1. 引言

2026 年的今天，AI 编程助手已经从「能补全几行代码」进化到「深度参与软件工程全流程」。在众多工具中，ChatGPT Plus / Pro 与 Codex 的组合，正在成为许多程序员日常开发中不可或缺的搭档。

本文不讨论「AI 会不会取代程序员」这种空泛话题，而是聚焦一个非常具体的实战场景：如何用 ChatGPT Plus / Pro + Codex 完成一次高质量的代码审查与重构。我会从环境准备、审查流程、重构实战、测试验证到注意事项，完整走一遍可复用的工作流。

无论你是刚接触 AI 编程的新手，还是已经在用 Copilot 的老手，这篇文章都会给你一套可以直接照搬的实践方法。全文约 3500 字，包含真实案例、可运行代码和详细步骤。

2. 为什么选择 ChatGPT Plus / Pro + Codex

在开始之前，先明确一个关键问题：为什么是 ChatGPT Plus / Pro + Codex，而不是其他组合？

2.1 两者的定位差异

• ChatGPT Plus / Pro：通用对话与推理引擎，擅长理解上下文、拆解复杂问题、生成结构化方案。它适合做「思考型」工作，比如分析代码逻辑、设计重构方案、解释业务需求。
• Codex：OpenAI 的编程智能体，深度集成在 IDE 和终端中，能够直接读写代码文件、执行命令、运行测试。它适合做「执行型」工作，比如批量修改、跨文件重构、跑测试验证。

2.2 组合优势

单独使用任何一个都有短板：

• 只用 ChatGPT：能给出很好的建议，但你需要手动把建议落到代码里，效率打折。
• 只用 Codex：能快速改代码，但遇到复杂架构决策时，缺乏全局思考。

两者结合后，工作流变成：ChatGPT 负责「想清楚」，Codex 负责「做出来」。这正是本文要演示的核心方法论。

3. 环境准备

在开始实战前，先把环境搭好。以下步骤以 macOS + VS Code 为例，Windows / Linux 操作类似。

3.1 安装与登录

1. 安装 VS Code 最新版（1.90+）。
2. 在扩展市场搜索并安装 Codex 官方扩展。
3. 打开扩展设置，登录你的 OpenAI 账号（需为 Plus 或 Pro 订阅）。
4. 确认 Codex 面板可以正常访问你的工作区文件。

3.2 准备示例项目

为了演示，我准备了一个简单的 Python 项目：一个用户注册接口，包含密码校验和邮箱格式校验。这个项目故意写得比较「粗糙」，方便展示审查和重构的效果。

# app.py
import re
from flask import Flask, request, jsonify

app = Flask(__name__)

users = {}

@app.route('/register', methods=['POST'])
def register():
    data = request.get_json()
    username = data.get('username')
    password = data.get('password')
    email = data.get('email')

    if not username or not password or not email:
        return jsonify({'error': 'missing fields'}), 400

    if len(password) < 8:
        return jsonify({'error': 'password too short'}), 400

    if not re.match(r'^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$', email):
        return jsonify({'error': 'invalid email'}), 400

    if username in users:
        return jsonify({'error': 'username exists'}), 409

    users[username] = {'password': password, 'email': email}
    return jsonify({'message': 'ok'}), 201

if __name__ == '__main__':
    app.run(debug=True)

把这段代码保存为 app.py，放在一个空目录里，用 VS Code 打开该目录。

4. 用 ChatGPT 做代码审查

代码审查是重构的前提。先让 ChatGPT 从「资深 Reviewer」的视角审视这段代码。

4.1 设计审查 Prompt

在 ChatGPT Plus / Pro 中，新建对话并输入以下 Prompt：

你是一位资深 Python 后端工程师，请审查下面这段 Flask 注册接口代码。
请从以下维度给出意见：
1. 安全性（密码存储、注入、暴力破解等）
2. 代码结构（职责划分、可读性、可维护性）
3. 健壮性（异常处理、边界条件）
4. 性能（不必要的计算、数据库设计）
5. 测试性（是否容易写单元测试）

对每个问题，请给出：问题描述、严重程度（高/中/低）、修改建议。
最后给出一个整体评分（满分 10 分）。

代码：
[粘贴 app.py 全文]

