就在刚刚，OpenAI丢出了一枚重磅冲击波——正式发布了编程智能体Codex。如果说2021年那个初代Codex模型只是“氛围编程”概念的闪现，那么今天这个新家伙，简直是直接要把软件工程这潭水给搅个天翻地覆。

OpenAI CEO Sam Altman 难掩激动地表示，Codex是一个在云端运行的软件工程智能体，它能帮你完成从写新功能到修Bug的各种任务。更重要的是——你可以并行运行许多任务。他直言：“一个人借助这样的工具能创造出多少软件，这太神奇也太令人兴奋了。” 联合创始人Greg Brockman更是直呼：“感觉这是向软件工程未来迈出的一大步。”

那么，这个被寄予厚望的Codex究竟什么来头？它凭什么敢说自己在重新定义软件开发？我们来看看。

软件工程的未来已来？Codex 震撼亮相

在OpenAI的发布会上，Greg Brockman一开场就定了个调子：“软件工程正在发生变革，到2025年底，它将发生根本性的不同。” 这话听着有点猛，但看看Codex的架构，还真不是空xue来风。

回想2021年，初代Codex模型更像是智能自动补全的升级版；几周前，他们又推出了在本地终端运行的Codex CLI。而今天这个全新的Codex，直接在云端运行，可以并行处理多任务——本质上，它把你从“必须坐在电脑前盯着代码”的状态里解放了出来。

「Codex令人兴奋之处在于，它在OpenAI的计算资源上运行你的代码仓库和环境。」Greg介绍道，「这意味着你可以运行非常非常多的Codex实例，并行处理海量任务，然后稍后再回来查看结果。」

核心驱动力：全新 codex-1 模型

驱动这个智能体的核心，是一个名为codex-1的全新模型。OpenAI称其为迄今为止最强的编码模型。它基于o3进行了深度微调优化，目标不仅仅是拿高分——而是在实际开发中，生成那种开发者真正愿意合并到代码库里的代码。会考虑注释、避免不必要的改动、符合代码风格……换句话说，它不再是那个只管写、不管合的“愣头青”了。

在内部评估中，即便没有其他Agent能力的加持，codex-1的表现已经相当出色。这是硬实力的底子。

实战演练：Codex 如何施展「魔法」？

发布会上，团队用自家的开源项目preparedness做了演示。一上来，Codex就贴心地给出了三个推荐的初始任务：解释代码库结构、查找并修复Bug、以及主动提出它认为可以独立完成的任务建议。

更有趣的是，团队现场加了一个“找到并修复尽可能多的拼写和语法错误”的任务。Codex思考了3分钟后，除了完成基本需求，还指出了代码中的“可变默认参数”问题，甚至针对超时设置不一致的问题，主动为自己提出了一个统一任务——这种“委托的委托”能力，让现场开发者感叹：“每次都被这种自主性惊艳到。”

云端运行：强大的智能体基础设施

这些并行任务不是在本地跑的。每个Codex任务都在其独立的微型虚拟机沙箱中运行，拥有独立的文件系统、CPU、内存和网络策略。智能体可以在里面自由发挥，使用grep等POSIX命令，运行linter、formatter，编写并执行代码。整个环境还是可配置的——通过设置脚本、环境变量、密钥等，用户可以定制运行时，解锁智能体的全部潜力。

这套基础设施甚至和OpenAI用于强化学习的底层设施相同，意味着它在发布前就已经在大规模训练中得到了检验。不是PPT上的概念，是真刀真枪练过的。

智能体的「养成」：agents.md 与强化学习

换个角度看，Codex本质上是一个可以通过训练来“带教”的智能体。OpenAI引入了一个名为agents.md的文件概念。开发者可以在仓库中放置这个文件，向Codex提供关于代码库布局、测试命令、编码规范等指令。演示中最有趣的细节是，agents.md甚至指示Codex在终端打印一个ASCII艺术猫咪——这让整场演示多了一丝“人味儿”。

通过端到端的强化学习训练，Codex不仅学会了写代码，还学会了导航代码库、复现问题，甚至编写脚本验证Bug——就像人类开发者在调试时使用print语句一样。这种能力在SWE-bench等评估中直接达到了SOTA水平。

超越语言模型：构建真正的 AI 系统

Greg Brockman强调了一个关键点：OpenAI正在超越仅仅将AI视为语言模型的阶段，转而围绕它们构建真正的系统。“这不仅仅关乎核心AI智能，更关乎它能接触到什么工具、在什么环境中运作、以及它被训练来接触什么样的真实世界条件。” 他直言，“它开始感觉更像是我们将看到的真正AGI的界面。”

Jerry Tworek则从技术演进的角度做了总结：从早期驱动GitHub Copilot的Codex模型，到GPT-4，再到现在的强化学习范式，终于能自动化更大块的工作。这套云端基础设施是完全可扩展的——一键之下，你可以启动一个智能体、10个，甚至10000个。这确实是一个按需分配、AI驱动的“力量倍增器”。

可信赖的「AI 同事」：对齐、可解释与验证

对于开发者来说，AI生成代码最难信任的点在于：它改了什么？为什么改？改得对不对？Codex在这方面做了大量工作。界面左侧会生成操作摘要、解释决策原因，并提供“引用视图”精确显示参考了哪些代码。测试部分会明确报告测试通过还是失败，并显示相关日志。

