--- title: '为 grill-me skill 加上 Codex 迭代审查:堵住 Claude Code 自我评分的盲区' video_id: ENCRw5-uJBA url: https://youtu.be/ENCRw5-uJBA title_en: "I Updated /grill-me And Solved Claude Code" channel: Chase AI published: 2026-06-05 duration: "12:39" topics: [Claude Code 定制扩展, 多 Agent 协作, Agent 工程] noted: 2026-07-08 value: A views: '1.5万' --- [![封面](https://i.ytimg.com/vi/ENCRw5-uJBA/maxresdefault.jpg)](https://youtu.be/ENCRw5-uJBA) > Chase AI · 12:39 · 发布 2026-06-05 · 1.5万次观看(截至抓取) · [观看原视频](https://youtu.be/ENCRw5-uJBA) ## 主旨 在 Matt Pocock 的 grill-me / grill-with-docs 系列 plan-mode-on-steroids 之上,接一个由 Codex 驱动、跨最多 5 轮迭代的对抗性代码审查 skill,让 Claude Code 产出的计划在落地前被第二个模型系统性地抓出安全与正确性漏洞,把"自我评分永远 A+"那段墙堵上。 ## 核心论点 1. **plan mode 与 grill-me 只解决"想清楚要做的事",无法解决"做出来的东西对不对"** ——单模型既是作者又是评委,自我评判天然偏向自己的产出,需要中立第三方填这道缝。([[#1-claude-code-自我评分的盲区plan-mode-之外的下一道墙-0002|→ 详解1]]) 2. **grill-me 的本质是"plan mode on steroids":问得深、问到用户也说不清为止** ——它和 grill-with-docs 是同方向的两支,前者追问意图,后者追问文档与代码细节。([[#2-grill-me-codex-的工作架构plan-mode-on-steroids--codex-迭代审查-0124|→ 详解2]]) 3. **Codex 审查的关键不是"让 Codex 看一眼",而是多轮迭代 + 共享 session 上下文,让 Codex 能回头验证 Claude Code 的"修法"是否真把问题解决** ——可追溯的 plan review log 是这套机制成立的基础。([[#3-demo邮件收集门禁从-plan-到-codex-签批的全流程-0603|→ 详解3]]) 4. **demo 抓出的几类问题——边界校验、异步时序、看起来修了实则没修的"假 fix"——是 vibe coder 最常被第二只眼睛戳穿的典型盲区** ——走流程就能把这些洞拦在执行前,比执行完再调试省掉一整轮试错成本。([[#4-可换电池的-codex-与可移植的双模型对抗模式-1145|→ 详解4]]) 5. **Codex 在这套 skill 里是"可换电池":本地模型、DeepSeek、其他可调用模型都能平替** ——真正可移植的是"双模型对抗"这个模式,不是 Codex 这个具体实现。(→ 详解5) ## 知识点详解 ### 1. Claude Code 自我评分的盲区:plan mode 之外的下一道墙 [00:02](https://youtu.be/ENCRw5-uJBA?t=2) 视频开篇点题——"Plan mode is not enough"。所有 plan-mode-on-steroids 工具,包括 Matt Pocock 的 grill-me、GSD、Superpowers,以及更深一层的 grill-me-codex 自身,都只盯着用户与 Claude Code 之间的那道缝:把你脑子里那个说不清的需求,逼成 Claude Code 可以照着干的具体方案。 但中间那道缝——Claude Code 产出的方案与"真正该有的代码"之间——从来没有人填。对非技术用户来说,这是最要命的一段:即使你跟 Claude Code 完全对上了需求,出来的也可能是垃圾、也可能是精品,你没有能力分辨([00:37](https://youtu.be/ENCRw5-uJBA?t=37)"if you do not come from a technical background, you don't actually know if what Claude wrote actually makes sense")。 根因是 Claude Code 自我评分的天然偏差。Anthropic 自己承认,Claude Code"very nice and talks very well about the code it has written"([03:37](https://youtu.be/ENCRw5-uJBA?t=217))。让它给自己的产出打分,得到的是"Oh, yeah, sick, A+"([03:40](https://youtu.be/ENCRw5-uJBA?t=220))。