The Pragmatic Engineer
随着AI使代码生成效率跃升五倍并推动瓶颈向需求与审查转移,企业衡量研发成本的核心逻辑必须从Token消耗转向为全天候高产出的虚拟队友支付对等薪资。
AI-assisted summary of OpenAI: How AI is reshaping the craft of building software - The Pragmatic Summit — original source. Check the original for full context.
Source published:
Key ideas
- OpenAI 内部工程师日常消耗的 Token 数量已高达每周数百亿,Codex 正在从辅助工具转变为拥有独立执行能力的虚拟“队友”。 (0:05)
- 研发瓶颈已从代码生成快速转移至代码审查、CI/CD,以及最前端的需求洞见与工单自动归类。 (2:19)
- 针对 AI 时代淘汰初级开发者的担忧,OpenAI 逆势扩招约 100 名应届毕业生,认为这一代技术人本质上是“AI 原生”且生产力极高。 (12:07)
- 关于算力成本,OpenAI 高管建议打破 API 计费的狭隘思维,将其视为为 7×24 小时全天候数字队友支付极具性价比的薪资。 (22:52)
Detailed notes
## Background 本内容由 The Pragmatic Engineer 于 2026 年 2 月 23 日发布在 YouTube 平台上。视频记录了 The Pragmatic Summit 峰会的一场深度对谈,由 OpenAI 应用 CTO Vijaye Raji 与 Codex 工程负责人 Tibo Sottiaux 共同分享 AI 如何重塑软件构建的工艺与工程实践。
## TL;DR OpenAI 内部正在经历软件工程范式的深刻剧变,Codex 已从早期的辅助插件跃升为具备独立执行能力的“虚拟队友”,甚至引发了对专属“算力包”的新型招聘谈判。研发瓶颈正从代码生成快速级联后移至代码审查、持续集成乃至前端的需求洞察,推动团队转向并发原型验证与极致扁平的组织管理。与此同时,OpenAI 逆势大规模吸纳 AI 原生的应届生人才,并强调底层计算机基础、产品直觉与跨栈排错能力依然不可替代。面对算力成本与技术演进,对谈提出应将 Agent 视为 7×24 小时待命的真实协同者,并预测未来数月内开发将迈向多智能体协同、个人助理统一聚合调度以及高度依赖“表征与症状”的高维黑盒调试新时代。
## Atmosphere & style 整场对话散发着置身技术风暴中心的兴奋与坦诚,既有对前沿生产力跃升的由衷惊叹,也夹杂着技术被 AI 自主超越时那种微妙的失落与敬畏。两位嘉宾的互动默契风趣,从抱着半开笔记本在飞机上生怕中断 Agent 运行的诙谐自嘲,到回顾 25 年科技浪潮史时的宏大观照,叙事张弛有度。现场弥漫着一种“未来已先在内部发生”的先锋感,带给听众强烈的思想冲击与对软件工程未来的重新审视。
## Bulletin - [00:05](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=5s) OpenAI 内部工程师日常消耗的 Token 数量已高达每周数百亿,Codex 正在从辅助工具转变为拥有独立执行能力的虚拟“队友”。 - [02:19](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=139s) 研发瓶颈已从代码生成快速转移至代码审查、CI/CD,以及最前端的需求洞见与工单自动归类。 - [12:07](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=727s) 针对 AI 时代淘汰初级开发者的担忧,OpenAI 逆势扩招约 100 名应届毕业生,认为这一代技术人本质上是“AI 原生”且生产力极高。 - [22:52](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=1372s) 关于算力成本,OpenAI 高管建议打破 API 计费的狭隘思维,将其视为为 7×24 小时全天候数字队友支付极具性价比的薪资。
## Key takeaways - [00:05](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=5s) Codex 在 OpenAI 内部经历了从工具、插件、Agent 到真正团队成员(Teammate)的演进,工程师开始为其命名并协同工作。 - [00:05](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=5s) 内部推出的“Codex Box”机制支持将繁重任务卸载至云端 Dev Box 离线并发执行,工程师只需负责任务编排。 - [02:19](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=139s) 工程求职招聘中出现了“算力包(Compute Envelope)”谈判,顶尖工程师意识到算力是放大自身技术品味与构建能力的最强杠杆。 - [06:43](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=403s) 在架构决策中,编写繁复设计文档的传统被驱动多个 Agent 并行实现不同方案并直接基准比对的做法所取代。 - [06:43](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=403s) 职能边界加速溶解,非工程岗位如设计师借助 Codex 能直接向主分支提交生产级代码,交付效率甚至超过半年前的工程师。 - [09:37](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=577s) Codex 展现出高度自主性,不仅能在夜间进行全自动回归测试,还能自主执行模型训练并输出包含核心洞察的 PDF 报告。 - [09:37](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=577s) 在周度数据指标会议中,团队通过后台并发启动多个 Codex 线程,在 20 分钟内完成突发数据疑问的闭环归因分析。 - [13:33](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=813s) 为匹配个体爆发式的构建速度,Codex 团队采取极度扁平的架构(单个主管直接下属超 30 人),避免管理层成为决策瓶颈。 - [13:33](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=813s) 新人入职完全由 Codex 充当 24 小时代码库导师,同时由最新加入的成员承接文化传递,彻底颠覆传统 Onboarding 周期。 - [15:56](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=956s) 历史表明技术抽象层上移(如汇编到高级语言、IntelliSense)总会引发保守争议,但计算机基础、产品直觉与跨栈排错能力依然是永恒的核心竞争力。 - [19:48](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=1188s) Codex 团队仅凭一名产品经理即可借由 AI 驱动自动化完成集中捉虫、任务拆解与进度追踪,单人撬动超高人效。 - [22:52](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=1372s) 企业切莫过早严格限制推理算力成本,应把算力视作以极低成本置换掉传统动辄十几人排查需求的巨大杠杆。 - [26:50](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=1610s) 短期 6 个月内 AI 代码生成与执行速度有望再次实现数量级提升,多 Agent 网络将能协同攻坚构建数百万行代码的复杂项目。 - [28:06](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=1686s) 未来开发者将不再逐行审视代码,而是通过输入输出护栏约束系统,并通过外部症状反推诊断高度抽象黑盒的深层故障。 - [29:40](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=1780s) 人机协同范式将迅速演进为一个专属的个人总助理统一聚合调度并汇报成百上千个底层工作代理的进展。
## Detailed walkthrough ### [00:05](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=5s) OpenAI 内部正在发生什么:Codex 从工具跃升为“队友”
在 The Pragmatic Summit 的开场对话中,主持人向 OpenAI 的应用 CTO Vijaye Raji(VJ)抛出了行业最关心的问题:OpenAI 内部究竟正在发生什么,工程师们日常构建软件的方式又有何巨变?加入 OpenAI 约六个月的 Vijaye 感慨,公司内部的前沿研究让人眼界大开,软件工程的底层范式已经发生了根本性重塑。他强调:
> “The way we write software has fundamentally changed; it's changed so dramatically, and even in the last six months I've seen us go from Codex as a tool to an extension, to an agent, now to a teammate.”
如今内部工程师甚至开始为自己的 AI Agent 命名,将它们视作平起平坐的团队成员。根据 OpenAI 内部的使用排行榜,部分工程师每周日常消耗的 Token 数量高达数百亿(hundreds of billions of tokens)。此外,OpenAI 最近在内部推出了名为“Codex Box”的功能,允许工程师在服务器端按需预定远程开发机(Dev Boxes),把各种任务 Prompt 发送过去自主执行。工程师只需要在笔记本电脑上负责任务编排,便可以合上电脑去开会,回来时所有工作均已并发完成。Vijaye 坚信这种工作模式在几个月内就会走出硅谷核心圈,成为全行业构建软件的通用新常态。
```mermaid flowchart LR accTitle: Codex演进历程 accDescr: 展示Codex在过去六个月中从被动辅助工具演变为具备独立执行能力的虚拟队友的过程。
A["代码辅助工具<br/>(Tool)"] --> B["环境扩展插件<br/>(Extension)"] B --> C["自主执行代理<br/>(Agent)"] C --> D["虚拟研发队友<br/>(Teammate)"] ```
- **内部 Token 消耗量**:深度使用 Codex 的核心工程师,单人每周吞吐通常达到数百亿 Token 级别。 - **Codex Box 机制**:将繁重任务卸载至云端 Dev Box 执行,免去本地环境依赖,支持离线并发运行。
---
[02:19](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=139s) Codex 团队的日常工作:不断转移的工程瓶颈与“算力包”谈判
针对主持人提到 OpenAI 内部各团队使用程度虽有深浅、但 Codex 团队绝对处于最前沿这一观察,Codex 工程负责人 Tibo Sottiaux 拆解了他们当下的具体工作流。Tibo 表示,Codex 团队几乎每周都在重新发明自己的工作方式。软件研发流程中的瓶颈正在急速动态转移:最初的瓶颈是代码生成,解决之后移向了代码审查(Code Review),而如今最关键的瓶颈已经前移到了最前端——如何以更快的速度理解用户需求、自动分类工单(Triage Tickets),以及汇总 Twitter、Reddit 等全网各渠道的声音并提炼出产品策略。
这种生产力爆炸甚至改变了团队招聘的薪酬语境。Tibo 分享了一个极其生动的新现象:
> “The other day it was like the first time in a negotiation, someone was trying to join the Codex team and this person asked me, ‘How much compute am I going to get to build products at OpenAI?’”
