34 lines
2.0 KiB
Markdown
34 lines
2.0 KiB
Markdown
# OpenAI内部是怎么使用Codex？ | 最近OpenAI公布了其内部是如何使用Codex。为了方便大家阅读，我基于OpenA…
|
||
|
||
最近OpenAI公布了其内部是如何使用Codex。为了方便大家阅读，我基于OpenAI公布的英文原版进行整理，并把这份材料整理成了一组信息图。
|
||
看完以后我最大的感受是：Codex 的价值，不只是“帮你写代码”。
|
||
更重要的是，它已经开始进入真实工程协作流程里。
|
||
比如：读陌生代码库、扫重构影响面、找性能瓶颈、补测试、生成 PR、处理碎片任务、做方案探索。
|
||
这些场景其实都很工程化。
|
||
|
||
尤其对程序员来说，最值得借鉴的是这几点：
|
||
第一，先让 AI 理解系统，再让它改代码。
|
||
不要一上来就丢一个大需求。
|
||
第二，重构和迁移类任务，适合先扫影响面，再拆成小 PR。
|
||
节奏可控，比一次性大改更靠谱。
|
||
第三，测试不要只追覆盖率数字。
|
||
边界条件、失败路径、历史 bug，才是真正能挡住回归的地方。
|
||
第四，把 Codex 任务队列当成轻量 backlog。
|
||
碎片时间把任务丢进去，专注时间再回来 review。
|
||
第五，长期看，AI 编程的核心能力会从“单次生成代码”，变成“沉淀可复用的工程工作流”。
|
||
这也是我觉得普通开发者最应该关注的地方。
|
||
AI 会越来越会写代码。
|
||
但真正拉开差距的，还是谁能把上下文、流程、验证方式和团队规则沉淀下来。
|
||
|
||
这组图适合收藏，后面做 AI 编程工作流时可以直接对照用。
|
||
|
||
[#AI编程](https://www.zhihu.com/topic/28322950) [#CODEX](https://www.zhihu.com/topic/28425489) [#OpenAI](https://www.zhihu.com/topic/20083046) [#软件工程](https://www.zhihu.com/topic/19557552) [#AI提效](https://www.zhihu.com/topic/28837039) [#AI工具推荐](https://www.zhihu.com/topic/27828704) [#AI 工具技巧](https://www.zhihu.com/topic/27158399) [#效率](https://www.zhihu.com/topic/19556677)
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|