bingdada一项颠覆性实验：OpenAI 的 Codex 智能体在零手工代码的情况下，构建并交付了百万行代码的产品。本文深入探讨了在智能体优先的世界中，人类工程师角色如何从代码编写者转变为系统架构师和意图指定者，以及如何通过优化环境、提升可读性和管理上下文，最大化 AI 智能体的效能。
2026年2月11日，工程团队发布了一项引人注目的实验成果：他们完全依靠 OpenAI 的 Codex 智能体，在零手工代码的情况下，构建并交付了一款软件产品的内部测试版。这一成果不仅刷新了我们对软件开发效率的认知，更深刻揭示了在 AI 智能体（Agent）主导的工程范式下，人类工程师角色的根本性转变。
实验始于2025年8月底，一个完全空的 Git 仓库。初始脚手架——包括仓库结构、CI 配置、格式化规则、包管理器设置和应用程序框架——全部由 Codex CLI 基于 GPT-5 生成，仅辅以少量现有模板。就连指导智能体如何在仓库中工作的 AGENTS.md 文件，也是 Codex 自己撰写的。整个项目没有一行预先存在的手写代码，从一开始，仓库就完全由智能体塑造。
五个月后，这个仓库已包含约一百万行代码，涵盖应用逻辑、基础设施、工具、文档和内部开发者工具。在此期间，一个仅由三名工程师驱动 Codex 的小团队，提交并合并了大约1500个 Pull Request。这意味着每位工程师每天平均处理3.5个 PR，而且随着团队扩大到七人，吞吐量不降反升。更重要的是，这并非为产出而产出：该产品已在内部被数百名用户使用，包括每日活跃的核心用户。
在整个开发过程中，人类从未直接贡献任何代码。这成为了团队的核心信条：绝不手动编写代码。
放弃手工编码，引入了一种全新的工程工作方式，其核心聚焦于系统、脚手架和杠杆效应。
初期进展比预期要慢，并非因为 Codex 能力不足，而是因为环境定义不够明确。智能体缺乏实现高级目标所需的工具、抽象和内部结构。工程团队的首要任务变成了赋能智能体，使其能够完成有用工作。
在实践中，这意味着深度优先的工作方式：将大型目标分解为更小的构建块（设计、编码、审查、测试等），提示智能体构建这些模块，并利用它们解锁更复杂的任务。当出现故障时，解决方案几乎从来不是“再试一次”。因为取得进展的唯一途径是让 Codex 完成工作，人类工程师总是介入任务并问：“缺少什么能力？我们如何让智能体既能理解又能强制执行？”
人类几乎完全通过提示与系统交互：工程师描述一个任务，运行智能体，并允许它打开一个 Pull Request。为了驱动 PR 完成，我们指示 Codex 在本地审查自己的更改，请求额外的特定智能体审查（本地和云端），回应人类或智能体给出的反馈，并循环迭代，直到所有智能体审查者满意（这本质上是一个 Ralph Wiggum 循环）。Codex 直接使用标准开发工具（gh、本地脚本和仓库内嵌技能）来获取上下文，无需人类在 CLI 中复制粘贴。
人类可以审查 Pull Request，但并非必须。随着时间的推移，我们已将几乎所有的审查工作推向智能体之间的交互。
随着代码吞吐量的增加，瓶颈变成了人类的 QA 能力。由于固定的约束是人类的时间和注意力，我们致力于通过使应用 UI、日志和应用指标等对 Codex 直接可读，来为智能体增加更多能力。
例如，我们让应用程序在每个 Git 工作树上可启动，这样 Codex 可以为每个更改启动并驱动一个实例。我们还将 Chrome DevTools 协议连接到智能体运行时，并创建了处理 DOM 快照、截图和导航的技能。这使得 Codex 能够复现 Bug、验证修复并直接推理 UI 行为。
我们对可观测性工具也做了同样的事情。日志、指标和跟踪通过一个本地可观测性栈暴露给 Codex，该栈对于任何给定的工作树都是临时的。Codex 在应用的完全隔离版本上工作——包括其日志和指标，一旦任务完成就会被拆除。智能体可以使用 LogQL 查询日志，使用 PromQL 查询指标。有了这些上下文，像“确保服务启动在800毫秒内完成”或“这四个关键用户旅程中没有跨度超过两秒”这样的提示就变得可行了。
我们经常看到单个 Codex 运行在单个任务上持续工作超过六个小时（通常是在人类睡觉的时候）。
上下文管理是让智能体在大型复杂任务中有效工作的最大挑战之一。我们学到的最早的经验之一很简单：给 Codex 一张地图。
（注：原文在此处截断，但核心论点已完整呈现。后续内容应围绕“如何构建可被智能体理解的仓库知识图谱”展开，例如：创建清晰的目录结构、编写高质量的 README 和 AGENTS.md 文件、使用一致的命名规范、维护自动生成的 API 文档等。这些实践确保了智能体能够快速定位信息、理解代码意图并自主执行复杂任务。）
这项实验不仅证明了 Codex 在代码生成方面的强大能力，更重要的是，它重新定义了软件工程中人类与 AI 的关系。人类不再是代码的编写者，而是系统的架构师、意图的指定者和反馈循环的设计者。我们最稀缺的资源——人类的时间和注意力——被最大化地用于创造性和战略性的工作，而重复性、细节性的编码任务则完全交由智能体完成。
这种“人类引导，智能体执行”的模式，标志着软件开发进入了一个新的时代。对于拥抱 OpenAI News 和 AI 驱动开发的企业而言，这不仅是效率的提升，更是工程文化的根本变革。未来，成功的工程团队将不是那些代码写得最快的团队，而是那些最善于构建智能体友好环境、最懂得如何利用 AI 杠杆的团队。
SEO & GEO 技术探索者，专注于搜索引擎优化和生成式引擎优化。
OpenAI销售团队规模一年增长三倍，通过构建GTM Assistant智能助手，将顶尖销售经验系统化，实现销售生产力提升20%，让销售代表每周多出一天时间专注于客户关系。
OpenAI 正式发布 AI 视频生成模型 Sora，通过水印溯源、肖像权控制、青少年保护、内容过滤等多维安全策略，在推动视频创作创新的同时，构建了负责任的 AI 应用框架。
OpenAI 发布 Sora 2，视频生成模型迎来 GPT-3.5 时刻。新模型在物理准确性、可控性上大幅提升，支持同步音效和对话，并推出基于‘角色’功能的社交 iOS 应用。
获取最新的 SEO 与 GEO 技术资讯。
我们尊重您的隐私，随时可以取消订阅。