视频里原话:"Are they like a reliable narrator and a reliable evaluator in this case? No, they're not."([03:45](https://youtu.be/ENCRw5-uJBA?t=225)) 作者把这个无人填补的空隙画成"Claude Code 与 quote-unquote optimal code"之间的 gap([03:56](https://youtu.be/ENCRw5-uJBA?t=236))。gpt / GSD / Superpowers 把"用户-模型"那道 gap 关了一半(用户-需求),grill-me / grill-me-codex 把"用户-需求"再关一半(用户说清)。剩下那半——"需求-最优实现"——没有任何 plan-mode 工具单独能解。 ### 2. grill-me-codex 的工作架构:plan-mode-on-steroids + Codex 迭代审查 [01:24](https://youtu.be/ENCRw5-uJBA?t=84) 新 skill 的全名是 grill-me-codex 与 grill-with-docs-codex,明确"built on the backs of what Matt Pocock gives us"([01:24](https://youtu.be/ENCRw5-uJBA?t=84))——是 Matt Pocock grill-me / grill-with-docs 的下游增强,不是替代。 第一阶段完全沿用原版 grill-me。作者形容 grill-me 与 grill-with-docs 本质是"plan mode on steroids"([01:40](https://youtu.be/ENCRw5-uJBA?t=100)),区别在于"the questions it asks are deeper"([01:46](https://youtu.be/ENCRw5-uJBA?t=106))。它逼用户回答真正想做什么,而不是接受表层描述([02:37](https://youtu.be/ENCRw5-uJBA?t=157)"you have an idea, you can't articulate it, we're going to go back and forth, we're going to get on the same page")。每个问题都附潜在答案 + 推荐答案 + 理由([07:16](https://youtu.be/ENCRw5-uJBA?t=436)"It also gives its recommendation and why"),让用户即便没想清楚也能照着推荐走。这第一阶段收口成一份"a plan that you actually understand"([01:16](https://youtu.be/ENCRw5-uJBA?t=76))的 plan.md。 第二阶段是新增的关键。Codex 以中立第三方身份入场:计划定稿后,"after you and Claude Code have gotten on the same page, Codex comes in and says, 'Hey, that makes sense, that doesn't, fix this, fix that'"([02:19](https://youtu.be/ENCRw5-uJBA?t=139))。Claude Code 修一轮,Codex 再看一轮,反复多轮——"this code review is iterative"([00:55](https://youtu.be/ENCRw5-uJBA?t=55))。 两段加起来形成"两幕":[04:17](https://youtu.be/ENCRw5-uJBA?t=257)"the first half is exactly the same as girl me"。第一幕把人和模型对上需求(plan mode 的事),第二幕用第二个模型把方案和实现对上(plan mode 不管的事)。多轮收口有上限,默认 5 轮([04:43](https://youtu.be/ENCRw5-uJBA?t=283)"maxes out at five turns";"it's going to have five back and forth"([04:48](https://youtu.be/ENCRw5-uJBA?t=288))),但用户随时可改。 多轮之所以成立,关键在 Codex 是 headless 跑、且把 session ID 传过去——"while it is headless, we still give Codex the session ID. So, it's not like it's a completely blank slate on Codex's part on like iteration one versus iteration two versus iteration three. It always has memory of the entire back and forth with Claude Code."