这让 Tibo 感到十分新奇,因为在过去,这种专属的“算力包(Compute Envelope)”往往只分配给训练底层基础大模型的 AI 研究员。但在如今的研发环境下,优秀的工程师已经意识到算力本身就是实现超高人效杠杆的杠杆支点。只要工程师具备过硬的技术品味、想法与工程构建能力,就能通过撬动巨大的算力实现前所未有的产出。
---
[04:52](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=292s) 产品工程的核心本质与超短正反馈周期
当被问及通用软件工程师(尤其是 OpenAI 最看重的 Product Engineer)的角色是否因 AI 发生根本变异时,Vijaye 指出,底层的产品直觉在今天反而更加关键。他指出:
> “Fundamentally, we're still building products for humans to use.”
只要软件依然是为人类服务的,构思用户体验、捕捉核心诉求并持续打磨调优的过程就不会消失;除非未来某天人类开始专门为 Agent 开发软件,届时 Agent 本身或许会演变为产品经理或产品工程师。
然而,开发者的心理体验和研发节奏已经不可同日而语。现在的软件研发之所以更加有趣,是因为正反馈周期(Gratification Cycle)被压缩到了极致——工程师能以惊人的速度看到原型、测试、验证,再回传给 Codex 进行调整。为了生动展示这种随时随地沉浸在 Agent 协作中的状态,Vijaye 调侃了自己在飞机上的经历:在没有云端 Dev Box 权限的本地运行状态下,哪怕空乘人员走过来催促关机收起小桌板,他为了不中断正在运行的 Agent,也只能假装把笔记本留出一条缝半闭着塞在底下。Tibo 也随声附和道,现在办公室里到处都是抱着半开半合笔记本狂奔的工程师,场面既好笑又极其真实。
---
[06:43](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=403s) 新工程实践:并行原型、角色模糊与级联瓶颈
探讨到当下涌现出的那些“新奇甚至怪异”的工程实践时,Tibo 和 Vijaye 盘点了团队工作习惯的巨变。以往遇到棘手的架构权衡,工程师必须耗费大量时间编写复杂的设计文档(Design Doc),在纸面上反复推演各种可选方案并淘汰备选项;而现在,工程师倾向于驱动多个 Agent 同时并发写出多种完全不同的具体实现(Implementations in Parallel),直接在实际运行中比对哪套方案更优。
与此同时,传统的职能边界正迅速溶解。Tibo 惊叹地发现:
> “Our designers are like shipping more code than engineers were shipping like six months ago.”
由于大模型生成的代码质量极高,设计师利用 Codex 编写的代码很多时候无需过多修改,就能直接作为生产级代码合并进主分支。
在微观操作上,人们已不再需要死记硬背复杂繁琐的命令行语法(例如使用 `ffmpeg` 进行音视频处理),而是完全通过自然语言指派 Codex 精准拼接并执行命令。Vijaye 总结道,当工程效率提升 5 倍之后,代码生成环节的问题被攻破,压力立刻像多米诺骨牌一样后移:
```mermaid flowchart TD accTitle: 软件工程全链路瓶颈转移示意图 accDescr: 展示代码生成加速后,研发瓶颈沿链路依次向代码评审、CI/CD部署以及需求理解转移的过程。
subgraph Phase1["第一阶段"] A["代码编写生成<br/>(已通过Agent加速)"] end
subgraph Phase2["当前/后续级联瓶颈"] B["代码审查与安全审计<br/>(Code & Security Reviews)"] C["持续集成与部署<br/>(CI/CD & Integration)"] D["需求洞察与策略抽象<br/>(User Needs & Tickets)"] end
A -->|"代码量激增 5x"| B B -->|"吞吐受阻"| C C -->|"交付加速倒逼前端"| D ```
- **替代方案的验证方式**:从写文档争论设计思路,转变为让 Agent 并发跑出多套方案并直接跑基准实测。 - **跨岗位角色演进**:设计师借助 Codex 跨越工程壁垒,成为可独立交付高可用代码的“全能创作者”。 - **长时任务探索**:Codex 正在从仅执行 10 分钟简单特性的“高级自动补全”,跨入可针对大型任务在特定环境下自主长效运行数小时的自主作业体系。
[09:37](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=577s) Codex 的自主迭代与“会议室里的 AI 顾问”
