驾驭工程：在智能体优先的世界里最大化 Codex 的价值
在过去的五个月里，一支工程团队进行了一项大胆的实验：完全依靠 AI 代码生成工具 Codex（基于 GPT-5）构建并交付了一款软件产品，全程没有一行手写代码。这个产品拥有内部日活用户和外部 alpha 测试者，能够正常发布、部署、出现问题并得到修复，但所有代码——包括应用逻辑、测试、CI 配置、文档、可观测性以及内部工具——均由 Codex 生成。团队估计，相比传统手写代码，开发时间缩短了约 10 倍。
这一实验的核心原则是：人类负责引导，智能体负责执行。团队刻意设定了“零手写代码”的约束，目的是探索当软件工程团队的主要任务不再是编写代码时，工作方式会发生怎样的根本性变化。
从空仓库起步
实验始于 2025 年 8 月底的一个空 Git 仓库。第一个提交——包括仓库结构、CI 配置、格式化规则、包管理器设置和应用框架——全部由 Codex CLI 基于少量现有模板生成。甚至指导智能体如何工作的 AGENTS.md 文件本身也是由 Codex 编写的。从一开始，仓库就由智能体塑造，没有任何预先存在的手写代码作为锚点。
五个月后，仓库中包含了约 100 万行代码，涵盖应用逻辑、基础设施、工具、文档和内部开发者工具。在此期间，一个由 3 名工程师 组成的小团队驱动 Codex 完成了约 1500 个 Pull Request 的合并，平均每位工程师每天产出 3.5 个 PR。有趣的是，随着团队扩大到 7 人，吞吐量不降反升。
关键经验：从写代码到设计环境
团队发现，当智能体负责代码实现时，人类工程师的核心技能发生了迁移：
- 设计环境：不再关注具体语法，而是定义清晰的目录结构、API 契约和测试框架，为智能体提供高效的“工作台”。
- 明确意图：用自然语言精确描述需求，包括边界条件、性能目标和错误处理方式，而非逐行指定实现细节。
- 构建反馈回路：通过自动化测试、代码审查和可观测性工具，让智能体快速获得执行结果的反馈，从而自我修正。
挑战与教训
并非一切顺利。团队也遇到了不少挑战：
- 调试成本转移：当 Codex 生成的代码出现 bug 时，调试往往比手写代码更困难，因为需要理解 AI 的“思路”。团队不得不投入更多精力在日志和可观测性上。
- 一致性维护：随着代码库膨胀，不同 PR 中 Codex 可能采用不同的实现风格，导致技术债务。团队通过严格的
AGENTS.md和模板来约束。 - 人类注意力是稀缺资源：虽然代码生成速度极快，但代码审查、设计决策和问题定位仍需人类深度参与。团队的核心瓶颈从“写代码”变成了“做决策”。
对行业的启示
这个实验证明，AI 智能体驱动的开发（Agent-Driven Development） 已不再是概念，而是可以交付真实产品的可行模式。它重新定义了工程师的角色：从“代码生产者”转变为“系统设计师和智能体协调者”。
团队总结道：“我们最大的收获是，人类的时间与注意力才是真正的稀缺资源。智能体负责执行，但方向、质量和创造力依然由人类掌控。”
随着 Codex 和类似工具的持续进化，这种“人类引导、智能体执行”的开发范式可能会成为主流，大幅降低软件开发的边际成本，加速产品创新。