([08:56](https://youtu.be/ENCRw5-uJBA?t=536))这意味着 Codex 第二轮不是重新读 plan.md 找新洞,而是记得第一轮指出的 11 件事、记得 Claude Code 怎么改的、记得哪些改法它接受哪些它没接受,可以直接问"你第一轮说这是个问题,这一轮的修法真的把问题解了吗?"。 所有来回落在两份文件上:plan.md 是最终交付,plan review log 是往返记录("the back and forth, and where the sausage is actually made")([08:16](https://youtu.be/ENCRw5-uJBA?t=496))。日志可追溯、可复盘,而不是事后只能从聊天记录里捞。 ### 3. Demo:邮件收集门禁从 plan 到 Codex 签批的全流程 [06:03](https://youtu.be/ENCRw5-uJBA?t=363) demo 的任务是在作者自己 AI agency 的网站上加一个新页面([06:03](https://youtu.be/ENCRw5-uJBA?t=363)"this is the website for my AI agency"),让访客填邮箱后才能下载一份独家 skill([05:58](https://youtu.be/ENCRw5-uJBA?t=358)+[06:05](https://youtu.be/ENCRw5-uJBA?t=365))。页面本身不难,但要嵌入现有代码库(已有数据库),不是凭空造一个独立 feature。 Grill-me 阶段跑 10 个问题,把模糊需求逼成清晰 plan.md([07:53](https://youtu.be/ENCRw5-uJBA?t=473)"we ended up going through 10 questions on the GrillMe side")。每个问题都像"这个 gate 是装饰性还是强制校验"、"asset 存哪、用什么格式",用户照着推荐答案答完。视频没展示全部问题,但强调节奏:"anytime it asks you a question, it gives you some potential answers. It also gives its recommendation and why"。 计划落定,进入 Codex 阶段。"this is where Claude Code and Codex are going to go at it"([08:16](https://youtu.be/ENCRw5-uJBA?t=496))。Codex 先看一遍 plan.md,标出问题,丢进 plan review log。Claude Code 看到问题后改 plan.md,改完通知 Codex 再看。 三轮往返的具体结果:第一轮 Codex 找出 11 个 issue,Claude Code 接受了它认为合理的并更新 plan;第二轮 Codex 再找 4 个;第三轮 verdict = approved([09:33](https://youtu.be/ENCRw5-uJBA?t=573)),但还剩 3 个 non-blocker 级的 knits([09:42](https://youtu.be/ENCRw5-uJBA?t=582))——可放行,不算阻塞。 第一轮抓出的具体问题(类别而非具体行号,转录用词原样保留):"unbounded client skill slug, case-sensitive dedupe bypass, relative email link, raw list bombing vector, and a table scanning rate limit"([10:00](https://youtu.be/ENCRw5-uJBA?t=600)+[10:06](https://youtu.be/ENCRw5-uJBA?t=606))。覆盖了:用户输入边界没卡、唯一性校验大小写不一致、邮件链接用相对路径、明文列表被枚举、表扫描没限流。这些都是"看起来对、跑起来才有事"的经典洞。 第二轮抓出的更值得记——"the double opt-in claimed but wasn't wired, the expression index dedupe that Supabase JS can't target, and the await before response that still blocked"([10:26](https://youtu.be/ENCRw5-uJBA?t=626))。三个全是"Claude Code 说自己改了,实际上没真改"的假 fix:双 opt-in 的 UI 写了但逻辑没接、Supabase JS 根本不支持的表达式索引去重、await 还在响应之前——把解锁按钮挪到了响应之后。这些洞,如果是单模型一路写下来,大概率会被它自己"觉得已经处理了"而放过去。Codex 的存在让 Claude Code 没法用"我以为我改了"蒙混过关。 最终交付物是一个被两轮对抗审查磨过的 plan.md,而不是第一版的 11 洞原始方案。