程序员不许写代码！OpenAI硬核实验：3人指挥AI，5个月造出百万行

来源：市场资讯

（来源：新智元）

新智元报道

编辑：元宇

【新智元导读】在OpenAI一项内部实验中，一个最初仅3人的团队、5个月、从零到一造出「百万行代码产品」，没有一行代码是人类程序员完成的，而不手工写代码，也是该项目的一条铁律。

这一次，人类软件工程被「倒过来」做了！

刚刚，OpenAI官博曝光了他们的一次内部实验：

一支最初3人的工程师团队，利用Codex智能体在5个月内从零造出了一个「百万行代码产品」。

在整个过程中，人类不写手工代码，而是把精力集中在「想清楚要什么、把规则立起来」，其余的一切交给AI。

每人每天平均能推进3.5个PR（Pull Request，代码合并请求），而PR的执行环节（实现、测试、文档、CI配置）全程由智能体代劳。

OpenAI为这套工作流赋予了一个十分形象的名字：「驾驭工程（Harness Engineering）」。

https://openai.com/index/harness-engineering/

在实验里，程序员不再是那个熬夜写Bug，再熬夜修Bug的「码农」，而是原来的「执行者」变为「驾驭者」。

这不止是10倍效率提升的「生产力革命」，而是一次对「软件工程」定义的颠覆，直接宣告了人类「手工代码时代」的终结。

改变

从一个空的git仓库开始

这次实验从AI的第一次提交开始。

2025年8月下旬，当空仓库里落下第一个commit（提交）时，它就已经不是人类写的——当时没有任何既有人类代码可以充当「锚点」。

更魔幻的：连那个用来指导AI怎么干活的说明书AGENTS.md，第一版也是AI自己写的。

从第一天起，这个仓库就是由智能体塑造的。人类不许写代码，成了这个项目的一条不可逾越的铁律。

这不是为了偷懒，而是一种近乎自虐的「刻意练习」，只有切断了人类「亲自上手」的退路，才能倒逼团队去破解那个在完全无人情况下构建代码的终极问题。

于是，这个3人小团队（后扩展到7人），一下子好像成了拿着鞭子的牧羊人，驱赶着一群不知疲倦的Codex智能体在代码草原上狂奔。

结果令人震撼：5个月，一百万行代码。

重新定义工程师的角色

这项实验的早期进展，比OpenAI的研究人员预想得要慢。

不是因为Codex不行，而是因为环境定义得不够清晰：智能体缺少实现高层目标所需的工具、抽象和内部结构。

于是，OpenAI工程团队的主要工作变成了一件事：让智能体有能力完成有价值的工作。

他们把大目标拆成更小的构建块（设计、编码、评审、测试等），提示智能体把这些块搭起来，再用它们去解锁更复杂的任务。

当事情失败时，答案几乎从来不是「再试一次」，这里唯一的推进方式就是让Codex去完成工作，人类工程师通常会退一步问自己：

到底缺了什么能力？怎样把它变得对智能体既清晰可见，又可以被强制执行？

整个过程中，人类几乎完全通过提示词与系统交互：工程师描述任务，运行智能体，让它发起一个PR。

为了推进PR完成，研究人员会让Codex在本地自审改动，请求额外的本地和云端智能体评审，回应人类或智能体的反馈，然后在一个循环里不断迭代，直到所有智能体评审者都满意。

