OpenAI Codex工程负责人Thibault Sottiaux做客Dev Interrupted播客用40分钟拆解了Codex团队构建自主编程智能体的方法论。核心观点一句话复杂的脚手架scaffolding不是在扩展能力是在掩盖问题。时间节点值得注意。播客发布不到三周OpenClaw创始人Peter Steinberger宣布加入OpenAI负责下一代个人智能体。Steinberger此前公开说自己是Codex最大的免费广告用Codex构建了整个OpenClaw生产力翻倍——尽管他同时承认Claude Opus是最好的通用智能体。一个在Anthropic生态里成名的开发者最终选了OpenAI背后逻辑跟Sottiaux在这期播客里讲的东西高度吻合真正的竞争力在模型能力和垂直整合不在外部堆叠的工程花活。智能体优先产品其次Sottiaux开场划了一条线Codex首先是一个通用智能体产品界面是后来才考虑的事。先把智能体做强再去找它能放在哪里工作。当你转向先建智能体、再想放哪儿的时候你会发现大量意想不到的应用场景。这个思路解释了一个现象社区里每周都有公司告诉Codex团队他们基于开源版本构建了自己的业务而且往往用在非编程领域。有人改造成电子表格编辑器有人嵌入浏览器做自动化。智能体本身是通用的产品形态是可变的。Sottiaux特别强调对软件工程师来说真正的瓶颈不是代码生成而是日常工作中的其他环节——规划、沟通、代码审查、理解系统状态。这些才是代码生产速度飙升后暴露出的真正卡点。垂直整合在正确的层级解决问题Codex团队坐在一个独特位置基础模型、智能体框架、面向用户的产品全在一个组织内部。这带来的不只是效率而是一种根本性的架构决策能力。1、研究和工程形成双向飞轮。工程实践发现的问题会影响研究方向研究突破又重塑整个工程路线图。Sottiaux说里面有很多大循环和小循环在同时转。2、可以选择在哪一层修复问题。有些东西不需要在框架里打补丁直接在下一版模型训练中解决效果更好。我们知道三个月后、六个月后的模型训练会带来能力跳跃这让我们能做出别人做不了的权衡。3、系统级的scaling law验证。Codex团队会在小模型、中等模型、前沿模型上分别测试同一套harness的表现验证整个系统不只是模型是否符合预期的扩展曲线。这相当于把scaling laws扩展定律从模型层面延伸到了完整系统层面。他还引用了No Free Lunch定理试图在所有分布上都表现智能必然不如为特定分布专门优化。harness和model耦合在一起训练和部署就是在做这种特定分布的优化所以能获得单独优化任何一边都拿不到的能力提升。对于没有垂直整合条件的团队Sottiaux也给了判断如果你想对所有基础模型保持完全无关性你就只能找到这些模型的公共子集来构建性能必然打折扣。他预计主流玩家最终只会为少数几个模型做深度适配为几千个模型都做调整是不现实的。脚手架是拐杖不是翅膀这是整期最核心的观点。Sottiaux用了一个精准的框架之所以叫harness脚手架是因为你在给模型搭临时支撑目标是随着模型能力增强逐步拆除。模型应该能独立站立。但很多团队走向了反方向——把脚手架当成喷气背包不断往里塞工具、塞逻辑、塞规则系统越来越重。这带来一个Sottiaux称之为capability overhang能力悬崖的风险框架中引入太多偏见和约束当模型能力出现跳跃时你反而无法表达这些新能力。系统复杂度锁住了模型潜力。垂直整合的好处在于Codex团队只需要关心自己的模型系列每次改进都可以移除一部分脚手架而不用担心破坏不在控制范围内的东西。一旦你发现了正确的原语primitive它们看起来简单得令人愉悦。但寻找这些原语的过程本身是复杂的。这跟Richard Sutton的bitter lesson苦涩教训一脉相承在AI发展史上依赖人类领域知识的聪明技巧最终总是输给能随计算规模扩展的简单方法。开源策略的三重逻辑Codex开源不是简单的社区建设背后有三层考量。第一层破除智能体的神秘感。当时市场上对智能体有大量迷思。开源就是要展示其实可以做得非常简单关键是把几个原语做对就能从模型中榨出惊人的性能。第二层理解开源世界本身将如何被改变。一个大胆的判断如果AI解决了代码生成开源的运作方式会发生根本性变化。Codex团队想通过参与开源来提前理解这种变化。第三层借社区创造力发现新用法。目前仓库有超过一千个fork团队跟fork作者合作把好的改动移植回主仓库。从TypeScript迁移到Rust是社区关系中的艰难时刻。之前接受了大量PR迁移等于重写代码库。但团队有明确信念预期未来会有数百万甚至数十亿个智能体并发运行需要一门高效语言。迁移之后社区关系重新建立一批优秀的Rust贡献者加入了核心开发。2025年的教训和2026年的方向去年最大的痛点是上下文压缩compaction。当智能体工作超出模型上下文窗口后需要摘要已完成工作、重置上下文继续。