有一类工作是单个 AI 代理会悄然失败的：大型、多步骤的清理工作，其中一个错误的假设会在数十次编辑中累积放大。我的答案是混合 AI 代码审查 —— 两个不同的前沿模型在循环中协作，一个负责构建，一个负责审查 —— 上周，它在一个下午就将一个混乱的 SwiftUI 原型变成了零 App Store 阻碍的状态，而我一行代码都没写。
这两个模型分别是担任工程师角色的 Claude Opus 4.8 和担任审查员角色的 Codex (GPT-5.5)，它们通过我的 AI 桥接器处理每一个任务，直到通过真实的构建。根据我的经验，这种混合 AI 代码审查设置始终优于任一模型单独工作，而这次运行是最清晰的证明。以下是它的确切工作方式。
从计划开始，而不是凭感觉
你不能直接给代理一个“让它达到生产就绪”的指令。那样只会得到自信满满的胡言乱语。
所以我从计划开始。我让 Claude 克隆仓库（一个名为 Kiddays 的简易记忆 iOS 应用），利用并行子代理阅读*整个*代码库，并生成一份生产就绪性审计：39 个具体项目 —— 9 个严重的 App Store 阻碍项，其余为高和中等级别。每个项目都包含文件、行号、工作量估算和拟议的修复方案。
这份审计成为了 PRODUCTION_READINESS.md —— 一个带有 - [ ] 复选框的 markdown 清单，按阻碍项优先排序。只有一个文件，作为单一事实来源。其中的每个任务都是小规模、具体且*可验证*的。最后一个词很重要：如果你不能勾选一个框并证明它，那它就不是任务，只是愿望。
混合 AI 代码审查循环，逐步解析
我在一个自定进度的循环中运行了整个流程（Claude Code 的 /loop 模式）。每次迭代处理一个任务，或一组紧密相关的任务，并始终遵循相同的节奏。
五步节奏
bash codex exec --sandbox read-only -o /tmp/answer.txt <<'PROMPT' Pair-reviewing a fix for this SwiftUI app. Here are the files... Recommend the idiomatic iOS 17 approach, flag pitfalls, validate the diff. PROMPT
xcodebuild 通过（green）结束，否则就不算完成。没有“应该能编译”这种说法。然后循环再次启动，一次又一次，持续数小时，无需人工值守。混合 AI 代码审查的全部意义在于，这个循环可以在没有我照看的情况下运行 —— 是构建结果，而不是我的注意力，在控制每一步。
为什么两个模型胜过一个
魔力不在于任何一个单独的模型 —— 两者都很出色，我之前也写过 Claude Opus 4.8 在我自己的代码库上胜过 Codex→。魔力在于它们有不同的盲点，而且一个没有编写代码的审查员不会对差异投入自尊心。
让这套设置物有所值的捕获点
这次运行中的一些真实时刻：
UserDefaults 移出看起来微不足道。Codex 指出，简单的交换会静默破坏 SwiftUI 的反应性，并推动使用通过环境注入的 @Observable 存储。Claude 转而构建了该方案。没有损坏的登出 UI。try? 吞掉了数据库错误。Claude 的第一反应是每个视图弹出警报。Codex 主张使用单个根错误展示器 —— 一个警报界面，所有保存操作都路由到那里。更简洁，这也是最终发布的版本。这就是形式盖章与真正审查之间的区别。Codex 会反驳某些内容；Claude 会整合好的反驳并为其余部分辩护。在两个不共享大脑的模型之间的边界上，差异变得更好 —— 这正是 受控代理工作流→ 背后的全部理念：结构化的交接胜过一个模型自言自语。
诚实的部分：代理会挂起，所以要建立看门狗
有两次，Codex CLI 卡住了我 —— 不是在思考过程中，而是在关闭时，因为其后台 MCP 服务器未能干净地关闭。在进程死寂了几分钟后，我亲自追踪了第一次停滞，发现源于 MCP 引导过程。在无人值守的循环中，一次挂起就会停滞一切。
解决方案是一个强力的看门狗：每次咨询周围都有一个杀死计时器，并且完全禁用该调用的 MCP（-c mcp_servers={}），这样就没有东西可挂起。循环检测到停滞，杀死了僵尸进程，获取已经写入的答案，然后继续运行。“没有任何东西会卡住”在自主工作中不是一项锦上添花的功能 —— 它是整个游戏的关键。
结果
xcodebuild clean build，退出码 0）在结束时完成 —— 不仅仅是增量通过。剩下的只是没有任何模型能为你完成的工作：在 App Store Connect 中创建应用内购买产品、搭建真实的后端、让律师签署隐私政策。每一项都在清单中标记了确切的需求。
方法与来源
这是对我自己的 Kiddays 代码库进行一次真实运行的第一手记录。审查员是 Codex CLI (GPT-5.5)；模型到模型的交接使用了我的开源 ai-collab-bridge 技能。iOS 特定的决策对照了 Apple 自己的 StoreKit、SwiftData 和文件保护文档 —— 更重要的是，在我宣布完成之前，每一个更改都通过了从头开始的干净 xcodebuild 确认。我不是在报告模型声称的内容；我是在报告实际编译通过的内容。
结论：是一个团队，而不是助手
在我依赖混合 AI 代码审查的项目中，解锁的关键从来不是“找到那个能做一切的模型”。而是一个栈：
一个模型编写代码是一个助手。两个模型针对一个可以说“不”的构建相互审查，开始看起来像一个团队 —— 而在这次运行中，那个团队在我旁观时交付了 39 个生产环境修复。