摘要:我曾让 Codex 审查 Claude 写的工具。第二意见的价值,是提供另一个需要查证的角度;换模型、开新视窗、中性提问或唯读设定,都不能单独保证判断独立、结果正确。这篇保留四步方法,把工具有输出、完成审查与允许修改分开。

我用 Claude 写过一组可重复使用的审查指引,再请 Codex 检查那套工具。原工作记录里,两轮分别回报七项与三项问题。这是当时的回报数量,不代表十项都已在本次重新验证,也不是目前整套工具的安全认证。

最值得留下的,是其中一个提醒:工具正常退出、有一段文字,还不足以说明它真的完成了我需要的审查。

为什么要找第二个角色

我当时使用 Codex CLI 与所选模型,来看 Claude 产出的程式、资料或设计。Codex 是工作工具,不应直接等同某个固定模型;原文提到的 GPT-5.5,只能限于当时的使用叙述。

不同模型、角色或新脉络,可能带来另一个检查角度;但不保证彼此没有共同盲点。同一模型换到新的脉络,也可能提供有用的复核。

换一个模型,不等于已经取得独立而正确的判断。

我想保留的,是让审查者先读证据、提出自己的发现,再由协调者查证与处理。这也放在我谈人机协作的脉络里:让不同角色有清楚的任务,而不是多开一个视窗就算完成。

提问先给标的与标准

如果我先说「我已经确认没有问题」,再要求另一个角色帮忙确认,就可能把自己的假设带进它的工作。中性提问有助于减少这种引导,却不是消除偏差的保证。

我比较想提供的是:要看哪个版本、哪些档案、预期行为、已知限制,以及什么情况算问题。必要背景应该给清楚,自己的结论则可以留到后面对照。

中性提问能减少引导,不能证明审查已经独立。

同样地,禁止臆测、要求回报未读范围,也只是工作要求。它们是否落实,仍要看审查者实际读了什么、提出什么依据。

四步方法:留证据,也留分歧

我把这套做法整理成四步。

  1. 界定问题。 给固定标的、背景与标准,不把自己的判决当成前提。
  2. 保存回馈。 留下原始发现、标的位置、版本与未完成事项,方便后续核对。
  3. 分开审查与修改。 这一轮只指出问题;修不修、怎么修,由有权处理的人决定并记录。
  4. 回到来源。 一致与分歧都要查,不因两边同意,就省略证据确认。

原始意见、采纳决定与修改结果,需要分开保存。

这些安排有助于追踪判断过程,不代表已证明统计上的独立性。也不是说审查者在所有工作里都不能协助修正,而是这次先把角色分开,让修改责任与依据更清楚。

有字、跑完与审查通过,是三件事

原工具用非空白检查确认最后讯息存在。它能挡住一种失败:程式退出了,却没有留下文字。它不能确认那段文字有没有读对标的、涵盖范围或提出可靠判断。

官方非互动执行说明介绍 codex exec 与最后讯息输出方式;把讯息存成档案,可以留下回复,但档案存在本身不是审查完成的证明。

非空白检查,只能证明有文字留下来。

因此我想把验收分开说:程序是否正常结束、输出是否完整取得、指定范围是否实际读过、发现是否有依据,以及哪些事项仍待查。没有发现问题,也要连同已检查的范围一起理解。

至于逾时,原附录预设没有时间上限,也不能只靠包装程序退出,就保证所有子程序都已停止。这次不把它写成已验证的快速失败或停止计费保证。

唯读不是所有动作的总保证

我把审查轮次设成只读取与提出发现,并采取相应的工具限制。但提示里列出目标档案,不会自然变成技术上的读取白名单;要求「不要修改」,也不能代替实际权限设定。

官方权限说明分开讨论 sandbox 与 approval。读取、写入、连线,以及外部工具能做什么,需要依实际环境分别确认,不能只靠一个「唯读」标签包成全面保证。

限制模型产生的写入动作,不等于所有流程都没有副作用。

包装器可能写输出档,工具也可能保存工作记录。若使用模型服务,相关审查内容也可能传送到服务端;本机启动不代表资料只留在本机。涉及敏感资料时,应先决定哪些内容适合交给该服务。

是否值得加一轮,要看任务与成本

我不再把第二意见一概说成「成本不高」。官方认证文件区分 ChatGPT 订阅存取与 API key 的用量计费;个别可用性、额度与成本,仍要依帐号与方案确认。

比较时,也不只看多跑一次模型的用量。准备标的、阅读发现、查证、修正与重新确认,都会花时间。对重要或容易漏看的工作,多一个检查角度可能值得;对很小的改字,则应按需要安排。

多一轮审查是否值得,要连同查证与修正的成本一起看。

模型的可用设定也会改变,不能把原附录的预设值当成每个帐号都适合的固定答案。

附录不再当成直接执行的范本

原稿附了一份 skill 与 shell 包装器。本次撤下可复制的程式码,保留方法,因为「能读懂示例」与「已适合直接执行」不同。

除了前述逾时与非空白限制,旧示例还没有提供完整的输出档命名隔离、写档失败验收与路径限制保证。它不应继续配上「只有这几个写入」「复制就能用」或固定模型的承诺。

这次没有启动它、重做目前 CLI 的相容性测试,也没有把旧程式重新包装成已修好的工具。若要实作类似机制,应依当前文件与专案条件另行设计、检查与测试。

历史示例的存在,不等于目前可直接采用。

四格漫画:换一个模型,不等于已经取得独立而正确的判断。中性提问能减少引导,不能证明审查已经独立。原始意见、采纳决定与修改结果,需要分开保存。非空白检查,只能证明有文字留下来。同意的意见要查证,有分歧的意见也要查证。历史示例的存在,不等于目前可直接采用。

听得进去,也不照单全收

一个审查者提出过准确的问题,值得让我认真阅读下一个发现;但不应因此取得免于查证的地位。我可能漏看,它也可能误判。

同意的意见要查证,有分歧的意见也要查证。

我会把发现带回原始资料,说明哪些采纳、哪些不采纳、哪些证据不足。规则是否调整,也要看它原本控制的风险是否仍在,不能只因模型看起来更有自信,就把边界拿掉。

这是我想保留的多模型协作方法:第二意见可以戳破确信,最后的决定仍需要有权处理的人负责,也需要能回头核对的理由。