Alexander Embiricos

从“云端外包”到“本地结对”

早期的 Codex 像是一个云端的远程智能体（异步任务），这步子迈得太大了。现在的策略是深度集成到 IDE 和 CLI，像结对编程一样工作，帮助用户建立信任。

Codex 的技术栈

• Sandbox（沙箱）： 安全执行环境，允许 AI 运行 Shell 命令、安装依赖。
• Compaction（紧凑化）： 一种允许 AI 处理超长任务（如通宵运行）的技术。当上下文窗口快满时，模型、API 和 Harness（测试工具）协同工作，压缩上下文状态，继续执行。
• GPT-5.11 (Codex Max)： 最新发布的模型，速度提升30%，且在推理层面更加智能。

为什么审查比写代码更痛苦？

AI 生成代码极快，但人类阅读和验证代码很慢。如果用户必须像微管理实习生一样每一步都检查，这就成了瓶颈。

赋能验证 (Empowered Verification)

• 视觉优先： 对于前端任务，先展示渲染后的图片/UI，再展示代码 Diff。因为看图比看代码快得多。
• 自我验证： 让 Codex 自己写测试、自己跑 Build。如果失败，它自己尝试修复，直到通过后再交给人类审查。
• 目标： 让 AI 能够“默认有用” (Default Useful)，而不是等待用户发出的第1000次提示词。

Sora Android App 案例

• 背景： 仅2-3名工程师。
• 方法： 利用 Codex 将现有的 iOS 代码移植 (Porting) 到 Android。这是 Codex 目前最擅长的场景之一（有参照物）。
• 结果： 18天内部发布，28天公测，登顶 App Store。

Atlas 浏览器开发

原本需要2-3名工程师开发2-3周的功能，现在只需1名工程师开发1周。工程师反馈：“我们现在基本上所有事情都用 Codex。”

内部文化：Dogfooding

甚至连产品营销经理都在用 Codex 直接在 Slack 里修改文案代码或更新文档。Codex 还负责监控自己的训练集群（Babysitting），发现配置错误。

Chatter Driven Development (聊天驱动开发)

不仅仅是 Spec Driven（写文档让 AI 跑），未来可能是团队在 Slack/Teams 讨论问题，AI 监听并直接提交修复代码。这就像一个主动的队友。

Vibe Coding (氛围编程) & Throwaway Code (一次性代码)

• Vibe Coding： 设计师通过自然语言描述原型，AI 生成可用的 UI 代码。OpenAI 的设计师甚至维护了一个完全由 AI 生成的原型库。
• Throwaway Code： 以前写一个一次性数据可视化工具太麻烦，现在值得让 Codex 花几秒钟写一个“用完即扔”的交互式数据查看器。

像《光环》游戏一样交互

就像在 Halo 游戏中走到载具旁按 "X" 键就能上车一样，未来的 AI 应该是上下文感知 (Contextual) 的。不需要你解释背景，它知道你在看 dashboard，发现数据异常，并主动给出原因。这就是 Atlas 浏览器的愿景。

技能转型

不需要再记忆具体语法（如 For-each loop 的写法），但必须具备系统工程 (Systems Engineering) 能力。你需要能够评估 Codex 生成的架构是否合理，如何配置 Codex 让它能自我验证。

AGI 的定义

当 AI 带来的生产力提升（Hockey Stick 曲线）反哺到 AI 实验室本身，极大地加速了下一代 AI 的研发速度时，我们就到达了 AGI 的临界点。

给求职者

如果你想加入 Codex 团队，不要只展示编码能力。请思考：如果拥有完美的编程智能体，6个月后的软件工程师生活会是什么样？ 有这种愿景的人才是他们寻找的。