TLDR

Claude Code 3.0 工作流通过 /dev 命令实现了完整的开发生命周期自动化：需求澄清 → Codex 分析 → 生成开发计划 → 并发执行 → 测试验证。核心特性包括 codex-wrapper 并发调用、高测试覆盖率推荐（90%）、一键安装脚本。本文提供从零开始的配置教程和实战案例。

关键数据：

• 配置时间：5 分钟

• 月成本：< 210 元（Claude Sonnet 4.5 + GPT-5.1 Codex Max）

• 测试覆盖率：推荐 ≥ 90%

• 并发能力：多任务同时执行

为什么需要 3.0 工作流

3.0 版本（Dev Workflow）：

• 核心：端到端自动化、高测试覆盖率、并发执行、标准化交付

• 适用场景：生产级开发、团队协作、质量要求高的项目

3.0 工作流的六大核心能力

1. 智能需求澄清

通过 AskUserQuestion 工具进行 2-3 轮交互式问答：

2. Codex 深度分析

调用 Codex 分析代码库，提取：

• 核心功能点（2-5 个）

• 技术要点（框架、依赖、架构模式）

• 任务拆分（独立任务 vs 依赖任务）

3. 自动生成开发计划

通过 dev-plan-generator Agent 生成标准化文档：

4. 并发任务执行

codex-wrapper 工作原理：

任务格式：

并发策略：

• 独立任务：同一层并行执行（数据库模型 + API 端点 + 前端组件）

• 依赖任务：按层级串行（先执行 database_model，再执行依赖它的 backend_api）

• 失败处理：失败任务阻塞所有依赖它的任务

输出和 Session 管理：

每个任务执行后返回：

• Session ID（格式：thread_xxxxx）：用于恢复会话

• Agent 消息：Codex 的执行结果和说明

• 执行状态：成功/失败

恢复之前的会话：

超时控制：

• 默认超时：7200 秒（2 小时）

• 自定义超时：export CODEX_TIMEOUT=3600（1 小时）

5. 高测试覆盖率

每个任务推荐：

• 实现功能代码

• 编写单元测试

• 运行测试并报告覆盖率

• 目标覆盖率 ≥ 90%

6. 标准化交付

最终输出：

• 功能代码（已测试）

• 测试代码（覆盖率报告）

• 开发文档（dev-plan.md）

• 执行摘要（文件变更、风险点、后续步骤）

---

环境配置：从零到生产

前置要求

操作系统：

• macOS / Linux：原生支持

• Windows：使用 Powershell

必需工具：

• Claude Code CLI

• Codex CLI

• Python 3.8+

• Git

第一步：克隆配置仓库

第二步：执行一键安装

install.py 做了什么：

安装 codex-wrapper：

配置 Skills：

安装 /dev 命令：

验证安装：

第三步：配置 Codex

3.1 配置 config.yaml

编辑 ~/.codex/config.yaml：

配置说明：

3.2 配置 AGENTS.md（推荐）

创建 ~/.codex/AGENTS.md 定义 Codex 的行为准则：

You are Linus Torvalds. Apply kernel maintainer-level scrutiny to all code changes. Prioritize eliminating complexity and potential defects. Enforce code quality following KISS, YAGNI, and SOLID principles. Reject bloat and academic over-engineering.
Check if the project has a CLAUDE.md file. If it exists, read it as context.

