OpenAI 揭示其 AI 编码策略

摘要

四名OpenAI工程师在28天内使用Codex构建了Sora Android版本。团队负责人RJ Marsan因骑车摔伤无法打字，被迫通过语音与Codex交互，意外发现将AI当作"新入职同事"来培训比当作工具配置效果更好。文章总结了高效使用AI编程助手的核心方法论：循序渐进地建立信任、避免信息过载、让AI专注单一任务，以及认识到AI不会让工作变简单，只会让速度变快。

内容框架与概述

文章开篇以一个生动的故事切入：OpenAI工程师Marsan因受伤无法打字，不得不用语音指挥Codex工作，这个偶然的约束让他发现了与AI协作的关键洞察——每次会话都像在为新同事做入职培训。这一发现随后被整个团队采纳，成为他们使用Codex的核心理念。

文章随后深入探讨了AI协作的本质。团队最初认为AI应该模仿人类操作电脑的方式，但实践证明让AI"像电脑一样工作"效率更高。有趣的是，虽然AI执行任务的方式是机器化的，但人类与AI的交互方式仍应保持自然语言对话——就像通过邮件指导远程同事一样。

在具体实践层面，文章介绍了Marsan的工作方法：先让Codex做研究、扫描代码库、理解现有实现，而非直接让它"修复问题"。团队还创建了三个专职AI审查员（UI检查员、技术主管、Bug猎手）来分担代码审查压力，每个角色专注单一职责，表现远优于全能型助手。文章最后讨论了Codex的适用场景——它适合大型专业项目而非快速原型开发，并以更宏观的视角总结：AI改变的不是工作量，而是瓶颈所在。

核心概念及解读

入职培训思维（Onboarding Mindset）：将每次AI会话视为为新同事做入职培训，先建立信任、了解偏好，再委派复杂任务。由于Codex不会自动记住之前的对话，“每次会话都是在重新培训一位新同事”。

上下文精简原则：避免向AI灌输海量信息。正如你不会让新员工背诵6000行文档，过载的上下文会让AI"眼神呆滞"，性能下降。OpenAI正在推动"技能"（Skills）概念——将知识拆解为原子化的小单元，按需提供。

专职分工（Dedicated Jobs）：单一职责的AI代理优于全能型助手。Marsan设置了三个独立的Codex审查会话，各司其职。当三个专职审查员同时标记同一行代码时，“你就知道那里肯定有问题”。

研究先行（Research First）：让AI先做调研、扫描代码库、发现依赖关系，而非直接动手编码。这个预研阶段能捕捉到人类工程师容易忽略的细节，避免构建出"看起来正确但实际会崩溃"的代码。

瓶颈转移而非消除：AI工具不会让工作变简单，只会让速度变快，同时将瓶颈从编码转移到架构设计和代码审查环节。

原文信息

此摘要卡片由 AI 自动生成