视频作者总结:"we caught real security and correctness holes"([10:00](https://youtu.be/ENCRw5-uJBA?t=600))——这是 Codex 阶段换来的可量化收益。 ### 4. 可换电池的 Codex 与可移植的"双模型对抗"模式 [11:45](https://youtu.be/ENCRw5-uJBA?t=705) 视频结尾把"Codex"这个具体名字从系统里拆出来,把它降级为可替换的电池。"This system we've created is also something you could easily swap out for some sort of local model."([11:45](https://youtu.be/ENCRw5-uJBA?t=705)+[11:47](https://youtu.be/ENCRw5-uJBA?t=707))——嫌 OpenAI 20 美元/月贵?换 DeepSeek、本地模型、任何能开 API 的模型都行。"The bones are there. I would just take the skill I've created, bring it inside of Claude Code and say, 'Hey, can we swap out Codex for insert whatever model you're trying to use?' It's really that easy."([11:58](https://youtu.be/ENCRw5-uJBA?t=718)) 这一段其实把整个 skill 的设计哲学讲透了。资产不是"用 Codex 审查"这个动作,而是"两模型对抗"这个模式——把作者自己的模型、Claude Code 自己的模型,跟一个独立第三方模型的判断放在一起,让任何一方都没法用自评了事。具体用 Codex 还是 DeepSeek 还是 Qwen 跑这个第三方,不是骨架。 成本侧的姿态也很明确:"there's no reason you need anything beyond the $20 month open AI plan to get a lot out of this"——作者认为 OpenAI 最低档订阅就足够,不必为这套 skill 升到 Pro 或更贵。Codex CLI 下载配置也很简单,无额外成本。 把这层想清楚,grill-me-codex 的实际价值就不是"又一个 Codex 工具",而是"一种让 vibe coder 也能拿到代码审查的工作流"。模型是变量,工作流是常量。要替换模型,只需在 skill 里改一条命令,不用动两幕结构、plan.md / plan review log 两份文件、5 轮收口这套机制。 ## 可执行步骤 - [ ] 跑 grill-me(原版,Matt Pocock 仓库)先熟悉"问得深"那套节奏,不要直接跳到 grill-me-codex。 - [ ] 跑 grill-me-codex 时,先在第一幕把需求逼清楚——每个问题都看推荐答案 + 理由,不要图快跳过。 - [ ] 给计划设置"看起来修了但没真修"的自检清单:接 UI 写没接逻辑?Supabase/DB 客户端支持不支持这个表达式?await 顺序对不对? - [ ] 如果不想用 Codex,把 skill 里调 Codex 的命令换成自己本地模型 / 其他可调用模型的 API,保留 5 轮收口和 plan review log 不动。 - [ ] Codex 签字放行后,plan review log 留存——以后出 bug 可以反查哪一轮漏掉了哪类问题,反哺下一轮 grill-me 的提问侧重。 ## 关联 - 互补:[[2026-06-26-17个值得用的Claude Code插件-设计效率与数据三分类]] 指出 Codex plugin 的价值是"对 Claude Code 偏爱自己产出的偏差引入第二只眼睛",本片把这只眼睛的迭代轮次(默认 5 轮)和双文件落盘(plan.md + plan review log)具体化;与本片"在 skill 里直接 swap 模型"的姿势互补——前者是 Claude Code 内的插件,后者是 skill 级的 harness。 - 互补:[[2026-06-24-四步循环工程任何事物（+提示工程为何未死）]] 指出"让同一个 Claude Code 自我评判是危险选择,稳妥做法是引入另一个模型当裁判";本片把"另一个模型怎么进、怎么记、怎么收口"落到了具体的 plan review log 机制上,补全了"评委由谁当、怎么当"那一半。 - 进阶:[[2026-07-02-Fable5五个高杠杆用例]] 提到"用 Codex 交叉检查计划"作为前置调研的一环,本片展示 Codex 不只是交叉检查、而是与 Claude Code 多轮互改的对抗性同伴——是从"单点插入"升级到"多轮 harness"。 - 互补:[[2026-06-15-Omnigent编排多个AI编码助手的元Harness]] 里的 Meta Harness 是跨工具(Claude Code/Codex/Pi)编排;本片的 grill-me-codex 收窄在 Claude Code 内,通过 Codex CLI + headless 接入,作用域更小、不需要 orchestrator agent,适用门槛低得多。 - 复现:[[2026-07-09-Fable 5 四关实测对决 Opus 4.8 与便宜模型：何时付双倍价与六种省 token 法|Fable 5 四关实测对决]] 把本片定义的 Adversarial code review / Self-grading bias 泛化到"任何 ship 前都要 dual review",不限于 code。 - 复现:[[2026-07-09-GPT-5.6 Sol 一条 prompt 端到端跑完一支视频：Ultra 编排、帧级自检与 token 账单拆解|GPT-5.6 Sol 一条 prompt 端到端跑完一支视频]] 用本片定义的 Adversarial code review / Self-grading bias 解释为什么帧级自检需要独立审查而非模型自评。 ## 一手来源与延伸 - [grill-me-codex 仓库](https://github.com/chaseai-yt/grill-me-codex)——视频配套 skill 源码,Grill Me Codex 与 Grill With Docs Codex 在此 - [Matt Pocock skills 仓库](https://github.com/mattpocock/skills)——被本片 build upon 的原始 grill-me / grill-with-docs 源 skill - [Chase AI Masterclass 社区](https://www.skool.com/chase-ai)——视频中提到的付费课程与社区入口,作者用于分发自己的 Claude Code 课程 - [Chase AI 免费社区](https://www.skool.com/chase-ai-community)——description 提到的免费 community 入口 - [作者官网](https://chaseai.io)——视频中提到的工作咨询入口 ## 术语 - grill-me(plan-mode-on-steroids skill:通过深度追问把模糊需求逼成清晰方案,Matt Pocock 出品) - grill-with-docs(grill-me 的孪生版,追问时同步检视项目文档与代码以校准用户表述) - grill-me-codex / grill-with-docs-codex(本片新发布,在 grill-me 之上接 Codex 迭代对抗性审查的下游增强版) - plan review log(grill-me-codex 落盘的对话日志文件,记录 Codex 与 Claude Code 多轮往返的每条 issue + 修法,作为"过程透明"的可追溯物) - headless review with session ID(让 Codex 在 CLI 模式下拿 session ID 跑,保持对前几轮往返的完整记忆,而不是每轮从零重读 plan.md) ## 金句 > "We focus on real use cases and I recently added the Claude OS masterclass there as well." ([05:42](https://youtu.be/ENCRw5-uJBA?t=342)) — 课程推销,跳过。 > "This code review is iterative. Claude code and Codex are going to be talking to one another through multiple rounds to get you to a place where both leading AI tools sign off on your plan." ([00:55](https://youtu.be/ENCRw5-uJBA?t=55)) — 这套 skill 与一般 Codex 调用最大的分野:不是"问一次"而是"来回谈"。 > "Are they like a reliable narrator and a reliable evaluator in this case? No, they're not." ([03:45](https://youtu.be/ENCRw5-uJBA?t=225)) — Anthropic 自己承认 Claude Code 对自己写的代码偏正面,作者据此论证"自我评分不可信、需要第二只眼睛"是结构性事实而非风格问题。 > "It's approved, round three of five. Tells us what the final plan looks like, what the two acts bought us and specifically in terms of act two, which is round one and round two of Codex and Claude code going at it. You know, we caught real security and correctness holes." ([10:00](https://youtu.be/ENCRw5-uJBA?t=600)) — 用"两幕"结构(Grill Me 对需求 / Codex 对方案)对账 demo 的可量化收益。 ## 立场与利益 视频中段插入作者自己的 Chase AI Plus 付费社区和 Claude Code Masterclass 推广(用"a quick word from today's sponsor, me"明示是软广),称这些 skill 配套课程在社区里。Grill-me 本身是 Matt Pocock 出品;grill-me-codex 是作者自己的下游增强,所以他对这套 skill 价值的主张天然带"卖课"动机。 - 与利益同向:作者主张"非技术人也能拿到生产级代码审查"——这正是 Claude Code Masterclass 的目标用户群,主张本身合理但需独立验证(待印证) - 利益中性:plan mode 不够、Claude Code 自我评分不可信、Codex 可被本地模型平替——这些是与作者课程无关、可独立验证的通用结论(按内容本身采信) - 与利益反向:作者明确说"there's no reason you need anything beyond the $20 month open AI plan to get a lot of this"——这套 skill 的门槛低到不必升级订阅,对作者卖高阶套餐的动机反向(可信度较高,单独标出) 利益证据:description 里带 skool.com 课程入口(https://www.skool.com/chase-ai)与作者商业咨询入口(https://chaseai.io),但本次 demo 涉及的 skill 直接开源在 GitHub,作者未在视频内索要额外订阅或隐藏关键内容。 ## 价值定位 - 适合谁:已经在用 Claude Code、做需要被审查产出的项目(尤其是非技术背景、不具备独立审 plan / 审 code 能力的 vibe coder);已经在用 grill-me 并对"自己用 grill-me 觉得 plan 已经很完整但执行总出错"感到困惑的人,会从本片获得最直接答案。 - 解决什么:具体场景——你在做涉及用户输入、数据库、外部服务、邮件/认证之类的项目,需要一份"经过第二只眼睛"才能放心的 plan.md;不想每次都自己拉一个工程师朋友帮忙看,但又不能接受"让 Claude Code 自己审自己"。 - 认知 vs 实操:认知上,把"plan mode 不够"升级为"plan mode 之外还缺一段审查"——这是作者把 grill-me / GSD / Superpowers 这些工具集体放回场景后才看清的结构;实操上,grill-me-codex 仓库和 Matt Pocock 的原始 skill 都在 GitHub,装上就能跑,门槛低于买课。 - 与 [[2026-06-24-四步循环工程任何事物（+提示工程为何未死）]] 重叠:该笔记已经提过"用另一个模型当裁判"作为循环工程中模糊标准场景的解决方案;本片独有的是把"多轮对抗 + 共享 session + 两文件落盘"这套具体机制搬进 Claude Code skill,而不是停留在"应当引入第二个模型"的口号层面。 ## 自检问题 1. 视频里说"Plan mode is not enough",具体多了哪一段 plan mode 解决不了的问题? **答案**:用户与 Claude Code 对完需求之后,Claude Code 产出的方案与"真正该有的代码"之间那段空隙——单模型既是作者又是评委,自我评判天然偏向自己的产出,见"详解1"。 2. grill-me-codex 与原版 grill-me 的关键新增是什么? **答案**:在 grill-me 把需求逼清楚之后,接入 Codex 做多轮迭代对抗性审查,并把往返全程记录在 plan review log 里,见"详解2"。 3. demo 里 Codex 抓出的"第二轮假 fix"具体是哪几类?为什么这类洞特别值得单独标出? **答案**:双 opt-in 写了 UI 没接逻辑、Supabase JS 不支持的表达式索引去重、await 顺序依然错——都是"看起来修了实则没修"的修复,单模型自评很容易放过去,见"详解3"([10:26](https://youtu.be/ENCRw5-uJBA?t=626))。 4. Codex 在这套 skill 里是可换的"电池",具体哪些模型可被平替? **答案**:本地模型、DeepSeek、其他任何可调用模型都能平替,关键在保留"两模型对抗"模式和 5 轮收口 + plan review log 落盘机制,见"详解4"。 5. 为什么作者强调 Codex 是 headless 跑且要传 session ID? **答案**:headless 让 Codex 跑在 CLI 而非 GUI,传 session ID 让 Codex 第二轮仍然记得第一轮的 issue + Claude Code 的修法,可以直接判断"修法是否真解决问题",而不是每轮从 plan.md 重新找新洞,见"详解2"([08:56](https://youtu.be/ENCRw5-uJBA?t=536))。