跨国深谈← 返回←OpenAI 开发者日：从结对编程到指挥智能体大军

OpenAI 开发者日：从结对编程到指挥智能体大军

关联

人物 Peter Steinberger · Romain Huet

公司 OpenAI

概念 智能体 · Codex · 循环 · 协作界面 · harness · 压缩 · 委托 · 持久化上下文

一个人对着 10 个终端窗口发指令，这不是在编排系统，而是在轮询——真正的未来不是让你同时盯住几十个终端，而是让你只跟一个长期在线的智能体管理者对话。这种从「微操」到「放权」的转变，正是这一集 OpenAI 开发者日要讲的核心。

在这场面向数千名 AI 工程师的对谈中，OpenAI 的 Alexander 和 Romain 讲了他们如何看待工程的未来，以及产品该怎么随之进化；随后登台的 Peter Steinberger（开发者圈子里被称为 Claw Father）则用亲身经历，勾勒出了一套与智能体大军协作的全新工作范式。你会听到三块内容：第一，OpenAI 为什么坚信「工程师不但不会消失，反而迎来了最好的时代」，以及他们怎么把 Codex（OpenAI 的代码智能体）做成一个彻底开放、任何人都能在其上搭建生态的底层平台；第二，当模型跑得足够快、足够便宜时，人受限于「注意力」这个终极瓶颈该怎么办；第三，一组关于未来的具体预测——未来的编程长什么样、智能体以何种形态存在、以及工程师该把精力投向何处。

说完了这一集大概在讲什么，接下来先看 OpenAI 团队抛出的核心主张。现场抛出的一个反共识判断是：编程的抽象程度越来越高，但这绝不意味着工程师会被淘汰，相反，现在恰恰是做工程师最好的时候。

理由很简单：工程的核心从来不是把代码敲出来，而是用科学、设计和想象力去解决问题。当模型把「写代码并自我验证」这件事包揽后，人反而能腾出手来，做更多的原型尝试，花更多时间去真正理解用户，从而在「该建什么」这种核心决策上做得更好 。

注意这里提到的 Codex，它是 OpenAI 推出的代码智能体，核心能力是不仅能写代码，还能在沙箱（一种与主系统隔离的安全执行环境）里运行代码、做测试验证，甚至自己跑完整的「构建-测试」闭环。两年前，模型还无法运行自己写的代码，演示时必须祈祷一切顺利；而到了现在，模型已经能独立承担起长周期、高难度的目标，直到把任务彻底跑完。

既然模型这么强了，产品该怎么顺势进化？这正是接下来的话题。

OpenAI 团队认为，未来的 AI 协作产品应该有两种核心模式：一种是随时随地的「聊天」，另一种是让人能随时介入细节的「协作界面」。这个理念背后的洞察是：就像和真人团队共事一样，大多数时候你只需要聊几句，放手让队友去干；只有偶尔遇到棘手问题，你才需要凑到工作台前一起死磕细节 。

为此他们专门打造了 Codex 应用——你可以通过简单的聊天下达指令，也可以随时进入协作界面，指着具体的某行代码做调整。有意思的是，这个产品刚提出时，被不少坚持只在终端（黑框命令行）里敲代码的资深工程师嗤之以鼻；但现在，那些曾经信誓旦旦绝不离开终端的人，却成了这款应用的重度用户。因为在终端里很难做复杂协作，而传统的集成开发环境（IDE，写代码的专用软件）顺序又错了——它让人一上来就陷进代码里，而不是先跟「队友」沟通需求。

讲完了产品理念，那么这套生态具体是怎么搭起来的？OpenAI 给出的答案是「彻底的开放与分层」。

从最底层的模型 API，到中间层的 Codex harness（控制智能体行为的核心调度框架），再到上层的应用服务，OpenAI 都选择了开源或对外开放。这意味着，他们用来构建 Codex 应用的工具，和交给全体开发者的工具是完全一样的。

每当 Codex 需要什么新功能——比如处理长任务的「上下文压缩」（为了适应长时间运行的任务，把冗长的背景对话信息浓缩存储），他们都会先把它做进 API 里，让所有开发者都能平等使用 。不仅如此，为了让生态繁荣，他们甚至开发了特定角色（比如数据科学、设计）的插件，并且全都是开源的。这样做的结果是，任何人都可以用现有的订阅，在各种第三方工具（如 OpenCode、Xcode、JetBrains）里无缝接入这个智能体生态。

