Codex 不是你调用的工具：OpenAI 要把智能体做成会主动干活的工程队友

Alexander Embiricos 大约一年前加入 OpenAI，此前自己做了五年创业公司，更早是 Dropbox 的产品经理。被问到这里最不一样的地方，他几乎不假思索：速度和野心远超他能想象的程度。每位创始人都说自己跑得快、人才标准高，但在 OpenAI 工作让他重新理解这些词到底意味着什么。Codex 自身的爆发式增长是最直观的例子；经历过之后，他觉得自己必须对自己的时间狠得多。

组织上真正让他意外的，是货真价实的自下而上。没人确切知道哪些能力很快会到来，哪些技术上可行，哪些即使得了用户也会买单，所以团队必须谦逊、凭经验快速试。一位研究负责人告诉他：OpenAI 很擅长聊一年以后的事，也很擅长聊未来几周，中间那段却很难推理。瞄准仍然存在，只是更模糊——对齐这类问题必须想得很远，具体做什么产品则靠实证。

这种模式高度依赖人才。他到岗后震惊于同事的个人驱动力和自主性，并提醒很少有公司能原样照搬，听完播客就往自己组织里套往往会失望。他还认为，即便模型今天完全停止进步——他说这绝不是事实——行业在产品上仍然远远落后。Lenny 把做法概括成「先开枪再瞄准」，Embiricos 纠正说瞄准这一步还在，只是轮廓更虚。

说回手头的产品，Codex 是 OpenAI 的编程智能体，形态是 VS Code 一类的 IDE 扩展，或可以装上的终端工具。你可以和它结对：问代码、写代码、跑测试、执行程序，覆盖开发生命周期中间那一大段、把代码送进生产的工作。Embiricos 说这只是开始。他们想要的是一名工程队友：前期参与构思和规划，后期参与验证、部署和维护。

他的比喻是：今天的 Codex 像一个很聪明、却拒绝读 Slack、除非你要求否则不看 Datadog 或 Sentry 的实习生。再聪明，你也不会放心让他独自干活。Lenny 起初听成「它不会分心」，Embiricos 纠正说缺的是上下文。好的人类队友会先学会如何被提示，再接起步任务，最后自己判断该做什么——他称最后这一步为 主动性。

他认为主动性对 OpenAI 的使命至关重要，半开玩笑地说今天的 AI 产品其实很难用：你得想清楚模型何时能帮上忙，不提示它就不会帮忙。人们每天大概提示几十次，但一个真正聪明的存在每天能帮上忙的次数可能是几千次。目标不是让开发者时刻想着「现在该调用 AI 了」，而是插进现有工作方式里、默认就开始做事。

Embiricos 说，自八月 GPT-5 发布以来，Codex 的增长极为猛烈：远超 10 倍，实际大约 20 倍。Codex 模型现在每周服务数万亿 token，是团队服务量最大的编程模型。产品和研究被收成一支紧密一体的队伍、同时迭代模型和 harness；最近其他大型 API 编程客户也开始采用这些模型，API 里服务量最大的编程模型同样变成了 Codex。

第一版是 Codex Cloud：每个任务在云端有自己的电脑，最大卖点是大量并行。挑战也很清楚——环境难配，难给模型验证改动所需的工具，也难学会那种提示方式。他比喻成雇了一个永远不准打电话、只能异步往来的队友。那仍是他们想把用户带到的终点，委托和主动性也仍在增长，但很难作为第一站被采用。

解锁点是落在更直觉的地方：绝大多数用户今天是装 IDE 扩展或在命令行里跑起来的，智能体在你自己的机器上、沙箱里交互工作。它可以在沙箱里跑命令、不必另配环境，沙箱里跑不了就问你。久而久之，配置智能体成了使用的副产品，为日后委托铺路。内部试用曾指向相反方向，因为 OpenAI 员工整天训练推理模型，习惯先想清楚、再大规模并行、过一会儿异步回来看。