在内部工程实践中,Codex 已经展现出令人惊叹的自主运作能力。Tibo Sottiaux 分享道,团队会让 Codex 完全自主地对自己进行测试:在夜间让它循环执行 QA 测试任务,持续监控并标记系统中的任何回归缺陷(regressions)。更震撼的转变发生在模型训练环节,Tibo 提到团队中一位专门负责训练模型的研究员经常感叹:每当自己觉得能力胜过 Codex 时,最终都会发现是自己想错了,往往只是因为没有给出恰当的提示词(prompt),或者没有把它配置在正确的运行环境中。Tibo 坦言这种体验既令人极度兴奋,又带着一丝淡淡的沮丧感。现在,Codex 能够全自主地执行极其长周期的任务,它甚至能独立完成一次模型训练,并在结束时自动生成一份包含其核心洞察与发现的精美 PDF 总结报告;人类工程师只需审阅报告,挑选出最具前景的迭代方向,再将其重新输入给 Codex 继续演进。
这种深度协作也延伸到了团队日常会议中,甚至呈现出一种科幻般的闭环。在 Codex 团队每周举行的分析复盘会(Weekly Analytics Review)上,大家会梳理新功能的采纳率(feature adoption)、用户留存率(retention)以及转化漏斗(funnel)。会议往往始于那些现有数据看板无法解答的突发疑问,此时数据分析师不会将问题搁置会后,而是直接在后台触发几个并行的 Codex 会话线程。整个过程就像在会议室里坐了一群专属顾问一样,在二十分钟内默默调取数据、完成归因分析;等会议进行到最后十分钟时,大家便能围绕这五六个问题的新鲜结论展开深入讨论。同样,在生产环境发生故障、工程师收到警报(pager duty)时,Codex 也会即刻介入,极速定位问题根源并给出恢复服务的最优路径,彻底重塑了团队获取信息与解决问题的节奏。
```mermaid flowchart TD accTitle: Weekly Analytics Review Workflow with Codex accDescr: A diagram illustrating how Codex acts as a real-time analyst during weekly team meetings.
subgraph MeetingFlow["周度分析会议流程"] A["提出未解答的数据指标疑问"] --> B["后台并发启动多个 Codex 线程"] B --> C["Codex 自主提取数据、排查与分析"] C --> D["会议最后10分钟直接讨论输出结果"] end ```
- “And you know this is both exciting and a little bit depressing at the same time.” —— Tibo Sottiaux 谈到研究员发现模型能在自我训练后自主撰写成果报告时的复杂感受。 - 团队在周度数据指标会议上,会针对看板未覆盖的 5 至 6 个深层疑问同时发起后台线程,借助 Codex 实现 20 分钟内的现场闭环分析。 - 应急响应场景中,Codex 直接融入 on-call 链路,协助推导故障根因并加速系统恢复决策。
---
[12:07](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=727s) 逆势押注早期人才:AI 原生一代工程师入场
面对全行业对“既然高级工程师有了 AI Agent 助阵,初级工程师(Junior)是否会被淘汰”的普遍疑虑,OpenAI 却给出了完全相反的用人策略。Vijaye Raji 明确透露,OpenAI 当前正在大举招聘大学应届毕业生,并建立了一套非常扎实且规模庞大的实习生培育体系。在 Vijaye 看来,行业不应陷入对初级开发者的悲观论调,而应认识到新一代软件工程师在本质上是“AI 原生(AI native)”的。
这一代年轻技术人从踏入编程世界的第一天起,就自然而然地理解并驾驭这些 AI 工具,不再需要经历传统范式的漫长思维转换。Vijaye 表示,OpenAI 的核心任务是为他们提供充足的空间与发展环境,看他们如何在全新的生产力基准线上快速生长。OpenAI 在当年夏季迎来了其历史上首批大规模入职的应届生群体,规模达到了约 100 人,同时公司还将持续扩大实习生项目,以亲眼见证这种全新的工程范式如何在年轻人手中被重新定义。
- “I actually truly believe that the new software engineers that are being created are going to be AI native.” —— Vijaye Raji 阐述为什么公司坚定看好并持续吸纳应届生群体。 - OpenAI 在该年度夏季迎来了第一批集中入职的应届毕业生,团队规模约为 100 人。
---
[13:33](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=813s) 极致扁平化管理与 Codex 驱动的新人入职
为了适应 AI 带来的极高研发节奏,Codex 团队打破了传统的管理层级。Tibo Sottiaux 介绍,他管理着一支组织架构极度扁平的团队,自己名下有 33 名直接下属(direct reports)。Tibo 强调,作为团队主管,最大的诱惑是因循守旧、不及时调整组织架构来匹配个体爆发式的构建速度;在如今的环境下,如果任何技术或业务决策都需要经过单个管理者作为瓶颈节点,团队运转将彻底崩溃。因此,团队工程师拥有极高的自由度,自主探索并落地各种前沿想法。