4.2 ChatGPT 的审查结果

ChatGPT 会给出类似下面的分析（实际输出可能更详细）：

安全问题（高）：

• 密码以明文存储，严重安全隐患，应使用 bcrypt 或 argon2 哈希。
• 没有登录限流，存在暴力破解风险。

代码结构（中）：

• 所有逻辑堆在路由函数里，应拆分为 service 层和 repository 层。
• 校验逻辑与业务逻辑耦合，应抽成独立模块。

健壮性（中）：

• data.get('username') 在 data 为 None 时会抛异常，缺少对非法 JSON 的处理。
• 邮箱正则过于宽松，且未处理 Unicode 邮箱。

性能（低）：

• 使用全局字典存储用户，重启即丢失，应使用数据库。
• 每次请求都编译正则，应预编译。

测试性（中）：

• 路由函数直接操作全局状态，难以编写隔离的单元测试。

整体评分：4/10

4.3 提炼重构方案

拿到审查结果后，让 ChatGPT 输出一份重构方案：

基于你的审查结果，请给出一个重构方案。要求：
1. 保持 Flask 框架不变
2. 拆分为合理的模块结构
3. 引入密码哈希（使用 werkzeug.security）
4. 增加输入校验模块
5. 保持接口行为兼容（返回码和字段名不变）
6. 给出每个文件的职责说明

ChatGPT 会给出类似这样的方案：

项目结构：
├── app.py              # 应用入口与路由
├── services/
│   ├── __init__.py
│   └── user_service.py # 业务逻辑
├── validators/
│   ├── __init__.py
│   └── user_validator.py # 输入校验
└── storage/
    ├── __init__.py
    └── user_store.py   # 数据存储抽象

到这里，「想清楚」的阶段完成。接下来进入「做出来」的阶段——用 Codex 执行重构。

5. 用 Codex 执行重构

5.1 在 Codex 中描述任务

打开 VS Code 的 Codex 面板，输入以下指令：

请按照以下方案重构当前项目：
1. 创建 services/user_service.py，包含注册业务逻辑
2. 创建 validators/user_validator.py，包含用户名、密码、邮箱校验
3. 创建 storage/user_store.py，用内存字典存储用户，但抽象出接口
4. 修改 app.py，只保留路由和 HTTP 层逻辑
5. 密码使用 werkzeug.security 的 generate_password_hash 存储
6. 保持 /register 接口的返回码和字段名不变
7. 处理 request.get_json() 为 None 的情况，返回 400

5.2 Codex 的执行过程

Codex 会逐步执行：

1. 读取当前 app.py 内容。
2. 创建目录结构。
3. 逐个生成新文件。
4. 修改 app.py。
5. 运行语法检查。

最终生成的文件大致如下：

# validators/user_validator.py
import re

EMAIL_RE = re.compile(r'^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$')

def validate_username(username):
    if not username or len(username) < 3:
        raise ValueError('username must be at least 3 characters')

def validate_password(password):
    if not password or len(password) < 8:
        raise ValueError('password must be at least 8 characters')

def validate_email(email):
    if not email or not EMAIL_RE.match(email):
        raise ValueError('invalid email format')

# storage/user_store.py
class UserStore:
    def __init__(self):
        self._users = {}

    def exists(self, username):
        return username in self._users

    def add(self, username, password_hash, email):
        self._users[username] = {
            'password_hash': password_hash,
            'email': email
        }

# services/user_service.py
from werkzeug.security import generate_password_hash
from validators.user_validator import validate_username, validate_password, validate_email
from storage.user_store import UserStore

class UserService:
    def __init__(self, store):
        self.store = store

    def register(self, username, password, email):
        validate_username(username)
        validate_password(password)
        validate_email(email)

        if self.store.exists(username):
            raise ValueError('username exists')

        password_hash = generate_password_hash(password)
        self.store.add(username, password_hash, email)

# app.py
from flask import Flask, request, jsonify
from services.user_service import UserService
from storage.user_store import UserStore

app = Flask(__name__)
user_service = UserService(UserStore())

@app.route('/register', methods=['POST'])
def register():
    data = request.get_json()
    if data is None:
        return jsonify({'error': 'invalid JSON'}), 400

    username = data.get('username')
    password = data.get('password')
    email = data.get('email')

    try:
        user_service.register(username, password, email)
    except ValueError as e:
        if str(e) == 'username exists':
            return jsonify({'error': str(e)}), 409
        return jsonify({'error': str(e)}), 400

    return jsonify({'message': 'ok'}), 201

if __name__ == '__main__':
    app.run(debug=True)

