28天AI Coding挑战 Day 11，今天我学习的是：怎样让Codex和Claude Code在同一个任务里协同，让两个AI各做擅长的事，而不是把它们当成彼此替代的聊天窗口。 今天的学习里，Codex更适合先把模糊需求聊透、拆成步骤、生成一份可执行的提示词；Claude Code接到明确任务后，进入项目目录读取文件、修改内容、运行检查，并把结果交回来。用PPT优化举例，就是先由Codex梳理“要改什么、怎么改、验收看什么”，再让Claude Code真正去完成操作。 这让我重新想了想自己做数据分析时的卡点。很多需求一开始都不完整：业务方说“看一下增长为什么变慢”，背后可能同时牵涉口径、数据质量、分群和呈现方式。如果直接把一句模糊描述丢给执行型工具，得到的结果往往也很泛。先把问题、限制和判断标准写清楚，再进入执行，工作流会稳定很多。 我给自己记下了一个很实用的提问顺序：先说明目标受众和最终交付物，再补充已有材料、不能触碰的限制，以及什么结果算完成。这样生成出来的提示词不只是“让AI干活”，更像一张能和自己、也能和工具对齐的任务单。 我目前理解的分工是：AI可以帮我整理需求、生成初稿、处理重复操作和检查遗漏；但指标定义是否合理、异常是否可信、结论能否支持业务决策，仍然需要分析师负责。工具能加快“做”，不能替代“判断”。 接下来我想用一个真实的小任务试试这套分工：先让Codex协助梳理一页经营分析PPT的优化清单，再由Claude Code执行修改，最后逐项核对数据口径、图表表达和结论是否一致。📝 #28天AICoding挑战 #资深数据分析师 #AI工作流 #Codex #Claude