随着时间推移，几乎所有评审工作都移交给了「智能体对智能体」。

提升应用程序的可读性

随着代码吞吐量的增加，OpenAI发现：AI编码的瓶颈变成了人工质量检查（QA）的能力。

于是，人类的时间和注意力成了真正的约束。

为了突破这一瓶颈，OpenAI的办法是让Codex能够直接读取应用程序的用户界面、日志以及应用指标等内容。

他们将Chrome DevTools协议接入了智能体运行时，并开发了处理DOM快照、截图和导航的技能。

于是，Codex可以自己复现bug、验证修复、推理UI行为。

OpenAI对可观测性工具也采取了同样的做法。

日志、指标、追踪通过本地可观测性栈暴露给Codex，并且对每个worktree（工作区）都是隔离、临时的环境。

任务完成后，这套环境就会被销毁。

智能体可以用LogQ查日志，用PromQL查指标。

于是，「确保服务启动在800ms内完成」或者「这四条关键用户路径里没有任何一个span超过两秒」这样的提示，就变得真正可执行。

做了这些之后，OpenAI研究人员经常看到Codex一次运行连续工作六个小时以上，通常还是在人类睡觉的时候。

给Codex一张地图

而不是一本1000页的说明书

让智能体处理大型复杂任务时，上下文管理是最大的挑战之一。

OpenAI研究人员早期学到的一个简单经验就是：

给Codex一张地图，而不是一本1000页的说明书。

一开始，团队试图写一个超大的AGENTS.md文件，把所有规则、逻辑、注意事项都塞进去。结果，这成了一场灾难。

因为AI的注意力也是稀缺资源。

给它一本1000页的说明书，它会迷失在细节里，漏掉关键约束，或者把目标搞错。

而且，这种单体大文档维护起来简直是噩梦，很快就会变成「陈旧规则的坟场」。

于是，团队迅速调整策略，他们把AGENTS.md变成了一张「寻宝地图」。

这个文件只有大约100行，它不包含具体知识，只是一个目录，就像一个导航地图，指向仓库深处更深层的真实来源。

设计文档被编目并索引，包括验证状态以及一套定义「以智能体为先」操作原则的核心信念。

真正的知识库在结构化的docs/目录里，是系统的唯一事实来源。

这就是「渐进式披露」：智能体从一个小而稳定的入口开始，被教会下一步去哪找，而不是一开始就被信息淹没。

OpenAI的研究人员还用工具强制执行这一点。

通过专门的lint和CI任务校验知识库是否最新、是否交叉链接、结构是否正确。

架构文档给出领域划分和包分层的顶层视图。质量文档为每个产品领域和架构层打分，持续追踪差距。

为了保证AI不读到过时的信息，团队甚至专门安排了一个「文档园丁」智能体。

它的工作只有一个：定期扫描文档，发现那些与代码实现不一致的陈旧描述，然后自动发起修复PR。

让智能体「看得懂」

既然仓库完全由智能体生成，OpenAI研究人员的一个目标，就是让智能体只靠仓库本身，就能理解完整业务领域。

从智能体视角看，任何它在运行时上下文中访问不到的知识，都等于不存在。

比如放在Google Docs、聊天记录、人类大脑的知识，对系统来说都是不可见的。

它能看到的只有仓库里版本化的工件，如代码、Markdown、schema、可执行计划。

如果智能体找不到这些上下文知识，它们就会和刚入职的新同事一样，对于实际业务进展一无所知。

因此，必须把越来越多的上下文推回仓库。

当然，给Codex更多上下文，并不是要塞给它更多零散指令，而是把信息组织好、结构化，让它可以推理。

自动化围栏

让程序员成为代码世界的「牧羊人」

光有文档，还不足以让一个完全由智能体生成的代码库保持一致。

AI毕竟是概率模型，它会产生幻觉，会偷懒，会写出「看似能跑实则一团糟」的代码。

怎么解决？

智能体在边界清晰、结构可预测的环境中效率最高。

OpenAI通过强制执行「不变量」，而不是微观管理实现细节，让智能体可以高速前进而不破坏基础。

这就好比为Codex这样日行千里的AI烈马，套上了缰绳和马鞍。

OpenAI围绕一个严格的架构模型构建系统。每个业务领域都有固定层级，并且依赖方向被严格验证，只允许有限的合法边界。

规则很简单：在每个业务领域内（如App Settings），代码只能沿着固定层级「向前」依赖：

Types→Config→Repo→Service→Runtime→UI

横切关注点（认证、连接器、遥测、功能开关等）只能通过一个显式接口：Providers。

其他依赖一律禁止，并通过自定义lint（也是Codex生成）和结构测试强制执行。

这种架构通常是公司规模到几百人时才会认真设计的。但在有编码智能体的情况下，这是前提条件。

此外，OpenAI的研究人员还定义了一组「品味不变量」，如：

在这个过程中，必须明确区分的是哪些地方必须严格，哪些地方可以放权。

这好比管理一个大型工程平台：边界集中管控，内部高度自治。

AI生成的代码未必符合人类审美，但只要正确、可维护、对智能体可读，就OK。

在这个过程中，人类的品味不会消失，而是被持续「编码」进系统。

评审意见、重构PR、用户bug都会转化为文档更新，或直接升格为工具规则。

当文档不够用时，就需要把规则写进代码。

扔掉键盘

勇敢去驾驭AI

OpenAI的这项实验宣告了：大量以CRUD为主的岗位，正在被重塑。

如果一个从零开始的系统，可以在5个月内，由3个人（不写一行代码）构建出百万行规模，传统软件公司里那些庞大的开发团队，还有存在的必要吗？

在这个即将到来的新时代，工程师的定义将被彻底改写。

你需要的是强大的「架构能力」，能够定义系统的边界，设计模块之间的约束，构建那个让AI不跑偏的「围栏」。

同时，你还需要精准的「表达能力」，学会用最清晰的语言（无论是自然语言还是结构化文档）向AI描述你的意图。

拒绝AI编程，坚持手搓代码的人终将被浪潮吞没，只有那些懂得驾驭AI的程序员，才有可能成为AI时代的赢家。

参考资料：

https://openai.com/index/harness-engineering/