说完了 OpenAI 的平台蓝图，接下来有请特别嘉宾 Peter Steinberger 登台，讲讲一个顶级开发者的真实工作流演变。Peter 在社区里被称为 Claw Father，他几个月前还在同时管理 10 多个终端窗口，像一个调度器一样，时刻盯着哪个智能体干完了活，好赶紧给它派新任务。但他后来意识到，自己以为在做系统编排（指挥多任务协同），其实是在做轮询（不停挨个去问状态、等结果），这不仅低效，而且把自己变成了系统的路由器和内存 。

这种困境怎么破？这正是 Peter 接着要讲的核心方法论。

如今，他的工作方式变了：他主要只跟一个长期在线的「管理者」智能体对话，由这个管理者把任务分派给底下的多个工作者智能体去执行。这种跨级管理之所以能跑通，是因为三个关键能力的成熟：第一是「持久化上下文」（让智能体在长时间待命时记住背景信息和历史决策）；第二是「委托」（一个中枢线程能创建并引导具体的子任务）；第三是「触发器」（比如有新需求提交时，自动唤醒对应的管理者）。

放手让智能体去干，听起来美好，但人该怎么配合？这正是下一个话题。

Peter 发现，随着这套系统跑起来，瓶颈也在不断转移。一开始他受限于模型消耗的额度；后来额度管够，计算力又成了瓶颈（本地的电脑跑得像喷气发动机）；再后来，算力也解决了，他发现自己受限于「注意力」——与算力不同，人的注意力是没法简单扩容的。

过去人必须死盯着屏幕，一旦模型跑偏就立刻按 Escape 打断重导；但现在的模型已经足够聪明，会自己理解意图，再盯着它敲代码纯属浪费时间。所以他现在的做法是：有需求提交时，管理者智能体醒来判断是否合理，然后交给工作者去实现、跑测试，最后再由审查智能体复核。

在这个过程中，人完全不需要去看那些中间过程。只有当管理者真正需要决策时，才会给 Peter 返回一个包含提议改动、运行视频甚至可以实时远程登录查看的构建结果。

此时人只做一次最终审查和决策即可。一句话总结：智能体跑内部执行循环，人只负责设定方向和做外部决策 。

这套工作流已经很极致了，那未来的终点又在哪里？这正是下一个话题。

Peter 描绘了他理想中的最终形态：未来，智能体不应该被绑死在某台笔记本或某个具体的 App 里。它应该是一个随时可调用的实体——你可以给它发短信、在 Slack 里引导它，或者在世界任何角落听到它的汇报。更进一步，你甚至不需要操心这活儿是在本地机器上跑还是在云端跑，智能体自己会判断环境需求，并知道该去哪里获取算力。

本集带走

最后收个尾，这一集值得带走的是三句话。第一，别再担心工程师会消失，既然 AI 已经把「构建-测试」的闭环跑通了，人就能从写代码的劳作中解放出来，把精力全放在理解用户和决定「该建什么」这种真正需要品味和判断力的事情上。

第二，想要把智能体大军的威力真正发挥出来，必须从微操思维切换到委派思维，给目标、给护栏、给验证标准，然后彻底放手，让人只做那一次最重要的外部审查和决策。第三，无论多强的智能体，最后都会撞上人类「注意力有限」这个无法扩容的终极瓶颈，所以今天最值钱的能力，就是果断决定把你的注意力花在哪里。别忘了，工具再强也只是内部循环，设定方向的那个外部循环，永远属于你。

软件吞噬了世界，然后 AI 吞噬了软件。但现在我们要说的是，AI 工程师正在吞噬世界。
Software ate the world, and then AI ate software. But now, what we’re here to say is that the AI engineers are eating the world.
—— Romain Huet · [01:21]

对于我们的目标绝对不是自动化工程师。相反，我们想要的产品形态是最大限度地赋予工程师力量的形态。
For us, the goal is squarely not to automate engineers. Instead, the product shape that we want is one that maximally empowers engineers.
—— Peter Steinberger · [06:25]

我以为我在编排。实际上，我在轮询。
I thought I was orchestrating. Really, I was polling.
—— 嘉宾 · [19:24]

现在，我主要受限于注意力。与 tokens 或计算不同，我不能简单地增加更多的注意力。
Now, I’m primarily constrained by attention. And unlike tokens or compute, I can’t simply add more of it.
—— 嘉宾 · [21:19]

智能体运行内部执行循环。我设定方向，我在外部循环中做决策。
The agent runs the inner execution loop. I set the direction and I make decisions in the outer loop.
—— 嘉宾 · [23:04]

模型的进步速度超过了围绕它们的工具和组织。
Models are advancing faster than the harnesses and organizations around them.
—— 嘉宾 · [24:34]

未来不是 20 个终端。而是更好的循环。
The future is not 20 terminals. It’s better loops.
—— 嘉宾 · [24:49]