Harness 与 Agent 工程 · AI研发与测试工程 · 2026-08-02

OpenAI 一线实录:AI 写代码的速度,人类已经检查不过来了

OpenAI一线实录:AI写代码如潮水涌来,人类已难招架,生产权扩散却责任沉积的困局直击行业痛点。 核心内容:

  1. OpenAI内部AI代码工具普及,代码量呈指数级增长
  2. 非工程师群体也能生成代码,生产权全面扩散
  3. 代码责任未随生产权转移,维护负担集中在少数工程师

Every 的记者 Laura Entis 上周走进 OpenAI 总部,写下一篇报道,名字叫《Before the Deluge》——洪水之前。

报道里说,旧金山满城的广告牌都在承诺同一个未来:Agent 时代已经到来,人类工程师的编程工作会被自动化掉。楼里的实况,和广告牌只差一个字:工作确实被自动化了——但它没有掉,它涨了,涨成了洪水。

文章从一个深夜开始。

00 · 半夜,Agent 在自己修故障

一个跑在研究员笔记本上的编码 Agent,在 Slack 里报告:数据导出失败了。

研究员睡了。当晚值班的基础设施工程师 Katz 也睡了。

Agent 没睡。它有权限,有工具,就自己动手:排查故障、验证猜想、换思路重来,一路在频道里记录进展。到早上,研究员拿到了数据。Katz 和他的团队,一步都没介入。

单看这一幕,广告牌说得没错。

但这篇报道真正的主角,不是半夜干活的 Agent——是白天收拾烂摊子的人。

01 · 代码洪水从哪里来

几个数字:

GPT-5.5 发布几周内,Codex 桌面端在 OpenAI 内部的采用率接近 100%。数据平台团队的 PR 量,一年涨了 5 到 10 倍。5000 多名员工在用内部数据分析 Agent 直接查数据仓库。员工不限 token,一批 UI bug 扔出去,多个 Agent 并行写修复、跑测试、在浏览器里自己点一遍受影响的页面。

洪水里相当一部分,来自不写代码的人。运营在生成 Flink 数据流任务。数据平台负责人 Emma Tang 说:「我们有用户在生成 Flink 作业,但他们根本不懂 Flink。」以前想要个内部小工具,得排队等工程师;现在,任何人都能「周一早上抱着周末做好的原型来上班」。

02 · 没人认领这些代码了

代价在另一头:

出了问题,作者自己讲不清自己交付了什么。一个 vibe coding 出来的应用可能每几秒刷新一次数据,而它依赖的分析系统一天才更新一次。要真接上生产系统,「跑在哪」「谁维护」这些问题,写它的人根本看不见。

Tang说:

「Nobody owns it anymore except us.」

没人认领这些代码了——除了我们。

不要以为这是“用了 AI 但没用好”的故事。恰恰相反,越用得好,洪水越大。Katz 的团队给 Codex 加了个技能,让它代员工查内部数据导出系统,不用再写 SQL。两周之内,这个技能占了整个导出系统一半以上的用量。然后所有的边缘情况、所有没人写过文档的角落,全落回 Katz 头上。他的团队「资源受限」,「积压的活,永远比人多」。

Tang 说得更直接:「如果有人说他有完整的解决方案,那他多半只是没看到全貌。」

这里藏着一个要害:AI 把代码的生产权分发给了所有人,却没有把责任一起分发出去。生产权扩散了,维护责任还沉积在原来那几个人身上。真正淹没 OpenAI 的不只是代码——是无人认领的责任。

03 · 验收系统,是按人类手速设计的

应用基础设施 VP Venkat Venkataramani 给了全篇最重的判断:今天的洪水,回头看只是毛毛雨。不远的将来,过去一年的事故量,可能压进一周发生。

危险不在水量。高质量代码多了,只是软件多了。危险在洪水夹带的东西——bug、安全漏洞、藏在海量变更里的隐患。水量放大 10 倍、100 倍,哪怕污染比例不变,绝对量就是灾难。

现有的两道闸口:CI(持续集成)在代码合入前测试它,CD(持续部署)把过检的代码发进生产。这套关卡是前 Agent 时代建的——按人类写代码的速度设计的。

那把 CI/CD 扩容行不行?他的反问是:「你只是让每天多灌进来 100 倍的代码——then what?」

扩容管道,不会让水变干净。

因为“验收”从来不只是测试资源的问题。它至少是三件事:确认代码做的是不是原本想做的事,确认它不会伤害别的系统,确认出了问题谁负责。三件事,对应三层天花板。

吞吐量天花板:代码涨十倍,reviewer 不可能涨十倍。

理解力天花板:审查者面对的,不再是作者想清楚才提交的代码,而是作者自己也没消化的生成物。

责任天花板:测试全绿、上线出事,后果算谁的——生成者、提示者、审查 Agent,还是模型供应商?

AI 可以把一行代码复制一千份,却不能把理解和责任复制一千份。

代码可以并行生成,责任却仍然串行结算。

代码产量在起飞,验收撞上三层天花板。来源:Every《Before the Deluge》

04 · 判断力下沉,责任向上集中

这位 VP 的方案像现代城市的雨洪管理:不靠一个下游闸口,在多个位置分层过滤。「你加 10 层这样的过滤,最后总能拿到干净的水。」报道里已经能看到四层的雏形——

源头立下规矩。数据平台团队的工程师现在就这么干:修完一个故障,顺手把经验写进公司共享的 Codex 指令,让它下次自己不犯。

专职审查 Agent。写代码的 Agent 只管写,审查 Agent 按系统属主团队的规矩审;大变更要过十几个子 Agent 的完整流程。

全天候监控 Agent。不看代码,看行为:盯着运行中的系统,在问题扩散前隔离它。

基础设施自带判断。最激进的一层:哪怕前面所有关卡都亮了绿灯,基础设施本身可以拒绝执行不安全的操作。Tang 说它要有「自己的智能,像一个人类操作员坐在那个服务里」。

可复制的判断下沉进系统,必须负责的判断向人上移。来源:OpenAI 应用基础设施团队

但判断力没有消失,它在做一次双向迁移:重复、稳定、说得清规则的判断,被写进 Skill、审查 Agent 和基础设施,往下沉;模糊、冲突、要担后果的判断,往人身上移。那位 VP 还有一个预判:cod…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/LargeLanguageModel/2026080262094.html