OpenAI团队在尝试的一项实验是构建并发布一个内部测试版的软件产品该产品没有使用任何手动编写的代码需要完成这项任务团队要为Codex构建出来一个可以长期可靠运行的Agent Harness也就是说软件工程团队主要工作不再是编写代码而是设计环境明确意图并构建反馈循环让Codex可以在几周的时间内交付百万行代码的项目并且这个项目已经被数百名内部用户使用说明该项目不仅仅是为了短时间内堆积代码量而是希望可以让用户正常使用并被认可的我梳理了一下这个编码Agent运行空间(Harness)内的核心板块和输入的上下文第一步三层代码审查工程团队最早注意到的就是代码审查的模块在Codex完成需求之后要指示Codex完成三层代码审查三层审查分别是自身审查本地代码审查Agent、云端代码审查Agent只有所有的审查都通过之后才可以进行下一步否则就借助相应的工具将审查结果这类上下文再次注入回Codex进行修改第二步人工质量检查(Human QA)随着Codex编写代码的速度加快整个项目的限制节点变为了人工质量检查的部分为了加快这一节点的操作OpenAI团队使用Chrome DevTools协议集成给Codex让Codex可以拥有处理DOM快照屏幕截图和导航的能力这让Codex直接拥有分析UI的能力第三步日志检测和性能优化OpenAI团队同时也将运行日志和性能指标这类上下文也输入给Codex这样当出现“性能优化的任务时”Codex可以拥有相应的上下文进行分析以此来合理优化项目中的性能问题而不是仅仅靠对于代码结构的感知Codex可以实践 - 观察-修改第四步代码文档库的构建一个代码库的详细文档是非常庞大的不能一次注入给Codex这样上下文的利用会非常低效借助Skill规范中的“渐进式披露”的概念对于整个文档库采用目录-文件的形式传递给CodexOpenAI团队非常巧妙的使用AGENTS.md当作文档库的目录里面存放相应的文档路径和简单的介绍将是否读取和读取什么完全交给Codex来决定在这种设计下上下文的利用会非常高效那么文档库也可以发挥编码指导的作用具体的文档库细节OpenAI团队将计划文档作为“一等公民”还可以有设计文档架构文档质量文档里面有一个很重要的细节一个项目中的功能需求实现是可能会经过团队成员进行讨论确定的如果这份“讨论信息”没有被落到文档库中给Codex读取这类代码库原本拥有的上下文在Agent的运行空间中就是不存在的那么Codex获取到的信息是不完整的极可能在长期的运行中偏离正确方向所以对于这类“决策信息”要创建相应的工具让Codex可以获取到这也是OpenAI该团队的设计目标代码结构在不断的变化那么文档库是需要经常更新和维护的所以OpenAI团队在流程中设计了定时维护文档的功能节点实现方式也非常的简单就是运行一个相应的“文档维护”Agent来扫描和清理文档第五步代码库结构性规则这一部分是一些代码库的规范用于保证代码库不会随着时间推移变得混乱和失控这仅仅依靠上面的文档库是无法完全做到的文档库对于Codex更多的是引导作用而这一步的结构性规则偏向于约束作用例如当Codex要增加一个功能的时候先从什么地方开始增加要考虑哪一层的结构这个依赖于顺序规则类型- 配置 - 存储库 - 服务- 运行时-用户界面该规则的校验方式是依赖于自定义的代码检查器的执行这个代码检查器也是由Codex编写的代码检查器执行的时候会检查到代码库中的编写错误该工具会将错误信息传递给Codex 一点总结从这个实践中可以发现OpenAI团队在将成熟的软件工程开发经验用于构建编码领域的Agent运行空间中去正如他们说的那样显而易见的是软件开发仍然需要严谨的纪律但这种严谨更多地体现在框架搭建而非代码本身。用于保持代码库一致性的工具、抽象和反馈循环变得越来越重要所以对于构建长期稳定运行的Agent最大的挑战其实是设计环境反馈回路和控制系统而解决方案我们可以从这些实践中总结出来一些对于Agent完成任务中的任何步骤需要提供执行反馈的功能以此将执行结果输入给Agent实现反馈回路从一般规律中找特殊如果该Agent需要服务于具体的场景那么约束控制是有效的为Agent提供更多的有效上下文在其运行环境中最佳实践目前是“文档渐进式加载”学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】