OpenAI百万行代码实验

概述

OpenAI进行的一项实验，展示了3名工程师在5个月内使用Codex Agent从空仓库构建了超过100万行代码的产品，所有代码均由AI生成，无一行手写。

关键内容

1. 实验设置：
2. 参与人员：3名工程师
3. 时间周期：5个月
4. 提交数量：大约1,500个PR（平均每人每天3.5个）
5. 代码总量：超过100万行代码

6. 生成方式：所有代码由Codex生成，无一行手写

7. 早期挑战：

8. 进展比预期慢，不是因为Codex编码能力不足
9. 主要原因是环境未搭建好，Agent不了解项目依赖结构、架构约束
10. 无法验证产出的正确性

11. AI表现出类似新人入职的体验：能力没问题，但不了解组织规矩

12. 解决方案 - 规则编码：

13. 将项目规则写下来，让机器能读懂
14. 设计严格的依赖方向：Types → Config → Repo → Service → Runtime → UI
15. 将约束编码成自定义Linter规则，CI自动拒绝违规代码

16. 创建约100行的AGENTS.md，称为"地图，而不是百科全书"

17. 关键创新：

18. 本地可观测性系统：每个git worktree启动独立应用实例
19. Agent通过Chrome DevTools Protocol直接操控浏览器验证UI

20. Agent可随时查看自己产出的效果，无需人工检查

21. 自动化清理：

22. 团队最初每周花费20%时间清理Agent产生的"AI slop"（风格不一致、过度抽象、命名奇怪的代码）
23. 后来将清理标准编码为"golden principles"，让Codex根据原则自动重构

24. 实现从人工清理到自动清理的反馈回路闭合

25. 核心哲学：

26. "Humans steer. Agents execute."（人负责掌舵，Agent负责执行）
27. 工程师角色从写代码转变为设计让代码被正确写出来的系统

来源

• Harness Engineering的本质是什么？ - riba2534 的回答 — 关于OpenAI实验的详细描述
• Harness Engineering: Leveraging Codex in an Agent-First World — OpenAI原始报告

相关

• Harness-Engineering — relates_to
• OpenAI — relates_to
• Codex — relates_to
• Agent-Native-Architecture — relates_to
• Harness-Engineering与控制论 — relates_to