为什么选 Bug 修复来测 Codex代码补全写得好不算本事能修对 Bug 才是真功夫。这是我最近两周的真实体会。我手头有个跑了一年多的 Node.js 后端服务技术栈不算老也不算新Express TypeScript Prisma Redis。趁着项目间隙我翻出三个还没排期处理的真实 Bug决定让 Codex 试试手。三个 Bug 覆盖了不同的麻烦程度一个简单逻辑错误、一个边界条件遗漏、一个第三方库兼容性问题。我想看看 Codex 到底能扛到哪一层。第一个 Bug简单逻辑错误Codex 一次过现象用户提现接口偶尔算出负数金额。根因某处折扣计算把discount和finalPrice搞反了原代码大概长这样const finalPrice order.total - discount; // 下面这行把变量用混了 const payout discount 0 ? finalPrice - discount : finalPrice;discount已经是扣掉的金额第二次再减就错了。这种 Bug 肉眼扫过去很容易漏但定位后修复 trivial。Codex 的表现我把报错日志、相关文件丢给它说提现金额出现负数定位并修复。Codex 读了两个文件不到 30 秒给出修改把第二处discount改成order.total - finalPrice并补了一行注释说明计算逻辑。结果首次修复成功编译通过我补的单测也跑通了。这个案例里 Codex 完全能独立解决。逻辑链条短、变量关系清晰属于它的舒适区。第二个 Bug边界条件遗漏Codex 修了但没修全现象分页查询在最后一页数据刚好填满pageSize时前端会多渲染一个空状态。根因后端返回的hasMore判断只看了items.length pageSize没考虑总数据量刚好整除的情况。更隐蔽的是这个接口还被另一个内部工具调用那个场景需要hasMore为true来触发预加载。Codex 的表现我给了接口代码和前端报错截图。Codex 确实改对了主逻辑把判断改成了items.length pageSize totalCount pageSize * pageNum。但它在修改时没意识到内部工具的依赖直接改了返回值语义。人工 Review 时发现的陷阱我差点就合并了。后来是看到它删掉了原有的一行注释顺着调用链往上翻才发现还有个内部消费者。最后我保留了 Codex 的核心修改但加了个兼容参数?legacyMode来避免 breaking change。结论Codex 能处理单一场景的边界条件但跨调用链的副作用感知是它的盲区。这种 Bug 必须人工介入做影响面分析。第三个 Bug第三方库兼容性问题Codex 彻底栽了现象升级ioredis从 v4 到 v5 后连接池频繁报错Ready check failed。根因v5 默认禁用了enableReadyCheck而项目里有个健康检查端点依赖这个行为。更麻烦的是我们封装了一层 Redis 客户端配置散落在三个文件里。Codex 的表现我给了package.json变更、报错堆栈和项目结构。Codex 的第一次尝试是在连接配置里加enableReadyCheck: true但加错了位置——它改的是我们封装的 wrapper而实际生效的是底层实例化参数。第二次尝试它开始乱试甚至建议降级回 v4。问题出在哪Codex 对第三方库的 breaking change 有一定知识但它搞不清我们项目里的封装层级。它读得懂单个文件的代码却理不清配置怎么从 wrapper 透传到实际驱动这种架构层面的约定。这种需要深度上下文 领域经验的场景Codex 基本在碰运气。最终处理我自己翻完ioredis的 migration guide在正确的初始化位置加了配置同时把散落的 Redis 配置收敛到一个文件——这部分重构 Codex 完全没提但它其实是防止下次踩坑的关键。三次修复的复盘对比维度简单逻辑错误边界条件遗漏第三方库兼容性首次修复成功率✅ 成功⚠️ 部分成功❌ 失败引入新问题概率0高未感知副作用中乱试方案Codex 独立解决能力完全能需人工补全必须人工主导人工 Review 重点确认逻辑正确性检查影响面验证架构理解开发者应该保持的审查策略经过这三个 Bug我总结了一套和 Codex 协作的底线第一永远假设它没看全文件。Codex 的上下文窗口虽然不小但大型项目里它未必能关联到所有相关文件。我现在的习惯是关键修改必须自己grep一遍调用方不能信它的已确认无其他引用。第二副作用比主逻辑更危险。Codex 修对主逻辑的概率其实不低但它对谁会依赖这个行为毫无概念。边界条件、默认值、返回格式这些看似中性的改动往往是埋雷点。第三第三方库升级类问题先查官方文档。Codex 的知识有截止日期对最新版本的理解可能过时。而且 migration guide 里的为什么这样改比怎么改更重要后者它能编前者给不出。第四把 Codex 的修改当 PR 看不是当答案收。我现在会刻意让它生成 diff 而不是直接应用逐行过一遍再决定哪些要、哪些不要。这个仪式感虽然慢但第二个 Bug 要是直接应用就麻烦了。它到底能信几分说实话Codex 在简单逻辑修复上的表现确实让我省了不少机械劳动。但能信和敢不审是两回事。我的体感是代码越接近纯算法、越远离业务上下文Codex 越可靠一旦涉及跨模块约定、第三方库版本差异、或者历史遗留的封装习惯它的幻觉概率会陡增。现在我的工作流变成了让 Codex 先修我来做那个挑刺的审查员。它出力气我出判断力——这个分工目前看还算舒服但前提是你得清楚哪些环节它真的靠不住。