Lenny 问加速是否还来自更干净的数据或模型本身的进步。Embiricos 说模型确实重要，并点到上周三发布的 GPT-5.1 Codex Max：在早先模型能完成的任务上大约快 30%，开到更高推理档位则更聪明。他认为它承接了 Karpathy 那种「把最难缠的 bug 丢给它跑一小时」的定位。但团队的思路已经从只想把模型训到最强，转向思考整个智能体到底是什么。

他不愿给「智能体」下精确定义，但描述的栈很清楚：一个擅长特定任务的推理模型，把它送出去的 API，以及外面的 harness。让 GPT-5.1 Codex Max 连续工作很长时间——有人说跑了一整夜，有人说跑了 24 小时——靠的是名为压缩的能力：上下文窗口快满时，模型要准备好进入新窗口。这个功能跨了三层：模型要理解即将换窗，API 要有对应端点，harness 要准备好 payload。

第二个常被低估的优势是聚焦。各家编程产品的工具 harness 很不一样，有的押语义搜索，有的押专用工具；想为每种变体都把模型训好，速度会很慢。Codex 刻意只用 shell，再用模型习惯操作的沙箱把这件事做安全。Embiricos 把加速归因于三层并行构建、不断互相调校，以及产品与研究绑在同一支队伍里。

被问及如何在这个赛道取胜，Embiricos 把答案拉回队友：不只是会规划、会测代码、会帮忙维护和部署，还能像工程同事那样订日历、改站会。如果研究实验室每周扔出一项惊人新能力，没有人类跟得上全部用法，助手就该自己知道怎么帮忙。他认为不知道该用 AI 做什么时，聊天是对的界面，像在 Slack 里找同事；代码这类专业领域则需要 GUI 往深处走。

他给出一个大约一年视野、自认说得通的论证。超级助手必须能做事，而过去一年的教训是：模型做事最好的方式是会用电脑。点选屏幕又慢又不可预测，模型用电脑最有效的办法就是写代码。对非技术用户来说，可能永远不必知道背后是编程智能体，就像没人会想自己是不是在「用互联网」，只问 Wi-Fi 开了没有。他甚至说，财务分析这类事若能用代码解决，就该让智能体写代码。

代码还有点选没有的性质：可组合、可互操作。团队需要可配置的行为，比如不同子团队分析崩溃用不同提示，以及智能体能做什么的确定性保证。目标是把智能体常做的事存成可复用能力，一个智能体写的脚本，刚加入的队友也能接着用。他认为编程智能体已经相当不错；编程之外的智能体仍非常早期，一旦能用可组合的方式写代码，才会好得多。

对工程职业的影响，Embiricos 认为代码会更无处不在，因此需要更多具备这项能力的人。作为产品团队，他反复问的是：这个功能是让人更加速，还是让人更搞不清自己该干什么。写代码是许多工程师最有趣的部分之一，审 AI 写的代码则往往没那么有趣。所以他们在做代码审查功能，也在让智能体更好地验证自己的工作，好让人仍然觉得自己被赋能而不是被架空。

这套逻辑会落到微观决策。比如在 Codex 网页端，他认为审阅者应先看到智能体做出的界面预览，而不是先看 diff；除非 AI 已经审过，否则不该一上来就读代码。在更高抽象层，他已经看到有人用计划驱动开发：先和智能体一起写一份 plan.md，计划里有可验证步骤，它就能干得更久。他不确定规格驱动开发会不会大面积胜出，因为很多人也不爱写规格，还随口开了「闲聊驱动开发」的玩笑——团队沟通里冒出来的信号，直接变成代码被写下、被部署。

