Claudex Loop：讓兩個AI互相抓錯
社群影片講的 Claudex Loop 不是新模型，也不是把 ChatGPT 聊天室接進 Claude，而是一套 MIT 開源的 AI coding workflow。它串起 Claude Code 與 OpenAI Codex CLI，先由目前的主模型研究需求、訪談使用者並產生 PLAN.md，再交給另一家模型做 adversarial review；計畫通過後才進入實作，最後由沒有寫這段程式的模型檢查 diff。實際可完成需求釐清、技術規劃、跨模型反覆修正、程式實作與最終檢查，重點是「寫的人不替自己打分數」。
現實應用
這套流程適合新產品、資料庫遷移、登入與付款、排程、多人協作等「一開始想錯，後面會重做很多」的開發工作。獨立開發者可以拿它補第二位工程師，團隊則可在正式 code review 前先抓規格矛盾、遺漏的 edge case、競態條件與驗收標準。小幅改字、一次性腳本就不太划算，因為兩個模型來回會增加時間及使用額度。
期望評估
低標來看，我認為至少能得到一份結構更完整的計畫、明確的 acceptance checks，以及留在 PLAN-REVIEW-LOG.md 的異議與處理紀錄。即使第二個模型沒找到真正的 bug，也能逼主模型說清楚假設。
高標來看，我猜它能在動工前攔下架構、權限或資料一致性問題，減少做到一半才翻修的成本。不過作者展示中抓到大量問題只是個案，專案 README 也明講尚非受控 benchmark；兩個 AI 達成 APPROVED 不等於程式正確，更不能取代測試、安全稽核與人工判斷。
商業策略分析
受影響的不只是 Claude Code、Codex、Cursor 這類 coding agent，也包括傳統自動 code review 服務。它透露的方向是：模型能力逐漸接近後，產品差異會轉向角色分工、權限隔離、驗證紀錄與人類核准流程，而不是只比單次回答。
我認為值得開發團隊跟進，但先放在高風險功能試跑，不必全面套用。真正有商業價值的是降低返工與漏錯率；代價則是雙份模型用量、等待時間，以及私有程式碼會被兩個供應商處理。企業導入前仍要確認資料政策、MCP 權限與費用上限。
實作細節
完整流程需要 Claude Code、Codex CLI 與 Python 3.10+，兩套 CLI 都要先完成登入，不另需專用 API key。Claude Code 內可執行：
/plugin marketplace add chaseai-yt/claudex-loop/plugin install claudex-loop@claudex-loop
安裝後以 /claudex-loop:claudex-loop 啟動；也能從 Codex 手動安裝 Skill，並用 builder=claude 或 builder=codex 指定實作者。計畫審查預設最多五輪，build fix 與最終 inspection 也有輪數上限。
已知限制是 read-only 只約束 reviewer 的專案工具，具寫入能力的外部 MCP 仍可能產生副作用；診斷檔也可能包含私有程式碼。官方建議先稽核工具權限，而且不要把模型 verdict 當成測試證明。