在这种敏捷文化下,团队的新员工入职(Onboarding)机制也发生了颠覆性变化,形成了一套双重驱动流程: 1. **AI 导师全天候护航**:新人入职的第一站直接交由 Codex 接管。工程师通过向 Codex 提问来熟悉代码库、了解其他成员的工作进度,并每日接收系统生成的分析汇报。 2. **“最新加入者”带新文化**:在团队文化与研发规范的传承上,负责引导新人的往往是刚刚完成入职不久的上一批成员。
Tibo 还分享了一个令他惊叹的真实案例:六个月前加入团队的应届毕业生 Ahmed,不仅展现出无限充沛的精力,而且上手与产出速度极其惊人。Tibo 半开玩笑地调侃道,感觉自己的大脑认知已经开始走下坡路,而像 Ahmed 这样的年轻人的大脑正处于绝对的巅峰期;应届生在拥有 Codex 赋能后所展现的惊人生产力,彻底打破了人们以往对初级工程师上手周期长的固有偏见。
- “I think this is like one of the things where as leads I think it's very tempting to not change organizational structure fast enough for like you know how quickly people can actually build and like a single person being the bottleneck on every single decision is just like obviously not going to work anymore.” —— Tibo Sottiaux 谈及扁平化管理及避免主管成为决策瓶颈的必要性。 - Tibo 带领的 Codex 团队拥有 33 名直接下属,组织设计优先追求自主性与执行效率。 - 新人入职不仅完全依赖 Codex 进行代码库探索与答疑,而且由团队中最近期入职的成员承接文化对接,形成快速滚动的传帮带机制。
---
[15:56](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=956s) 软件工程的本质:从汇编、IntelliSense 到 AI 时代的范式演进
当主持人提出“完全跳过传统底层编码、在 AI 辅助下成长起来的新人是否会缺失必要的基本功”这一质疑时,Tibo 与 Vijaye 均给出了深入的回应。Tibo 强调,计算机工程的基础架构绝非不再重要,Codex 团队对整体代码库设计、系统架构以及 Code Review 极其严苛,绝不会闭着眼睛放任 Codex 生成代码后不管不顾;只要资深架构师提前搭建好清晰的代码库规范和防护栏(guard rails),具备扎实吸收能力的应届生就能在安全的边界内爆发出极高的生产效率。
Vijaye Raji 则从行业发展史的宏观视角解构了这场争论。拥有 25 年工程经验的 Vijaye 回顾起自己在微软研发 Visual Studio 编辑器和语言服务(Language Services)的岁月,亲历了当年智能感知(IntelliSense)刚刚问世时的技术震动。有趣的是,当时行业老牌开发者同样充满鄙夷,声称“真正优秀的程序员根本不需要 IntelliSense,用了它你就不算开发者”。这种技术鄙视链在历史上反复上演:早期写汇编语言的人看不起写 C++ 的人,后来高层抽象不断堆叠,大家又开始抱怨和嘲讽 JavaScript。
Vijaye 明确指出,无论时代如何演变,抽象层如何上移,真正决定一名优秀工程师的核心能力始终不会过时: 1. 深入底层的**扎实计算机基础**(Foundations)。 2. 敏锐精准的**产品直觉**(Product intuition)。 3. 能够穿透系统抽象层、在全栈上下游自由切换并定位复杂问题的**终极排错与解决能力**。
只要牢固掌握了这些底层支柱,AI 就像当年的编译器或代码补全工具一样,只是又一次帮助工程师从机械劳作中抽身、迈向更高维构建的生产力跃迁。
- “The point is that as long as you have the strong foundations, as long as you have product intuition, know what you're building and be able to like go down up and down the stack um to be able to like solve problems, those are going to be the more important ones.” —— Vijaye Raji 总结软件工程师在 AI 浪潮下永不过时的核心竞争力。 - 历史周期律表明,从汇编到 C++、高级语言、JavaScript 再到 Visual Studio 的 IntelliSense,每一个提高抽象层级的工具都曾被保守派质疑为“不算真正的开发”,而历史总是证明更高维度的抽象能够释放更大的创造力。
[18:25](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=1105s) AI 时代下产品经理与设计师的角色演进
