新聞宏觀經濟OpenAI 的 Performance Factory 運用 Codex 代理調查 ChatGPT 效能問題

OpenAI 的 Performance Factory 運用 Codex 代理調查 ChatGPT 效能問題

作者: CryptoBriefing·

重點速覽

  • •OpenAI 的 Performance Factory 運用 Codex 編碼代理自動化 ChatGPT 的效能退化調查,每天平均執行 17 次自動化調查。
  • •多代理工作流程涵蓋警示管理、鑑識調查、對抗式同儕審查與部署後驗證,人類工程師對上線內容保留最終核准權。
  • •三個多月來,系統已完成超過 1,700 次調查,在 600 多個案例中找出根本原因,並催生約 400 項建議修正。
  • •僅 15 項修正是 Codex 完全撰寫的 pull request,另有約 50 項受代理建議影響,顯示該系統主要是加快人類工程工作,而非取代之。
  • •大約 25% 的 Codex 代理診斷會經由對抗式同儕審查流程受到質疑,作為修正被採納前的內建品質控管層。
OpenAI 的 Performance Factory 運用 Codex 代理調查 ChatGPT 效能問題

OpenAI 建立了一套內部系統,將軟體工程中最不起眼的工作之一交給 AI 代理。這套名為 Performance Factory 的系統使用 Codex 編碼代理追查 ChatGPT 的效能問題,每天平均執行 17 次自動化效能調查,而人類工程師對最終上線內容保留核准權。

OpenAI 於 2026 年 11 月 19 日透過 VentureBeat 的報導及其 X 平台上的 @OpenAIDevs 帳號宣布該系統。其構想很直接:讓代理處理繁瑣的鑑識工作,由人類做出最終決定。

這座工廠實際做什麼

在軟體領域,效能退化是指某項變更使系統變得比以前更慢或更不可靠。傳統上,找出問題意味著工程師手動翻查日誌。OpenAI 表示,Performance Factory 以自動化工作流程取代了大部分這類手動日誌分析。警示觸發流程,工作在雲端工作階段中執行。

該系統在不同階段協調多個代理,包括管理警示、執行詳細的鑑識調查、進行同儕審查,以及驗證修正部署後是否真正生效。

目前的數據

三個多月的時間裡,Performance Factory 已完成超過 1,700 次調查。其中,代理在 600 多個案例中找出了根本原因。這些根本原因案例中約有 400 項催生了建議修正。

完全由機器撰寫的修正比例小得多。僅有 15 項是 Codex 完全撰寫的 pull request,也就是代理起草並按原樣合併的程式碼變更。代理的建議另影響了約 50 項修正,Codex 的產出為工程師指出了正確方向,但最終撰寫仍由人類完成。

此外還有一層品質控管:大約 25% 的 Codex 代理診斷會透過對抗式同儕審查流程受到質疑。

OpenAI 為何如此設計

這項設計反映出 OpenAI 使用 Codex 方式的更大轉變。該公司不再要求代理按需求生成單一段程式碼,而是將它們串連成整合式工作流程,處理反覆出現的營運難題。

OpenAI 也明確表示人類始終在環。工程師對上線內容擁有最終核准權。代理負責調查與提案,但不會拿到「大門鑰匙」。

這種平衡也反映在數據上。約 400 項建議修正與 15 項 Codex 完全撰寫的 pull request 之間的落差,顯示該系統主要是加速人類工作,而非取代人類。

對工程團隊的意義

三個多月超過 1,700 次調查的工作量,足以讓一個人類團隊疲於應付,尤其是那些最終可能證實無事的警示。漏斗逐層收窄:調查收窄為根本原因,根本原因收窄為建議修正,只有極少數成為純粹由代理撰寫的程式碼。

對抗式審查步驟——大約 25% 的診斷會受到質疑——承認了代理產出在任何人據此行動之前仍需檢驗。部署後驗證階段的存在,則是為了攔截那些看似篤定卻錯誤的診斷,這類診斷浪費時間的可能性與節省時間不相上下。

OpenAI 實際上是在用自己的產品來運營自己的產品。每一次調查都同時是 Codex 在高要求真實環境中的壓力測試。

這些公布的數據也為 OpenAI 以外的團隊提供了具體基準,用以評估「代理輔助工程」的各種說法;值得關注的數字是建議修正中最終以代理完全撰寫的 pull request 落地的比例——這是一項直接呈報的指標,顯示在生產系統中代理與人類工作的界線目前位於何處。

本文基於 CryptoBriefing 的報導,由 Diego Almada Lopez 編輯。