Katy Shi在发布会上的总结很到位：“我们发现Codex和我们的同事一样值得信赖，甚至更值得信赖。我无法像这样随时查看一位同事某一天具体做了什么、日志是什么、测试输出是什么。随着AI编写越来越多的代码，这种可验证性将变得至关重要。”

安全第一：负责任地构建 AI 智能体

作为研究预览版，Codex的安全设计也下了功夫。每个智能体完全在云端的安全隔离容器中运行，任务执行期间互联网访问被禁用。模型经过训练能够识别并明确拒绝恶意软件请求，同时通过更新后的系统卡反映相关评估。最终输出的代码补丁力求整洁、可直接供人审查和集成——这背后是对齐人类偏好的持续优化。

内部使用与早期用户反馈

OpenAI的工程师们已经开始在日常工作中实战使用Codex。Andrey Mishchenko分享了一个场景：他在处理协调工作的间隙，用30秒快速将一些代码更改、重构或功能想法交给Codex，然后继续忙其他事情，稍后回来任务就已经完成——有时是数百行的代码差异，而且看起来是正确的。“当一个重要的改动，分支甚至从未接触我的笔记本电脑，就完全通过与这些智能体的异步委托完成了，那种时刻真的很神奇。”

外部测试者的反馈同样积极：Cisco在探索如何帮助工程团队更快实现构想；Temporal用Codex加速功能开发、调试和测试；Superhuman用它改进测试覆盖率和修复集成失败，甚至让产品经理也能贡献代码（工程师仅需审查）；Kodiak则用于编写调试工具和重构代码。各个场景下的反馈都很正面。

本地版 Codex CLI 同步迎来升级

与云端Codex并行，本地版的Codex CLI也迎来了重要更新：

• 全新模型 codex-mini-latest：这是codex-1的轻量版（基于o4-mini），专为低延迟代码问答和编辑优化。定价为输入$1.50/百万token，输出$6/百万token，另有75%的提示缓存折扣。
• 便捷登录：可以直接用ChatGPT账户登录，无需手动生成和配置API令牌。
• API额度赠送：Plus和Pro用户通过ChatGPT登录，未来30天内将分别获得$5和$50免费额度。

可用性、定价与局限性

• 云端版Codex：首批开放给ChatGPT Pro、Enterprise和Team用户；Plus和Edu用户即将推出。初始几周内免费，之后推出速率限制和按需购买选项。
• 局限性：仍是研究预览版，功能尚不完善（如不支持前端图像输入）；任务执行中途无法纠正；远程委托比交互式编辑耗时更长——需要开发者调整工作习惯。

未来展望：人机协同的新范式

Greg Brockman对未来的描绘很有趣：“你真正想要的是一个拥有自己电脑的远程同事，但它也能随时‘站在你身后’看你的屏幕。你正在写代码，想去吃午饭，对Codex说‘能帮我完成这个吗？’它就能无缝接管并在云端运行。”

未来的蓝图包括：本地同步的Codex CLI与云端异步的Codex走向融合；允许开发者在任务中途提供指导、协作制定策略；与GitHub的连接只是开始，未来将从Codex CLI、ChatGPT桌面版，甚至Jira等工具直接分配任务——如果CI报错，Codex或许能自动修复。

“它是一个你可以委托任务的实习生，一个导师，一个结对编程伙伴，集所有角色于一身。”Greg总结道，“我们的目标是加速有用的工作，让世界上有更多的软件工程师，完成更多有用的编程工作，推动世界前进。”

One more thing：发布即公开 System Prompt

还有个小彩蛋——OpenAI直接在发布时公开了Codex的系统指令。这供开发者和研究者拆解研究，大家可以去寻找其中的设计亮点。

# Instructions
- The user will provide a task.
- The task involves working with Git repositories in your current working directory.
- Wait for all terminal commands to be completed (or terminate them) before finishing.

# Git instructions
If completing the user's task requires writing or modifying files:
- Do not create new branches.
- Use git to commit your changes.
- If pre-commit fails, fix issues and retry.
- Check git status to confirm your commit. You must lea ve your worktree in a clean state.
- Only committed code will be evaluated.
- Do not modify or amend existing commits.

# AGENTS.md spec
- Containers often contain AGENTS.md files. These files can appear anywhere in the container's filesystem.
- These files are a way for humans to give you instructions or tips for working within the container.
- Some examples: coding conventions, info about how code is organized, instructions for how to run or test code.
- AGENTS.md files may provide instructions about PR messages.
- Instructions in AGENTS.md files: scope is the directory tree rooted at the containing folder.
- For every file you touch in the final patch, obey instructions in any AGENTS.md file whose scope includes that file.
- More-deeply-nested AGENTS.md files take precedence in case of conflicting instructions.
- Direct system/developer/user instructions take precedence over AGENTS.md instructions.
- If the AGENTS.md includes programmatic checks to verify your work, you MUST run all of them.

# Citations instructions
- If you browsed files or used terminal commands, add citations to the final response where relevant.
- Citations reference file paths and terminal outputs with specified formats.
- Use file path citations for code changes, documentation or files; use terminal citations only for relevant terminal output.
- Prefer file citations over terminal citations unless terminal output is directly relevant.

结语

软件工程，乃至整个创造性工作的范式，或许正站在一个新的碘伏点。对于开发者而言，这既是挑战，更是前所未有的机遇。我们拭目以待，看Codex将如何被全球开发者玩出花来。