虽然现场大多是工程师与技术管理者,但主持人将话题转向了产品经理(PM)与设计师:当工程师和非工程人员都能极速构建功能时,他们的职能是会融合,还是保持独立?对此,Vijaye Raji 明确表示,只要产品最终是供人类使用的,人类设计师与产品经理就永远不可或缺。“只要我们还在为人类制造产品,我们就需要人类设计师,需要人类产品经理。”他直言,产品感知(Product Sense)或设计感知是无法被替代的。这类能力不仅不会消失,反而在更高的抽象层级上加速演变。
现实中,PM 和设计师的生产力正在呈指数级跃升:他们开始亲自上手写代码,利用工具将原型迅速推向生产环境进行前置验证,然后再与工程师对接。甚至在日常办公中,PM 也使用 Codex 生成演示文稿(PowerPoint),配合 Excel 插件来处理工作。“不仅是工程师,周围的每一个人都变得越来越高效。”跨职能团队的界限虽然因为工具而变得模糊,但其核心价值却更加聚焦于用户体验的洞察与产品方向的把握。
[19:48](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=1188s) OpenAI 内部知识共享:让最佳实践光速扩散
面对突飞猛进的技术,OpenAI 团队自身也在边摸索边调整。Tibo Sottiaux 坦言,OpenAI 并没有领先行业太多的“水晶球”;往往是某个功能在内部刚跑通,就迅速发布给全世界了。因此,好想法在全公司范围内的快速扩散显得尤为关键。在内部,团队极其依赖 Slack 上的 Codex 频道和名为“Hot Tips”的技巧分享频道,同时定期组织黑客松与 Show-and-Tell(展示分享会),以此迅速推广新型的人机协作工作流。
```mermaid flowchart TD accTitle: PM 利用 AI 编排端到端 Bug Bash 流程 accDescr: 展示产品经理如何通过 Codex 驱动反馈收集、工单生成与进度跟进的全自动化协作流
subgraph INTAKE["1. 反馈收集"] A["1 小时全员 Bug Bash"] --> B["Codex 自动收集与整理"] B --> C["沉淀到 Notion 文档"] end
subgraph ACTION["2. 任务分发与跟进"] C --> D["调度 Codex 生成修复与优化任务"] D --> E["自动同步到 Linear 并指派负责人"] E --> F["Codex 主动跟进解决进度"] end ```
Tibo 特别举了 Codex 团队的产品经理 Alexander Emberos 的生动案例。作为支撑整个 Codex 团队的唯一一名 PM,他利用 AI 将自己的杠杆率拉到了极致,堪称“10 倍乃至 50 倍效能的项目经理”。在最近一次仅持续 1 小时的 Bug Bash(集中捉虫测试)中,Alexander 调度 Codex 收集所有成员的测试反馈并沉淀在 Notion 文档中;紧接着,他又派出 Codex 自动在 Linear 中拆解并创建 Bug 修复与功能改进工单,指派给对应的责任人,甚至由 AI 自行追踪后续进度。Tibo 强调,团队必须带着原则审视协作瓶颈:“你的产品经理绝不能成为流程的瓶颈。”
Vijaye Raji 补充了他参加公司内部 Demo Day 和黑客松的观察:如今员工构建的项目,其完成深度正在显著提高。过去很多演示仅停留在表面概念阶段(Proof of Concept),而现在的项目不仅展示“AI 能做什么”,还完整覆盖了各类极端边界情况(Corner Cases),一拿出来就是高度可用的成熟产品。
- **组织内扩散管道**:Codex 专属 Slack 频道、“Hot Tips”频道、周期性黑客松与 Demo Day - **核心个案**:Alexander Emberos 单人负责全团队,借由 AI 全流程自动化驱动 Bug 收集、工单创建与交付跟进 - **项目交付深度**:原型不再浮于表面,边界场景与异常处理在初版 Demo 中即已被深度覆盖
[22:52](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=1372s) 算力成本困局与思维重塑:将 Agent 视为真实队友
主持人抛出了一个尖锐的现实痛点:OpenAI 内部员工享有无限制的免费 Token,而外部企业和开发者却时刻受到订阅额度、API 计费和预算紧箍咒的制约。对于身处资源约束下的团队,究竟该如何破局?Vijaye Raji 认为,这种成本焦虑源于思维模型尚未转变。长远来看,行业对成本的衡量标准必然会发生范式转移。
Vijaye 提出,人们不应再数着 Token 算账,而应将模型视作一个“7×24 小时全天候待命的真人队友”。“然后问题就变成了:你愿意给这位队友支付多少薪水,而不是‘你要消耗多少 Token’。”如果把账算在“每位工程师配备一个由 4 到 5 名 AI 队友组成的协作小组所带来的综合产出”上,算力支出就会变得极为划算;而 OpenAI 的职责,正是将这些 Agent 打造成足够聪明、足以担得起“队友”称号的得力助手。
