OpenAI的软件工厂:Codex接管后,软件工程不存在了

Gergely Orosz 又去了一趟 OpenAI 总部。回来后在 The Pragmatic Engineer 上发了一篇深度报道，标题叫《Inside OpenAI's agentic software factory》。

他和七位 OpenAI 的工程师及工程负责人聊了聊：应用基础设施 VP Venkat Venkataramani、ChatGPT 工程负责人 Sulman Choudhry、桌面端负责人 Andrew Ambrosino、核心代理团队负责人 Joe Gershenson、生产力团队工程负责人 Akshay Nathan，还有两位工程师 Ahmed Ibrahim 和 Steve Coffey。

核心信息就一句：Codex 已经从"锦上添花"的工具，变成了这家公司的事实基础设施。

非工程师先"叛变"了

OpenAI 内部的使用数据很有意思。四个月内，财务、招聘、法务这些非工程部门对 Codex 的使用率从接近 0% 涨到了 90%。

时间线是这样的：Codex Mac 版 2 月发布，Windows 版 3 月，ChatGPT Work（底层是 Codex harness）7 月上线。在 Mac 版发布后的头两个月，界面还很"程序员友好"，屏幕上直接显示代码。但非技术同事照样用，拿来做研究、做 PPT、写表格。他们不在乎代码，在乎结果。到 Codex 在非工程团队达到近 40% 采用率的时候，界面都没改过。

真正的转折发生在 4 月到 5 月。OpenAI 在 Codex 里加了 /goal 功能：设一个目标，代理会一直干到完成为止。这期间使用率从 60% 跳到 90%。

桌面端负责人 Andrew Ambrosino 观察到一个有意思的变化：人们开始在一个线程上花很长时间，甚至好几天。设一个目标，然后让模型自己跑。长任务跑起来之后，代理经常会自动派生子代理去处理其他事情，人需要同时管理的表面区域反而变小了。

生产力团队工程负责人 Akshay Nathan 用一个概念解释了这个现象。他说之前是"capability overhang"：模型能力够了，但产品没跟上，发挥不出来。现在反过来了，变成"awareness overhang"：产品已经够好，但很多人还不知道能用它干什么。有人发现了能用 Codex 监控 Slack、更新 Airtable、做入职材料，但更多人还是只用它完成一个任务就关了，然后靠同事口口相传才学会新用法。

还有一个加速因素：每个团队开始把自己好用的工作流打包成插件分发。Ambrosino 说得很直接："如果你做一个什么都能干的产品，团队需要一种方式把它变成自己的。不能给每个人一个空盒子。"

现在 OpenAI 新工程师入职，会被引导去问 Codex，因为它掌握的上下文量多得吓人。Codex 内部版本接入了几乎所有 OpenAI 系统——Git、Slack、Notion、Databricks、Datadog，全通。OpenAI 把所有文档都搬进了源码库，代理能读到的上下文远比任何人类工程师多。

一个很微妙的细节：Codex 一些内部 skills 的维护者就是 Codex 自己——蛇吃自己尾巴。内部版本比外部版本先进得多，因为它深度接入了公司所有系统，这和 Ramp 做 Inspect AI 的思路一样，深度集成比通用能力更重要。

依赖程度到了什么地步？一个小故障出现，同事的 Slack 消息往往比自动化告警还快。工作几乎只通过 Codex 和 ChatGPT Work 进行。两年前还没有 AI 代理，只有高级的 AI 自动补全。

IDE 和 PR 都在退场

去年底，Codex 团队还在犹豫要不要发桌面应用。Ambrosino 当时的担心很具体：终端有 Codex CLI，IDE 有各种功能齐全的选择，中间还能塞下什么？他拿 iPad 打比方——很多人买了 iPad 然后吃灰，要么用更便携的手机（相当于 CLI），要么用功能齐全的笔记本（相当于 IDE）。

11 月 Antigravity 作为 VS Code 的 fork 刚出来的时候，这个怀疑加深了。团队内部也有声音说，要不我们也 fork VS Code 算了。但他们最后赌了一把：AI 代理越强，IDE 越不重要。

赌对了。今年 1 月之后，IDE 用量一路下滑。Codex 桌面端后来也加了一些 IDE 特性，6 月上线了应用内文件编辑，但方向已经定了。

PR 的情况更剧烈。Venkat Venkataramani 说，每个工程师产生的 PR 数量呈曲棍球棒式增长，CI/CD 系统负载大约涨了 10 倍，而这个过程只用了 6 个月。大多数公司经历这个量级的增长需要两三年。

"每个月都会遇到一组新的基础设施瓶颈。刚以为容量够了，模型又解锁了新能力，瓶颈出现在另一个地方。"

他们的应对方式不是硬扛，而是直接重新思考 PR 和代码审查还该不该这样搞。Venkat 说得很直接："今天做代码审查的方式越来越没道理了，PR 也一样。"