为什么需要 AGENTS.md：

• 统一 Codex 的代码质量标准（KISS、YAGNI、SOLID）

• 与项目级 CLAUDE.md 保持一致性

• Linus 风格：简单、直接、拒绝过度工程

AGENTS.md 的作用：

• 每次 Codex 执行任务时自动加载

• 强化代码审查标准（消灭复杂度）

• 如果项目有 .claude/CLAUDE.md，Codex 会读取并遵循项目规范

第四步：清理 Claude Code 的 MCP 配置

为什么要清理：

• Claude Code 的 MCP Server 会与 Skills 冲突

• Codex 应作为纯开发工具，由 Claude Code 通过 Skills 编排

• 避免重复配置和上下文浪费

注意：

• 清理的是 Claude Code 的 MCP（~/.claude/ 目录）

• 保留 Codex 的 AGENTS.md（~/.codex/AGENTS.md，上一步刚创建）

第五步：验证安装

最佳实践

1. Codex 配置优化

不推荐 xhigh reasoning effort：

结论：xhigh 成本高 3 倍，质量提升有限，不适合生产环境。

推荐 sandbox_mode 配置：

AGENTS.md 的最佳实践：

配置 ~/.codex/AGENTS.md 可以统一 Codex 的代码质量标准：

You are Linus Torvalds. Apply kernel maintainer-level scrutiny to all code changes. Prioritize eliminating complexity and potential defects. Enforce code quality following KISS, YAGNI, and SOLID principles. Reject bloat and academic over-engineering.
Check if the project has a CLAUDE.md file. If it exists, read it as context.

AGENTS.md 的优势：

• ✅ 自动强化代码质量（KISS、YAGNI、SOLID）

• ✅ 与项目 CLAUDE.md 保持一致性

• ✅ Linus 风格审查：拒绝复杂度和过度工程

• ✅ 全局生效：所有 Codex 任务自动应用

何时需要 AGENTS.md：

• 团队协作项目（统一代码风格）

• 质量要求高的项目（严格审查）

• 重构任务（避免引入复杂度）

2. Claude Code 模型选择

推荐 Sonnet 4.5：

• 性能：与 Opus 4.5 接近（代码任务）

• 成本：1/3 价格

• 速度：响应快 2 倍

不推荐 Haiku：

• 规划能力弱

• 容易遗漏任务

• 测试覆盖率不达标

3. 任务拆分原则

独立任务（并行执行）：

• 前端组件 + 后端 API（无依赖）

• 数据库模型 + 中间件（无依赖）

• 单元测试 + 文档（无依赖）

依赖任务（串行执行）：

• 数据库迁移 → API 实现

• API 实现 → 集成测试

• 功能开发 → 性能优化

4. 测试覆盖率策略

90% 覆盖率的实现方法：

• 单元测试：覆盖所有函数（100%）

• 集成测试：覆盖核心流程（80%）

• 边界测试：覆盖异常场景（70%）

不计入覆盖率的代码：

• 配置文件（config.js）

• 类型定义（types.ts）

• 第三方库封装（已测试）

5. 成本控制

月成本估算（210 元预算）：

节省成本的技巧：

• 使用 high 而非 xhigh reasoning effort

• 清理 MCP Server（减少上下文消耗）

• 复用 Codex Session（避免重复分析）

总结

核心优势

3.0 工作流的三大突破：

1. 端到端自动化

• 从需求澄清到代码交付全流程自动化

• 无需手动规划任务和编写测试

• 标准化交付（代码 + 测试 + 文档）

1. 高质量保证

• 推荐 90% 测试覆盖率

• 自动生成测试和覆盖率报告

• 质量可控的代码交付

1. 并发执行能力

• codex-wrapper 支持多任务并行

• 独立任务同时执行，依赖任务串行

• 大幅缩短开发周期

适用场景

推荐使用 3.0 工作流：

• 生产级项目开发

• 团队协作（标准化流程）

• 质量要求高的项目（测试覆盖率）

• 复杂功能开发（多任务并发）

不推荐使用 3.0 工作流：

• 简单脚本（过度工程化）

• 原型验证（可能不需要高测试覆盖率）

• 一次性任务（配置成本高）

成本效益

月成本 < 210 元：

• Claude Code（Sonnet 4.5）：150 元

• Codex（GPT-5.1 Codex Max）：60 元

生产力提升：

• 开发速度：提升 3-5 倍

• 代码质量：测试覆盖率 ≥90%

• 维护成本：降低 50%（标准化代码）

官方纯血 AI 中转站：https://dogcoding.cn/