他还抛出一个故意夸张的未来独立创业者画面：手机上每个想法是一条竖屏视频，左滑否、右滑是，长按语音反馈。他强调 OpenAI 没在做这个。认真的一点是，智能体从各系统吃信号、用最低成本的方式把想法推到你面前，是说得通的。他提起 OpenAI 第一次用 Codex 这个品牌，其实是给 GitHub Copilot 供电的模型；自动补全之所以成为最成功的 AI 产品之一，正因为它在对的时候加速你，错了也不那么恼人，是一种混合主动的系统。

今天通向那种世界的瓶颈，是验证和审代码。人们已经在 Slack 里 @Codex，问这个 bug 为什么出现、这条指标为什么动了，答案会直接回来，数据科学家也常用。一旦它开始写代码，人就得回去看。Lenny 说自己做了十年工程师，写代码很爽，看别人的代码、还得为会不会搞垮生产负责则不然。Embiricos 因此希望人们把编程智能体配置得在后期阶段更自主。

作为产品经理，Embiricos 说自己主要感到更有权能。他引用 Scott Belsky「压缩人才栈」的说法：一个人能做更多，沟通边界就消失一层，团队更高效。他现在拿 Codex 问问题、理解正在发生的变化，发现做原型常常比写规格更快。他们本是为生产代码而建 Codex，却看到大量一次性代码——比如只为理解数据集，就让它做了一个交互式数据查看器，过去会嫌麻烦，现在完全值得。

设计师也是同一模式。有人为了做 Codex 里的硬币动画，先 vibe code 出一个动画编辑器，再用它做出动画并提交进仓库。设计团队还有一个独立的、vibe code 出来的 Codex 应用原型：短会之后设计师直接做成可玩的东西，觉得好再收成真正的 PR。取决于对代码库的熟悉程度，他们自己落地，或工程师帮忙收尾。Codex 的界面是 Rust 写的，难度更高，设计师往往做到接近完成再交棒。

Sora 安卓应用是他举出的最惊人例子。从零做到员工可用花了 18 天，再过 10 天对公众发布，一共 28 天，大约两到三名工程师，后来成了 App Store 第一。他说这有点「简单模式」，因为 Codex 很擅长从已有平台移植：工程师让它看 iOS 应用、写出工作计划再实现，同时对照两端。Atlas 浏览器上，一位工程师告诉他，过去两三个工程师两到三周的活，现在一个工程师一周；上周发布的模型也是第一个原生理解 PowerShell 的。产品市场同事已经能直接从 Slack 改文案、改文档。

Lenny 问这是否终将变成产品经理或设计师也能独立完成。Embiricos 预期角色边界会模糊，但是渐进的。他比喻成写 Swift 不必会汇编：人们仍需理解自己在做的细节，但哪些细节重要会随抽象层上升而变，现在已经到了自然语言这一层。一段时间内，人类还会挑选智能体需要掌握的连接器和组件；他想象更后面，Codex 会告诉你怎么在仓库里配置它自己，甚至自己配好。

谈到二阶效应，他不认为想法有许多人以为的那么值钱，因为执行和分发仍然很难。东西可以建得很快，仍然必须整体说得通。如果只能选一项核心能力，他会选对某一类客户问题的有意义理解。创始人若有一张被 AI 工具服务不足的客户网络，他就觉得稳了；只会做网站、没有具体客户的人，会更难。Lenny 把这听成对垂直 AI 创业公司的看好，他表示同意。

衡量 Codex 进展时，他不断提醒自己：这类工具天然会把人养成重度用户，团队容易过度解决深度采用路径上的功能。所以他看早期留存，比如第 7 天，并重新注册、体会新用户感受——为此他甚至用自己的 Gmail 开了好几个每月 200 美元的 ChatGPT Pro 账号。团队也大量看 Reddit 和 Twitter。他说 Reddit 更负面但更真实，点赞机制能更好标出什么重要；Twitter 更偏炒作，也更像一对一。