Tibo Sottiaux 从企业全局成本置换的角度进行了拆解:许多过去成本高昂的任务如今变得极其廉价。例如做市场调研,或是通盘梳理庞大的需求待办列表(Backlog)并挑出容易落地的功能,过去往往需要抽调 15 名工程师耗费大量工时排查,如今借助 AI 几乎零成本就能完成。Tibo 警示企业切莫过早地限制推理资源:“过早去限制它,我认为也是一种风险。”对于组织内部最顶尖的那些核心人才,企业应当大方地为他们开放充裕、令人安心的推理配额,以最大化释放生产力。
- **思维范式转移**:从“API Token 消耗量”转向“为全天候高产出数字队友支付薪资” - **隐形成本替代**:15 人团队的市场分析或 Backlog 梳理工作,已被 AI 的自动化批量处理完全取代 - **资源分配建议**:避免因过度控制算力成本而扼杀早期杠杆,优先为核心员工提供充沛的推理算力保障
[26:50](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=1610s) 史无前例的技术浪潮与未来预测
在行业摸爬滚打超过 25 年的 Vijaye Raji,回顾了自己亲历的历史节点:从大学时期的互联网泡沫破灭(Dot-com Bubble)、千年虫问题(Y2K),到移动互联网变革,再到他亲身参与的社交网络浪潮。然而,面对当下的 AI 爆发,Vijaye 直言:“我不认为我见过任何与此类似的情景。”这场变革正在以不可思议的大规模和惊人速率发生,甚至让行业内许多追踪增长的数据图表都显得匪夷所思。
当主持人要求两人对两年后的软件工程与工程管理做出真实预测时,现场引发了一阵笑声。Tibo 直截了当地指出,按照当前的发展节奏,看两年实在太远了——“两年显然是太长的时间跨度了。”他宁愿给出一个更加确信的 6 个月近程预测:
1. **速度数量级跃升**:在接下来 6 个月内,AI 的代码生成与执行速度有望再实现一个数量级(Order of Magnitude)的提升,这必将再次重构开发节奏。 2. **多智能体深度协同**:大型多 Agent 网络(Multi-Agent Networks)将能够真正跑通,协同攻坚极具野心的宏大目标。
Tibo 举例描绘了这一图景:就像近期 Cursor 所展示的潜力一样,开发者只需对 Agent 网络下达“从头重建一个浏览器”的指令,短短 24 小时后,AI 协同网络就能吐出一个包含 200 万行代码的完整实现。届时,代码规模和复杂性甚至会超出人类单凭肉眼能够通盘追踪与理解的范畴。
> “在 25 年里,我见证了互联网泡沫破灭……我经历了千年虫,经历了移动互联网革命,而且我还是社交网络革命的亲历者;但这一次的感觉完全不同。” —— Vijaye Raji
[28:06](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=1686s) 代码抽象化、安全护栏与症状化调试的兴起
随着构建软件的方式发生演变,开发者与代码本身的交互形态正在迎来根本性转变。未来的软件工程很可能会围绕被构建的内容建立健全的“护栏(guardrails)”,开发者甚至不需要再逐行去审视底层代码;相反,工作重心会转变成以某种形式形式化证明其正确性,或者将系统约束在安全可控的范围内,工程师只需要把控输入与输出。代码本身正逐步被抽象掉,整个开发过程将聚焦于应对实际的挑战、业务问题以及把控系统的核心属性。软件开发历来是通过不断提升抽象层次,让工程师能够以极少的代码行数去搭建极其庞大的产品体系;而当前我们正处于抽象层级与变化速率双双急剧攀升的时代拐点。
然而,软件抽象层的急剧堆叠也引发了深层次的隐忧。正如 Vijaye Raji 指出的那样:“任何足够复杂或精密的系统都会变得更难以调试,因此你不得不依赖症状来排查这些问题。”几年之后,软件系统可能会包含极其密集的层级与惊人的复杂度,这要求开发者及其所使用的配套工具必须极其擅长“通过外部表象和症状来反推并定位深层故障”。这种在黑盒化、多层抽象系统中通过表征进行诊断的敏锐度,将成为未来软件工程师必须掌握的一项极为独特的专业能力。
```mermaid flowchart LR accTitle: 软件开发抽象化与调试模式变迁 accDescr: 展现从人工逐行审视代码演变到通过护栏约束黑盒并在系统故障时借助症状排查的流程走向。
subgraph DesignPhase ["构建与约束阶段"] A["设置系统安全护栏"] --> B["约束输入与输出"] B --> C["AI 生成底层实现代码"] end
subgraph ObservabilityPhase ["排查与维护阶段"] C --> D["代码层深度抽象化"] D --> E["监控系统外部表象与症状"] E --> F["高阶工具辅助根因诊断"] end ```
[29:40](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=1780s) AI 个人助理聚合代理群与峰会总结
展望未来,人机协同的交互层级同样面临整合。未来工程师不会被成百上千个忙于后台任务的碎片化小代理(agents)搞得手忙脚乱,而是拥有一个高度集成、专属个人的统一 AI 助理。工程师只需呼叫这个私人助理就能核实所有的工作进度,这个助理会集中汇报和代表幕后所有自主推进任务的 AI 代理的工作成果。Tibo Sottiaux 认为这种交互范式完全不需要等待太久,他直言:“我认为这是我们很快就能看到的事情,甚至就在今年。”
