OpenAI分享采用agent开发工具的策略与行动建议。
软件开发正在我们眼前经历一场复兴。
如果你近期没有使用这些工具，你可能低估了你所错过的。自去年12月以来，像Codex这样的工具的能力有了阶跃式的提升。昨天OpenAI一些优秀的工程师告诉我，他们的工作自12月以来已发生根本性变化。在此之前，他们可以用Codex编写单元测试；现在它几乎编写所有代码，并处理大量运维和调试工作。并非所有人都实现了这一飞跃，但这通常是由于除模型能力之外的因素。
如今每家公司都面临同样的机遇，而像云计算或互联网一样，妥善应对需要深思熟虑。本文分享OpenAI目前如何重新调整团队，向基于agent的软件开发转型。我们仍在学习和迭代中，但以下是我们当前的思路：
作为第一步，我们计划在3月31日前实现：
(1) 对于任何技术任务，人类的首选工具是与agent交互，而不是使用编辑器或终端。
(2) 人类使用agent的默认方式被明确评估为安全，且效率高到大多数工作流无需额外权限。
为此，我们几周前向团队提出了以下建议：
1. 花时间尝试这些工具。工具本身会证明自己——许多人在几个月前从Codex Web流失后，如今在Codex 5.2中获得了惊人体验。但许多人因为太忙而没机会尝试，或者卡在“有没有办法让它做X”的思考中，而没有直接尝试。
- 为你的团队指派一名“agent队长”——主要负责思考如何将agent引入团队工作流的人。
- 在指定的内部频道分享经验或问题。
- 花一天时间举行全公司范围的Codex黑客松。
2. 创建技能和AGENTS[.md]。
- 为你参与的每个项目创建并维护AGENTS[.md]；每当agent做错事或在任务中遇到困难时更新AGENTS[.md]。
- 为你让Codex做的任何事情编写技能，并将其提交到共享仓库的技能目录中。
3. 盘点并开放所有内部工具。
- 维护你的团队依赖的工具列表，并确保有人负责使其对agent可访问（例如通过CLI或MCP服务器）。
4. 以agent优先的方式组织代码库。由于模型变化如此之快，这仍是一片未被充分探索的领域，需要一些探索。
- 编写快速运行的测试，并在组件之间创建高质量的接口。
5. 对“垃圾代码”说不。大规模管理AI生成的代码是一个新兴问题，需要新的流程和约定来保持代码高质量。
- 确保有人对合并的代码负责。作为代码审查者，至少保持与人工编写代码相同的标准，并确保作者理解他们提交的内容。
6. 构建基础设施。每个人在构建基础基础设施方面都有很大空间，这可以通过内部用户反馈来指导。核心工具变得更好用，但有很多围绕工具的基础设施，例如可观测性、不仅跟踪已提交代码还跟踪导致这些代码的agent轨迹，以及agent所能使用的工具的集中管理。
总体而言，采用像Codex这样的工具不仅是技术变革，也是深刻的文化变革，有许多下游影响需要解决。我们鼓励每位管理者与团队一起推动此事，并思考其他行动项目——例如，根据上述第5点，还有什么措施可以防止大量“功能正确但难以维护的代码”侵入代码库。
如果你近期没有使用这些工具，你可能低估了你所错过的。自去年12月以来，像Codex这样的工具的能力有了阶跃式的提升。昨天OpenAI一些优秀的工程师告诉我，他们的工作自12月以来已发生根本性变化。在此之前，他们可以用Codex编写单元测试；现在它几乎编写所有代码，并处理大量运维和调试工作。并非所有人都实现了这一飞跃，但这通常是由于除模型能力之外的因素。
如今每家公司都面临同样的机遇，而像云计算或互联网一样，妥善应对需要深思熟虑。本文分享OpenAI目前如何重新调整团队，向基于agent的软件开发转型。我们仍在学习和迭代中，但以下是我们当前的思路：
作为第一步，我们计划在3月31日前实现：
(1) 对于任何技术任务，人类的首选工具是与agent交互，而不是使用编辑器或终端。
(2) 人类使用agent的默认方式被明确评估为安全，且效率高到大多数工作流无需额外权限。
为此，我们几周前向团队提出了以下建议：
1. 花时间尝试这些工具。工具本身会证明自己——许多人在几个月前从Codex Web流失后，如今在Codex 5.2中获得了惊人体验。但许多人因为太忙而没机会尝试，或者卡在“有没有办法让它做X”的思考中，而没有直接尝试。
- 为你的团队指派一名“agent队长”——主要负责思考如何将agent引入团队工作流的人。
- 在指定的内部频道分享经验或问题。
- 花一天时间举行全公司范围的Codex黑客松。
2. 创建技能和AGENTS[.md]。
- 为你参与的每个项目创建并维护AGENTS[.md]；每当agent做错事或在任务中遇到困难时更新AGENTS[.md]。
- 为你让Codex做的任何事情编写技能，并将其提交到共享仓库的技能目录中。
3. 盘点并开放所有内部工具。
- 维护你的团队依赖的工具列表，并确保有人负责使其对agent可访问（例如通过CLI或MCP服务器）。
4. 以agent优先的方式组织代码库。由于模型变化如此之快，这仍是一片未被充分探索的领域，需要一些探索。
- 编写快速运行的测试，并在组件之间创建高质量的接口。
5. 对“垃圾代码”说不。大规模管理AI生成的代码是一个新兴问题，需要新的流程和约定来保持代码高质量。
- 确保有人对合并的代码负责。作为代码审查者，至少保持与人工编写代码相同的标准，并确保作者理解他们提交的内容。
6. 构建基础设施。每个人在构建基础基础设施方面都有很大空间，这可以通过内部用户反馈来指导。核心工具变得更好用，但有很多围绕工具的基础设施，例如可观测性、不仅跟踪已提交代码还跟踪导致这些代码的agent轨迹，以及agent所能使用的工具的集中管理。
总体而言，采用像Codex这样的工具不仅是技术变革，也是深刻的文化变革，有许多下游影响需要解决。我们鼓励每位管理者与团队一起推动此事，并思考其他行动项目——例如，根据上述第5点，还有什么措施可以防止大量“功能正确但难以维护的代码”侵入代码库。