← 返回全部情报
探访 OpenAI 的「Agent 软件工厂」:Codex 接管全公司,代码审查按风险分流,每个变更配一个 Agent 盯着上线 的封面

·The Pragmatic Engineer·媒体收录 2026-09-29

探访 OpenAI 的「Agent 软件工厂」:Codex 接管全公司,代码审查按风险分流,每个变更配一个 Agent 盯着上线

Codex软件工厂自动化代码审查组织知识Agent 部署事故响应

一句话结论

OpenAI 内部几乎所有工作都通过 Codex 和 ChatGPT Work 完成,工程侧已经形成从定义目标、收集上下文、写代码、过 CI、多专家 Agent 审查、按风险分流、Agent 护送上线到生产监控反哺开发的一整条自动化链路。

打开原文 The Pragmatic Engineer:Inside OpenAI’s agentic software factory

背景与理念

这篇文章发表于 2026 年 9 月 15 日,作者 Gergely Orosz 去 OpenAI 总部实地探访,采访了七位工程负责人和工程师,包括应用基础设施工程副总裁 Venkat Venkataramani、ChatGPT 工程负责人 Sulman Choudhry、桌面端负责人 Andrew Ambrosino 等。文章开头就点出一个前提:在 OpenAI,工程师、研究员、财务和市场同事都用不限量的 token 预算工作。全文后半部分是付费内容,本条只整理公开可读的前三节。

作者的总体判断是,一年之内 Codex 从可有可无的工具变成了公司几乎所有工作的骨架。Andrew Ambrosino 的原话大意是,过去几个月的主题就是所有东西都变成了编码 Agent,不管你的产出是不是代码,都是 Agent 在写你的工件;会循环、会推理、会写代码,就等于什么都能做。文章也提醒,OpenAI 内部版 Codex 接入了几乎所有内部系统,比外部版本强得多。

具体做法

文章用一张图描述了 OpenAI 的 Agent 软件工厂,一共九步。第一步是人来定义目标,工程师或产品经理说明问题和期望结果。Venkat 说 OpenAI 的工程师越来越像产品经理,判断力、优先级和品味变得更重要。第二步是 Codex 收集上下文。OpenAI 已经把所有文档搬进源码仓库,Codex 还能访问 Git 和 GitHub、Slack、Notion、Databricks、Datadog、内部日志,以及一批内部 Codex Skill,其中一些 Skill 由 Codex 自己维护。新员工入职时被引导有问题就去问 Codex。第三步是 Codex 实现改动并自行验证。第四步是构建、测试和 CI,Agent 跑测试、修代码、开 PR,然后盯着 PR 直到 CI 全绿,另外还会用一个性能测试框架把可疑 PR 送去做合成 A/B 性能评估。

第五步是 Agent 代码审查。OpenAI 不用一个通用审查 Agent,而是同时派出多个带领域专家配置的 Agent,比如数据、基础设施、云和安全方向,Venkat 把它比作每个相关基础设施团队都派一位专家来审每一次改动。改动还会按风险分级,高风险的走更严格的流程,可能要更多轮 AI 审查或者强制人工复核;低风险的,代码库的某些区域可以选择让 Agent 自动批准。第六步是 Agent 部署。人批准上线后,这个改动会被分配给一个专门的 Agent,任务可以概括为把这个改动护送到安全、完整地上线。对于功能开关后面的改动,Agent 会读代码找到开关位置,理解改动的作用,决定哪些信号代表成功或失败,自己搭一个监控看板,然后盯着生产信号。长期目标是给每个改动配一个自主的 SRE。第七步是观察生产。第八步是 Perf Factory,用 Agent 筛查告警和看板、去重、识别真实的延迟回退、定位根因并提出修复。第九步是事故响应,内部的 Sevbot 同样基于 Codex,事故发生时它收集上下文、给出可能的缓解方案、在 Slack 频道里回答问题,但从不自己执行缓解措施,工程师可以指示它执行某个具体方案。

关键数据/例子

文章给出的数字包括:在四个月里,财务、招聘、法务等非工程部门的 Codex 使用率从大约 0% 涨到 90%;在 Codex 应用对非工程人员还很不友好、屏幕上仍然显示代码的时期,非工程团队的采用率就接近 40%。Codex Mac 应用在 2 月发布,Windows 版在 3 月,基于 Codex harness 的 ChatGPT Work 在 7 月。OpenAI 给 Codex 加了 /goal 设置,设定目标后 Agent 会一直干到完成,4 月到 5 月间使用率从 60% 涨到 90%,Andrew 认为长任务处理能力的提升是原因之一,有人一个线程会用好几天。

Venkat 说每个工程师的 PR 数量呈曲棍球棒式增长,一些系统的负载大约涨了 10 倍,在别的公司可能要两三年,在 OpenAI 大约六个月就发生了。IDE 使用量从 1 月起下降。Sulman Choudhry 则指出原生移动端发布成了越来越痛的瓶颈,因为代码几分钟就能写好,但应用商店审核仍要几小时到几天。

文章还提到,各团队会把适合自己角色的工作流做成插件分发。Akshay Nathan 说现在的问题从能力过剩变成了认知差距,有些人已经知道可以用 Codex 监控 Slack、更新 Airtable、做入职材料,但很多人还是只用它做一件事,靠同事口口相传才发现更多用法。

创新点

第一,文档进代码仓库、Agent 接入所有内部系统,这是整条流水线的前提,上下文比模型更决定效果。

第二,审查不再是一个通用 AI 审稿人,而是多个领域专家 Agent 并行,再叠加风险分级,把人工精力留给高风险改动。

第三,把部署也交给 Agent,由它自己决定观察哪些信号、自己搭看板,这是作者说此前没见过的做法。

第四,事故 Agent 目前只建议不执行,给自主权划了一条清楚的边界,同时把监控结果回流到开发,形成闭环。

可否复用

  1. 把自己项目的说明文档、约定和经验直接放进代码仓库或 Agent 能读到的目录,让 Agent 开工前先读,这是成本最低、收益最高的一步。
  2. 让编码 Agent 开完 PR 后继续盯 CI,失败就自己修,直到全绿再叫人,人只需要看最终结果。
  3. 审查环节可以试着开几个不同角色的审查 Agent,比如安全、性能、可维护性各一个,各自只看自己的领域,再汇总意见。
  4. 给改动按风险分级:改文案、改样式这类低风险的可以让 Agent 直接合并,涉及数据、权限和对外发送的必须自己过目。
  5. 事故或异常处理先采用 Sevbot 的模式,让 Agent 收集信息、给出方案,但执行动作留给自己确认。
  6. 团队内把好用的工作流做成插件或 Skill 分享,主动传播用法,缩小同事之间的认知差距。

笔记会在输入时自动保存。