先配对后委托

产品侧：活在未来，但别太远

• Codex 第一版（Codex Cloud）直接做了终局形态：云端自带计算机、可大规模并行、纯异步委托。问题：环境配置门槛高（要给模型配好验证工具链）、用户必须学会全新的 prompt 方式——"就像雇了个队友但永远不许和他开电话会，只能异步来回"。
• 解锁增长的动作是退半步：以 IDE 扩展 / CLI 的形态在用户本机交互式工作，跑在沙箱里但天然拥有用户的全部依赖，命令跑不了就现场问用户。用户从第一天就进入强反馈回路。
• 关键机制：交互式使用的副产品就是在配置 agent（口令、权限、习惯逐步沉淀），让用户后期自然过渡到异步委托——先结对，再放手。
• 教训背景：OpenAI 内部 dogfood 信号失真——研究员天天训练推理模型，习惯"想清楚→大规模并行→异步回收"，大众市场完全不是这样。dogfood 仍重要，但要按受众折算。

用户侧：像带新队友一样建立信任

• 评估 coding agent 的正确方式是给它你真实的最难任务（如查不出来的 bug），而不是把任务降级成玩具 vibe coding；但一次只给一个任务/问题。
• 渐进路径：先让它讲解代码库 → 一起对齐方案/写 plan → 再分块委托。用的过程中自然学会它的 prompt 脾性。