在对谈的尾声,主持人向 Vijaye Raji 和 Tibo Sottiaux 表达了感谢,感谢他们向公众揭秘了 OpenAI 内部团队的前沿日常工作流与方法论。这种工作模式似乎比整个行业领先了数周、数月乃至更长的时间,但它确确实实正在发生,也为整个软件工程行业在这一令人振奋的历史变革期中提供了绝佳的参照蓝图。
- **多代理聚合交互**:未来不会由人类逐个巡视 100 到 200 个独立的底层小代理,而是由一个专职的个人总助理负责聚合调度并向工程师直接汇报。 - **落地时间窗口**:Tibo Sottiaux 预测这种统揽全局的代表型个人助理形态将在极短时间内落地,且年内就可能进入实用阶段。
## Notable quotes > [00:05](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=5s) The way we write software has fundamentally changed; it's changed so dramatically, and even in the last six months I've seen us go from Codex as a tool to an extension, to an agent, now to a teammate. — Vijaye Raji
> [12:07](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=727s) I actually truly believe that the new software engineers that are being created are going to be AI native. — Vijaye Raji
> [06:43](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=403s) Our designers are like shipping more code than engineers were shipping like six months ago. — Tibo Sottiaux
> [18:25](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=1105s) 只要我们还在为人类制造产品,我们就需要人类设计师,需要人类产品经理。 — Vijaye Raji
> [22:52](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=1372s) 问题就变成了:你愿意给这位队友支付多少薪水,而不是‘你要消耗多少 Token’。 — Vijaye Raji
> [28:06](https://www.youtube.com/watch?v=Bo6Gtq3nMXc&t=1686s) 任何足够复杂或精密的系统都会变得更难以调试,因此你不得不依赖症状来排查这些问题。 — Vijaye Raji
## Mentioned OpenAI, Codex, Vijaye Raji, Tibo Sottiaux, Alexander Emberos, Ahmed, The Pragmatic Summit, The Pragmatic Engineer, Codex Box, Linear, Notion, Slack, Cursor, Microsoft, Visual Studio, IntelliSense, ffmpeg, Twitter, Reddit, Excel, PowerPoint
## Video description Tibo Sottiaux (Head of Engineering, Codex, OpenAI) and Vijaye Raji (CTO of Applications, OpenAI) at The Pragmatic Summit: www.pragmaticsummit.com. Watch sessions, with Q&A: https://newsletter.pragmaticengineer.com/p/the-pragmatic-summit-recordings
0:00 Intro: What’s changing inside OpenAI 0:54 Codex as teammate 3:13 How the Codex team works day-to-day 6:43 New engineering practices 12:07 New grads 16:37 The "new" software engineering role 18:25 PMs and designers 22:52 Token costs 26:50 Predicting the future
[Source](https://www.youtube.com/watch?v=Bo6Gtq3nMXc)