OpenAI 工程師 Michael Bolin 於星期五分享了有關公司 Codex CLI 編碼代理的內部運作的全面技術解析。此次發表讓開發者一窺 AI 編碼工具的能力，這些工具能在人工監督下撰寫代碼、進行測試和修復錯誤。這補充了我們十二月的文章，深入探討了 OpenAI 如何執行其“代理環”的技術細節。
目前，AI 編碼代理正經歷與''ChatGPT 時刻''相似的受歡迎程度激增。像 Claude Code 搭載 Opus 4.5 和採用 GPT-5.2 的 Codex 這樣的工具功能有所進展，證明在快速編寫原型，開發界面和產生樣板代碼方面成為極為有價值的資產。OpenAI 發布的 Codex 背後的設計哲學與這些 AI 工具在日常工作環境中的日益實用性相呼應。
儘管其實用性不斷上升，這些工具並非完美無缺，並繼續在軟體開發者中引發辯論。雖然 OpenAI 曾向 Ars Technica 表示 Codex 作為開發過程中的工具被利用，但我們的實踐經驗強調這些工具雖在執行簡單任務時顯得速度非凡，但在處理超出其訓練數據集的任務時卻顯得脆弱。因此，它們在生產環境中需要人工監督。項目的初步框架通常以看似神奇的方式迅速組合在一起，但隨後的階段涉及詳細的除錯和應對策略以解決代理的固有限制。
Bolin 在他的文章中直言不諱地討論了這些工程難題，涵蓋了二次提示增長的低效率，因緩存未命中導致的性能瓶頸，以及遇到的 MCP 工具列舉的不一致性，所有這些都需要修正。
這種技術見解在 OpenAI 中有些不尋常，此前並未為 ChatGPT 等其他產品提供類似的闡釋。但從我們十二月對 OpenAI 的採訪中我們注意到，Codex 被特別區別對待，特別是在編程任務與大型語言模型的能力良好匹配時。