务实工程师订阅

与 Codex 创造者 Tibo Sottiaux 探讨 Codex 的构建之路

收听最新一集

现在就收听并观看YouTube,苹果，和Spotify.请参见本页顶部的剧集文字稿，以及本集的播出时间戳在底部。

由

•涡轮增压 ——一个基于对象存储构建的矢量和全文搜索引擎。它快速、便宜且极具可扩展性。打造最智能AI产品的团队——Anthropic、Cognition、Notion、Harvey——都运行在turbopuffer上。

看看吧

•对立面 ——使用 AI 代理在关键系统上工作，无需担心正确性。Antithesis 在敌对环境中运行完整系统，分析其行为，完美重现每一个问题。

了解更多

•全场 —— Git 托管，为代理时代重建。整个代码托管在本地，速度比其他竞争对手快达 89 倍。来自 GitHub 的镜像只需一键——我已经做过了。

在本集

蒂博·索蒂奥是创建Codex的工程师之一，如今他领导OpenAI的核心产品与平台组织，该组织也包括Codex。他也是Codex最公开的代表人物之一，因为他频繁且慷慨地发布使用重置公告，就像这样昨天.

在本期《实用工程师播客》中，Tibo 和我讨论了 Codex 的构建过程以及持续迭代的过程。我们探讨了为什么 Codex CLI 是用 Rust 编写并以开源形式发布的，工具束和模型如何演变，以及为什么 Codex 支持多个供应商的模型。

Tibo还分享了OpenAI团队在整个软件开发生命周期中使用Codex的细节，包括代码审查、维护和系统架构重构。我们探讨了AI如何降低代码修改成本——以及其带来的一些有趣副作用——ChatGPT与Codex的合并，以及Tibo如何在自己的工作中运用这些工具。

与Tibo对话的收获

1. 一次震撼取消成为了一个重要的教训。在伦敦谷歌工作期间，Tibo 在广告部门度过了两年愉快的工作——直到一位副总裁从加州飞来，突然取消了整个项目。

Tibo 震惊了：当时有数百用户，他正享受解决工程难题的过程。后来回想起来，他意识到自己一直忽视了产品与市场不匹配，用户反馈循环也很差。

Tibo 还明白，产品经理说项目进展顺利，并不代表它真的顺利！这段经历让他现在总是质疑自己工作的影响力，以及他参与项目的重要性。

回顾Tibo之后的职业生涯，这似乎是一次恰到好处的教训！

2. 谷歌在OpenAI前一年就有一个“类似ChatGPT”的项目。十年初，DeepMind主要专注于游戏和强化学习，但包括Tibo在内的一些成员认为，语言模型的扩展可能会带来通用人工智能（AGI）。

他们的“与大型语言模型聊天”项目在内部迅速传播，但不知为何该产品最终未能发布。谁知道如果谷歌在2022年率先发布OpenAI公开发布AI聊天机器人，会发生什么。

3. Tibo 被 OpenAI 吸引，因为只有 20 人参与了 ChatGPT 的开发。Tibo在谷歌表现非常出色，但怀念研究与产品部门合作更紧密的地方，而不是在这家搜索巨头。

2023年，当他得知ChatGPT由大约20名工程师开发和维护——尽管它非常受欢迎——他非常惊讶，想要加入。

4. Codex 是用 Rust 构建的，尽管当时 AI 模型在编写 Python 和 TypeScript 方面要强得多。Codex团队有一个愿景：Codex实例能运行在数百万台云机上，这意味着性能、安全性以及追求效率和规模的工程是设计的首要原则。

这促成了Rust的诞生，尽管当时的AI模型在编写Rust方面还不够强。团队决定一开始就选择一种性能良好的语言，避免事后重写，这让我想起了Casey Muratori关于

5. Codex 是开源的，这有优缺点。Codex最大的竞争对手Claude Code是闭源的，所以我觉得Codex团队选择开源路线很鼓舞人心。Tibo说，优点是信任和贡献者社区，他们是充满活力的影响力。

开源一个较少被讨论的缺点是，Codex团队的工作有时会被复制并发布到其他工具中，先于Codex。Tibo告诉我，这让我很难受，但这是公开工作的代价。

6. 开源是Codex支持与其他AI模型合作的重要原因。Claude Code 只能用于 Anthropic 的模型，而 Codex 可以用于任何模型，而不仅仅是 OpenAI 的。

开源意味着即使 Codex 被锁定在某个模型上，任何人都可以分支框架，修改几行代码以支持不同的模型。Tibo 相信通过让用户使用最佳模型来获胜;Codex 团队自己也尝试了同一框架内的其他模型。

就我个人而言，我很欣赏这种鼓励前沿实验室竞争的做法！

7. 云开发环境（CDE）由于设置成本高昂，未能在大型科技领域之外兴起——但人工智能代理可能会改变这一状况。Tibo预测，完全云编排的机器将重新兴起，像Codex这样的代理可以配置并与本地机器同步。

8. Codex 线束总是略微领先于 OpenAI 的最新模型。安全带为模型提供了拐杖：护栏、安全、效率、可操控性，以及在每回合开始时注入上下文中的开发者信息。

随着模型的改进，一些“拐杖”会被舍弃，安全带也会缩小。这就是Codex与OpenAI新模型迄今为止的开发周期。

9. Codex“知道”的数量惊人，因为它几乎接入了所有OpenAI系统。我问Tibo，他会给Codex团队的新成员什么建议。他的回答是：“你问过Codex吗？”在OpenAI，Codex默认连接到Slack，所有文档和代码都是这样。

新手们对能问任何问题感到惊讶，包括谁在做某事，或者为什么做出决定。团队故意在公开渠道工作，并以广泛的权限打开文档。

10. 正确性检查和安全审查将由AI自动化。随着代码审查在AI影响下发生变化，Tibo认为关于代码意图的讨论不必在代码审查中进行，审查主要关注正确性、信息交换以及为本应更早发生的对话提供强制功能。

有了AI代码审查，关于系统应做什么的讨论依然重要，最好在代码编写前进行。这与本周周二文章的主题呼应。

11. 维护和重构代码在使用代理时变得非常便宜，尤其是在时间上。依赖升级等维护任务，模型可以在几小时内快速处理代码库。而重新架构以适应新权衡，过去需要数年时间，现在最多只需几天。

Tibo 补充了一个警告：高质量代码、良好的抽象和良好的测试套件极大影响代码库变更的难易程度。

12. “进入状态”已成为历史;Tibo 将代码视为解决问题的工具。在播客录制期间，我们因回忆起那些熬夜而“进入状态”解决复杂代码问题的“美好旧时光”。

如今，Tibo 和 OpenAI 的大多数人一样，已经适应了变化。他仍然会打开编辑器写一点代码，因为感觉不错，但他说 AI 代理的一个优点是能更快地收集更多数据——这意味着不需要像过去那样长时间编程。

他不再凭直觉判断，而是可以直接派遣代理，在一分钟内获取数据，从而做出更好的决策。