GPT-5.5 通读一个复杂模块并解释它的功能。哪怕是极其复杂的科学计算代码，它也能理顺逻辑，我还可以问一些概念性的问题，得到的回答质量极高。
实话实说的局限性
Codex 里的 GPT-5.5 并不能代替你理解自己的代码库。它只是一个非常能干的 Agent，能可靠地执行定义清晰的任务，但仍然需要明确的指引。如果你给的指令模棱两可，你得到的结果也会模棱两可——只是速度更快、花钱更多罢了。
最大的局限在于上下文。即使 Token 效率提高了，大型代码库依然会超出它的工作记忆容量。你需要讲究点策略，把它指向正确的文件和目录。
话虽如此，但这是我第一次能够放心地让 Agent 跑多步任务，而不用一直在旁边盯着。跟几个月前相比，这是一个巨大的转变。如果你平时要写代码，还没试过在 Codex 里按我说的这套流程用 GPT-5.5，那就试一把吧。记住：给上下文，而不只是提示词；先计划，再执行；缩小范围，先提交代码。