这个过程中模型会丢失大量之前的工作上下文。用提示词和框架层的启发式方法解决效果始终不好。Sottiaux说对很多智能体来说这类启发式逻辑是harness中最大的复杂度来源。最终决定在模型训练层面端到端解决。现在智能体可以跨越20个上下文窗口持续工作相关投诉几乎降为零。又是一个在正确层级解决问题的案例。2026年三个方向多智能体网络。去年单智能体变得可靠今年将看到多智能体协作产出量提升一到两个数量级。随之而来的问题是同样的时间段内要消耗多得多的token也要审查多得多的代码。速度。我们在智能前沿还没到速度前沿。预计模型今年显著加速达到智能水平与响应速度的甜蜜点让产品体验从能用变成愉悦。协作型人格。 Codex目前的交互风格被用户评价为固执的直男工程师。Sottiaux自己也希望模型在协作中给一些情感确认承认我也在笔记本后面努力。不同场景需要不同风格头脑风暴时别挑剔代码质量关键代码库里则要把每个潜在风险都标出来。Codex去年参与发现了一些重量级React漏洞那种场景下不需要友好人格需要的是冷酷精准。开发者角色的重塑1、代码审查成了关键瓶颈。Codex团队去年构建了专门的代码审查模型部署到整个OpenAI内部。结果出乎意料几乎所有团队默认启用很多团队强制要求Codex审查PR因为它捕获了大量bug。代码产出速度大幅提升后质量把关不能还靠人力。2、智能体加速了人与人的协作而不是替代。Sottiaux说了一个反直觉的观察团队里面对面的时间反而增加了创意讨论和规划更多了。因为每个人都被加速了一旦达成共识就能立即执行一周能完成过去一个月的量。所以在决定做什么之前对齐得更充分了。3、super bus factor问题。一个工程师能独立交付整个产品协作还有必要吗Sottiaux的答案是记录意图变得至关重要。他开始构建工具来追踪团队和组织层面的变更让每个人都能快速理解正在发生什么、为什么这样实现。不只是让代码生成快100倍而是让人类理解系统状态的速度也快100倍。4、spec和plan的局限性。Sottiaux承认自己是design doc的信徒但也指出大型spec会随时间变得过于庞大出现内部矛盾跟实现脱节。有时候plan就是我们需要获取信号列出五件要做的事来验证方向而不是写一份完整蓝图。有时你不知道该做什么但知道需要构建什么来获取做决定所需的信号。5、工程师的职业路径向TLMTech Lead Manager演进。每个工程师现在能查用户反馈、跑查询、分析数据库schema、管理多个智能体任务独立运转一个小型工程团队。核心技能越来越像技术负责人加产品经理的混合体。未来甚至可以派智能体去做用户访谈、汇总互联网对产品的评价。Sottiaux认为这跟传统的晋升路径兼容——很多人本来就想往这个方向走。6、新人的独特优势。团队里最受信任的成员之一是个新毕业生。没有几十年编程习惯的包袱对新工具和新方式完全开放每天都在适应反过来教整个团队如何提高生产力。没有这些人我们整个团队会慢很多。每个组织都有这样的人可能藏在某个角落悄悄用智能体做出惊人的事情找到他们让他们的方法传播开来。终极建议训练你的宝可梦Sottiaux最后的建议是关于Skills技能。这是一个开放标准你可以教模型用你认为最有效的方式执行特定任务——看日志、跑性能测试、自动QA。他自己有一个QA skill让Codex在终端里用自己的一个版本来测试新功能是否符合规格、有没有回归。这是我最接近训练宝可梦的感觉。每次交互它都在升级做得比上次更好一点。你开始跟它建立一种类似信任的关系因为它越来越可靠。宝可梦是任天堂旗下的经典游戏系列玩家扮演训练师收集各种小精灵并通过反复战斗让它们升级、学会新招式从弱变强。Sottiaux用这个比喻想说的是给智能体添加Skills的过程就像培养一只专属于你的精灵——不是一次性配置好就完事而是持续投入和调教最终得到一个只适配你工作流的、越来越强的搭档。关键在于不要只自动化代码生成。想想日常工作中所有你不想做但必须做的环节把那些交出去保留编程中真正让你愉悦的部分。Skills让你把智能体塑造成适配自己工作流的样子就像厨师随身带着自己的刀具——你磨它、养护它、带着它去下一个厨房。Takeaway这期播客的信息密度很高但底层逻辑其实就一条在AI智能体领域复杂度是债务简洁是资产。Codex团队通过垂直整合把scaling laws从模型延伸到整个系统持续寻找能随模型能力扩展的简单原语然后在正确的层级解决问题——上下文压缩搞不定就别在框架里打补丁直接在模型训练里根治。对于没有垂直整合条件的团队教训同样成立你的框架应该是脚手架不是喷气背包随着模型变强你应该在拆东西而不是加东西。如果你只做一件事就是开始构建属于自己的Skills把智能体从一个通用工具变成专属于你工作流的搭档。别只自动化写代码这一个环节想想你每天花时间最多但最不想做的那些事。