现在 OpenAI 用多个代理并行审查代码，每个代理扮演一个领域专家——云基础设施工程师、安全工程师分别看各自领域。这在以前根本不现实。变更按风险分级，低风险 PR 可由代理自动批准，不用等人。只有高风险变更才强制要求人类参与。

Gergely 在文章里坦承了一个疑虑：他一开始对"领域专家代理"的说法是怀疑的——一个被告知"你是云基础设施专家"的代理，和通用代理审出来的结果真会不一样？后来他想通了：这些代理有 OpenAI 全部代码和文档的访问权限，它们各自聚焦自己的领域，在有限的上下文窗口内做到精深的审查。

软件工厂怎么运转

Orosz 把这套体系叫做"agentic software factory"。类比制造业里的"黑暗工厂"：全自动化到不需要开灯，因为没有人。

整条流水线是这么跑的：

定义目标。 工程师或产品经理描述问题和期望结果。Venkat 提到一个关键观察：工程师正在变得更像产品经理，判断力、优先级和品味比写代码本身更重要。

收集上下文。 Codex 接入 Git、Slack、Notion、Databricks、Datadog、内部日志等一切数据源。文档全在代码里，代理能看到的远超任何人脑能承载的。

实现代码。 Codex 做一系列代码改动直到达成目标，验证软件能正常工作。

构建、测试、CI。 代理构建代码、跑测试、修失败、提 PR。它守在 PR 旁边直到变绿，自动修 CI 失败、更新 PR。还有一个 perf harness，把可能有性能问题的 PR 送去做 A/B 评估。

代理代码审查。 多个领域专家代理并行审查，按风险分级。代码产出速度太快，人根本审不过来。

代理部署。 每个变更分配专属代理，任务可以概括为"护送这个变更安全上线"。代理会自己读代码、找 feature flag、决定哪些信号代表成功或失败、自己构建监控面板。以前工程师手动建面板监控服务，现在代理按每次部署的粒度来做。OpenAI 的长期目标是做一个"per-change autonomous SRE"。

Perf Factory。 自动化性能工厂：代理扫描告警、去重、识别真实延迟回归、定位根因、提出修复。把工作流从部署延伸到了持续优化。

Sevbot。 内部事件响应代理。事故发生时，它收集上下文、提供缓解建议、回答提问，但不会自己动手执行操作。OpenAI 的梦想是让 Sevbot 自主处理夜间例行事故，不再把人叫醒。不过目前，oncall 还没有被淘汰。

最扎眼的瓶颈：App Store

所有环节都在加速，只有一处还在堵车：苹果和谷歌的应用商店审核。

ChatGPT 工程负责人 Sulman Choudhry 之前在 Facebook 干过。他说 2010 年代的 Facebook 靠 feature flag 把移动端发版从月度压到双周、再到周度。代码可以提前写好藏着，远程打开。

现在 Codex 写代码只需要几分钟，把代码送到用户手机上要等好几天。

"如果软件几分钟就能写出来，等几天才能上架到手机，这个矛盾会越来越荒谬。"

一个容易被忽略的事实：2008 年 App Store 上线，18 年过去了，应用审核几乎没有变化。苹果仍然不允许应用绕过审核流程发布有意义的体验改动。

工程岗位也在变

Orosz 采访的七位工程师和负责人都提到了同一个趋势：工程专业化分工在模糊，判断力和主动性比写代码本身重要得多。以前看起来"不可能完成"的重写和迁移，现在一两个工程师加一个代理就能搞定。

还有一个组织变化。OpenAI 把领域专家嵌入了 ChatGPT Work 的工程团队。原因是模型在幻灯片设计、财务报表这些领域的"品味"已经超过了开发者——开发者自己判断不了输出好不好，需要真人专家来把关，告诉工程师什么才算一份好的汇报材料、好的财务报表。Gergely 在文章里忍不住补了一句：这其实是个几十年历史的老最佳实践，每隔几年就在不同语境下被重新发现一次。

几组数据

OpenAI 在 2026 年 6 月发了一篇经济研究论文，给内部使用画了更精确的画像：

• 到 2026 年 5 月，80.6% 的抽样个人用户至少做过一次估计超 30 分钟人工劳动的 Codex 请求，70.2% 做过超 1 小时的，25.6% 做过超 8 小时的。
• Codex 占 OpenAI 内部每周输出 tokens 的 99.8%。不是 90%，是 99.8%。
• 重度用户（99 分位）一天让 Codex 代理跑了超过 60 小时的 agent turns，靠并行多代理实现。
• 从 2025 年 8 月起，个人用户中非开发者增长 137 倍，组织用户中增长 189 倍。
• 业务部门（财务、营销、运营等）通过 Codex 完成的工作里，超过四分之一是编码或工程类任务。代理在打破岗位边界。

一个判断已经很清楚了：Codex 在 OpenAI 内部不是工具，是基础设施。而这个基础设施上面跑的，已经不是传统意义上的软件工程了。

关注公众号回复“进群”入群讨论