AllWorkin / Articles / 2026.07.04

写代码该放手到哪一档:Cursor、Claude Code、Codex 3个工具实测

海外在吵"Agent自主权六个等级",其实落到 Cursor、Claude Code、Codex 上就3档:每步问你、给任务自己跑、设目标自己跑到完。这篇把对应开关和什么时候该收该放都列全了,抄配置就能用。

2026.07.04约 7 分钟#Codex#Claude#Cursor#Agent

最近海外圈子里在讨论一篇讲 Agent 自主权分级的长文,搞了一套六个等级、两根轴的复杂框架,读完感觉挺唬人。先花两分钟讲清楚这套框架是什么,再说点更实际的:Cursor、Claude Code、Codex 里到底有哪些“放手程度”的开关,什么时候该收,什么时候能放。

原文那六个等级,到底在说什么

原文说这六级容易被人当成一根梯子从下往上爬,但其实是两根不同的轴:一根管“一个 Agent 能离你多远”(低/中/高),一根管“你同时协调多个 Agent 的能力”(单线程/多线程隔离/编排调度)。六个等级把这两根轴糅在了一起:

  • Level 0 辅助:Agent 只提建议,做不做你说了算,像自动补全
  • Level 1 监督执行:Agent 能改代码、跑命令,但动手前会问你,是大多数人默认的档位
  • Level 2 范围委托:给一个边界清楚的任务,Agent 自己干,你在旁边但基本不插手,验证靠的是测试通过、截图这些“证据”而不是你盯着
  • Level 3 目标驱动:不给具体步骤,只给一个可衡量的目标(比如“首屏时间降到1秒以下”),Agent 自己循环干到达标为止
  • Level 4 并行委托:多个 Agent 同时干活,各自负责一块互不打架,最大的坑是“伪并行”——切分切不干净,几个 Agent 改到同一块地方,活没多干反而多出一堆冲突
  • Level 5 例外管理编排:有个“管理者 Agent”盯着任务队列,自己派活、自己盯进度、自己验收,出问题才升级给人——原文管这个叫“factory”,一个管理者能同时管几百上千个任务

原文说得挺实在:这六级本质是三个阶段——你在开车(0-1级)、Agent 负责一段路你在旁边(2-3级)、编排系统自己开(4-5级)。一天的工作里在这三个阶段之间来回切好几次很正常,不是说升到高级别就不用回低级别了。

道理是这个道理,但六个等级记起来太累。落到 Cursor、Claude Code、Codex 这仨工具的真实设置里,其实就三档,机制名字不一样,但道理相通:

一、简单版:每一步都得我点头

这是大部分人默认在用的档位,也是最安全的起点。

  • Cursor:Run Mode 选 Ask,每次工具调用都弹窗等你确认
  • Claude Code:default 权限模式,每种工具第一次用都会问你
  • Codex:sandbox_mode = read-only + approval_policy = untrusted,只读,改动和联网全部拦下来问你

什么时候用这一档:改的是核心链路、判断力还没建立、或者一个工具刚上手不知道它会干出什么事。代价是慢,好处是出了问题成本几乎为零,随时能撤。

这一档最大的坑是“审批疲劳”——点头点多了,所有弹窗看起来都一样,你会开始不假思索地全部同意。真正在管风险的不是“弹窗”本身,是你有没有认真看一眼。

二、更好版:给它一个任务,让它自己跑完

这是我自己日常写代码用得最多的档位,Cursor 甚至把它设成了默认档。

  • Cursor:Auto-review(3.6 版起的默认档),白名单里的命令直接放行,能沙箱化的进沙箱跑,剩下的交给一个分类器 Agent 判断放行/换个办法/问你
  • Claude Code:acceptEdits 模式,文件编辑和 mkdir、mv、cp 这类常见文件操作自动通过,别的仍然会问
  • Codex:sandbox_mode = workspace-write + approval_policy = on-request,能在工作目录里读写,越权动作(比如联网)触发时才问你;再配合 Auto-review(Codex 里叫 guardian approval),把“要不要批准”这个动作也交给一个独立的审查 Agent,不用你亲自看每一条