5.3 验证重构结果

重构完成后，让 Codex 运行测试验证：

请运行 python -m py_compile 检查所有 .py 文件语法，然后启动 Flask 应用，
用 curl 测试以下场景：
1. 正常注册，期望 201
2. 缺少字段，期望 400
3. 密码过短，期望 400
4. 邮箱格式错误，期望 400
5. 重复用户名，期望 409
6. 非法 JSON，期望 400

Codex 会执行命令并返回结果。如果某个测试失败，它会自动定位并修复。

6. 补充测试用例

重构之后，代码结构清晰了，但还缺少自动化测试。让 Codex 生成 pytest 测试：

请为当前项目编写 pytest 单元测试，覆盖：
1. UserService.register 的成功与失败路径
2. UserStore 的基本操作
3. validators 的边界情况（空值、超长、特殊字符）
4. 使用 pytest fixture 隔离测试数据

Codex 会生成类似下面的测试文件：

# test_user_service.py
import pytest
from services.user_service import UserService
from storage.user_store import UserStore

@pytest.fixture
def service():
    return UserService(UserStore())

def test_register_success(service):
    service.register('alice', 'password123', 'alice@example.com')

def test_register_duplicate_username(service):
    service.register('alice', 'password123', 'alice@example.com')
    with pytest.raises(ValueError):
        service.register('alice', 'password456', 'alice2@example.com')

def test_register_short_password(service):
    with pytest.raises(ValueError):
        service.register('bob', 'short', 'bob@example.com')

def test_register_invalid_email(service):
    with pytest.raises(ValueError):
        service.register('carol', 'password123', 'not-an-email')

然后运行：

请运行 pytest -v，如果失败请修复。

7. 完整工作流总结

把上面的过程提炼成一套可复用的工作流：

7.1 分工原则

• ChatGPT 负责：审查、方案设计、解释复杂逻辑、权衡取舍。
• Codex 负责：创建文件、批量修改、运行命令、跑测试、修语法错误。

7.2 关键技巧

1. Prompt 要具体：给 ChatGPT 的审查维度越明确，输出越有价值。
2. 方案先行：先让 ChatGPT 出方案，再让 Codex 执行，避免 Codex 盲目乱改。
3. 保持接口兼容：重构时明确要求「返回码和字段名不变」，降低回归风险。
4. 测试兜底：重构后立即补测试，用 pytest 验证行为没有变化。

8. 注意事项与避坑指南

8.1 安全边界

• 不要上传敏感代码：包含密钥、内部 IP、客户数据的代码，不要直接粘贴给 ChatGPT。
• 审查 Codex 的改动：AI 生成的代码也要人工 review，尤其是涉及权限、支付、数据删除的逻辑。
• 密码哈希务必用成熟库：不要自己写哈希算法，用 werkzeug.security、bcrypt 或 argon2。

8.2 常见坑

1. Codex 改过头：有时 Codex 会「顺手」重构你没要求改的代码。建议在指令中明确「只修改我指定的文件」。
2. ChatGPT 建议过时：AI 的知识有截止日期，涉及框架新特性时，以官方文档为准。
3. 正则性能：把正则表达式预编译为模块级常量，避免每次请求重新编译。
4. 全局状态：内存字典存储只适合演示，生产环境务必换数据库。

8.3 版本管理

在让 Codex 动手前，先提交一次 Git：

git init
git add .
git commit -m "before refactor"

这样如果重构出问题，可以随时回滚。

9. 结语

ChatGPT Plus / Pro + Codex 的组合，不是简单的「两个 AI 工具叠加」，而是一套「思考 + 执行」的协作范式。ChatGPT 帮你把问题想清楚，Codex 帮你把方案落地，两者配合能显著提升代码审查和重构的效率。

这套工作流的核心不是工具本身，而是流程设计：审查 → 方案 → 执行 → 验证 → 测试。把这五个环节固化下来，无论未来工具怎么升级，你都能快速适应。

希望这篇文章能给你带来启发。如果你有更好的实践，欢迎在评论区交流。