Lenny 坦言自己试过 Atlas，不喜欢只有 AI 搜索、没法退回普通搜索的体验，发推后很快看到产品补上了切换。Embiricos 做过一段时间 Atlas，现在不再负责。故事要从他那家屏幕共享、结对编程的创业公司讲起：加入 OpenAI 是为了做有上下文的桌面助手。他认为把全部上下文塞给助手很烦人，助手该自己理解你在干什么；他仍把 Codex 看成从编程切入的上下文助手。

浏览器让上下文变成一等公民。大量工作发生在网页上，身处渲染引擎里，产品不必去黑其他桌面软件参差不齐的无障碍树，也不必依赖又慢又不可靠的截图。他比作电子游戏里的情境动作键：走近一个物体按一下，游戏知道你在尝试什么，就帮你做对的事。他当年会读每张游戏说明书，第一次读到「情境动作」时觉得这是个很酷的主意。

更深层的原因是通知。如果智能体每天帮你几千次，推送几千条「我做了这件事，你喜欢吗」会无法忍受。相反，你盯着仪表盘发现指标下跌时，智能体可以就在那里给出原因判断和可能的修复，让人保持心流。用户也保有清晰控制：想让智能体动手，就在 AI 浏览器里打开；不想，就用别的浏览器。这样才做得出混合主动的界面，在有用的时刻浮现情境动作，而不是随机打扰。

工程之外真正有牵引力的用法，大多仍和写代码相邻，比如数据分析，团队眼下刻意聚焦编程。给想试用的人，Embiricos 的建议不寻常：把你最难的真实问题交给它，比如找不到原因的 bug，而不是拿琐碎测试或随意 vibe code 来试手感。只要先限制在一个问题或一项任务——它还不会替你做成独角兽公司。语言支持大致跟随各语言在世界上的常见程度，除非你在写非常冷僻或私有的语言。

给新手的提示是并行试几件事，并像对待新队友那样建立信任：先让它理解代码库，一起形成计划，再一点点实现。你不会对刚入职的同事说「零上下文，把这件事做了」。他认为这样用，会自然体会到提示 Codex 和其他模型不太一样。它是强大的智能体和模型，但提示方式略有不同。

对规划职业的人，他首先说要做做事的人：学生和应届生现在能完成的事多得多，招初级时他会看对方用最新工具有多高效，能力差距反而在缩小。系统工程、沟通和协作仍然重要，因为人类还要配置智能体。一位 Atlas 工程师靠反复问「你为什么不能验证自己的工作」并让它修好，让 Codex 能自检。他还说任何领域的前沿都值得追，因为智能体在那里更弱，而推进前沿会倒逼你使用它们。

被问到「前沿」的例子，Embiricos 把话拉回公司内部：Codex 已经写了大量帮助管理训练任务及其基础设施的代码。它的代码审查抓住过一些有意思的配置错误。团队开始看到它为自己的训练值班的苗头。今天人类盯着训练曲线，他称之为 babysitting；设想是让 Codex 循环评估这些图怎么走，系统宕机或出错时采取暂停、修复之类的动作，好把极其昂贵的训练跑得更高效。

谈到离 AGI 还有多远，他关注加速曲线何时出现曲棍球棒。一个被低估的限制因素，他说，就是人类打字和多任务速度，再加上必须审阅智能体产出的一切。你可以让智能体看着你做的所有事，但若它不能验证自己的工作，你仍卡在能不能审完那些代码。打通这些循环，意味着重建系统，让智能体默认有用、并能验证自己的工作。

他不认为这会是非黑即白。明年，一家新创业公司也许能采用智能体大体自给自足的技术栈；而像 SAP 那样有大量复杂遗留系统的公司，不可能一夜之间让智能体端到端接手，只能逐步替换或更新。所以早期采用者明年就该看到生产力曲棍球棒，更大公司在随后几年跟上；模糊的中间某处，这些收益回流到 AI 实验室，他认为那才进入 AGI 地带。这和他前面的判断连在一起：即便模型不再进步，把现有能力用好，仍有巨大空间。