什么时候用这一档: 任务边界清楚(改一个 Bug、加一个小功能),有测试能验证结果,你人还在但不用盯着每一步。这是目前“效率和风险”平衡最好的一档,也是我大部分时间待着的地方。

要注意 Claude Code 的 auto 模式(分类器审核一切)官方标的是“研究预览版”,还不算完全成熟,别急着当默认档用在生产代码上。

三、Loop 版:设个目标,让它自己跑到完成

这一档是真正的“放手”,也是这次英文长文里说的“编排”那个维度——不只是单个任务放手,是让系统自己判断该做什么、什么时候算完。

  • Codex 的 Goal Mode(/goal,今年已转正,不再是实验功能):给一个可验证的完成条件(“这批测试全绿”、“这个页面首屏时间降到1秒以下”),Codex 自己规划-执行-测试-复查,循环到达标或者卡住为止,官方说法是能连续跑几十上百小时
  • Codex 的 Worktree + Automations:多个 Agent 各自开一个独立工作目录,跑同一个仓库互不打架;再配合 .codex/automations/ 里的定时任务,做成“后台常驻”的循环
  • Claude Code 这边对应的是 /goal、/loop、/schedule 这几个命令,加上 subagent 的 background 字段,能让子任务在后台跑,不占主线程

什么时候用这一档:成功条件能写清楚、能自动验证,而且回滚成本低(有干净的测试和版本控制兜底)。原文里举的例子很实在:一个有完善测试和可回滚路径的支付模块重构,可以支撑很高的自主权;一个没有任何“标准答案”的文档自动化任务,反而不行——自主权该跟着“能不能验证”走,不是跟着“这个任务名字听起来简不简单”走。

选型对照表

你现在的情况 建议档位
改动大、判断力还没建立、工具刚上手 简单版(Ask / default / read-only)
任务边界清楚,有测试兜底,人还在但不用盯 更好版(Auto-review / acceptEdits / workspace-write)
成功条件可验证,回滚成本低 Loop 版(Goal Mode / /goal /loop / worktree)
没有测试、没有“标准答案”能核对结果 不管什么档位都先退回简单版

四条别踩的坑

原文提的四个反模式,放到这仨工具上翻译一下:

  1. 把自主权当炫耀的勋章:跟人说“我全开 Run Everything”不代表能力强,代表你可能压根没配验证。该在哪一档就在哪一档。
  2. 审批疲劳导致权限乱开:图省事把 Codex 设成 approval_policy = never 图一时清净,是拿“从此不问”换“出事全靠自己兜底”。
  3. 拿 Agent 的总结代替真正审查:Agent 说“已完成,测试通过”不算完,得看真实的 diff、日志、测试结果——这也是为什么 Codex 和 Cursor 都专门做了独立的 Auto-review 审查 Agent,而不是让写代码的 Agent 自己给自己打分。
  4. 一堆 Agent 并行,人工手动对齐所有依赖:开了三个 Worktree 但自己在脑子里记哪个改了哪个文件,本质还是单线程,只是累了自己。

我的判断

写这篇之前,我自己配的写作 Skill 昨天刚触发了一次“连败熔断”(连续 3 篇阅读量不到 100,规则自动拦下让我先复盘)——这本身就是“验证机制在起作用”的一个真实例子:不是 Skill 判断力有多强,是它老老实实核对了数据再喊停,而不是自己写个总结说“这篇写得不错”就糊弄过去。

三个工具的自主权开关说到底都在回答同一个问题:多快能发现错了、多干净能撤回去、拿什么证明它是对的。 六个等级的名字记不住没关系,想清楚这三点,档位怎么调就是常识判断。

参考链接

AI工具实战派

觉得有用?每周的新笔记先发公众号。

每周的实战笔记先发在这里。扫码关注,新文章第一时间推给你。

关注 / 加入社群 →