OpenAI 内部 Codex 的主要应用场景与最佳实践
OpenAI 内部安全、前端、基础设施等团队日常怎么用 Codex。五个用例：读懂代码、重构迁移、性能优化、补测试覆盖、提速。
- 不是宣传材料，是内部各团队的实际用法汇总。
- 用例一是代码理解——在陌生的大系统里快速定位，这是最高频的场景。
- 重构与迁移单独成节，讲怎么让 AI 处理大范围机械改动。
- 提升测试覆盖率那节最实用：测试是 AI 最擅长也最容易验证的产出。
- 每个用例都配了实际做法，不停留在「可以用 AI 做这个」。
Codex 是 OpenAI 开发的代码生成与理解模型，广泛应用在其内部团队（安全、产品工程、前端、API、基础设施、性能工程）。
作用：帮助团队 加速开发任务、提升质量、管理复杂性。
OpenAI 的工程团队（包括安全、产品工程、前端、API、基础设施、性能工程等）在日常开发中广泛使用 Codex，用于：
- 加速工程任务
- 提高代码质量
- 在复杂系统中快速定位问题
- 管理大规模代码库的复杂性
本文基于 OpenAI内部使用数据与工程师访谈，总结了 Codex 的主要应用场景与最佳实践。
这份文档不是宣传页，而是一本“内部实战手册”——用真实团队场景凝练出 7 类高频用法与一套可复用的工作流规范（Ask mode→Code Mode、AGENTS.md、Best-of-N、任务队列化等），帮助工程团队把 Codex 稳定地嵌入日常交付流程中。
目录
- 引言
- 用例
- 代码理解（Code understanding）
- 重构与迁移（Refactoring and migrations）
- 性能优化（Performance optimization）
- 提升测试覆盖率（Improving test coverage）
- 提高开发速度（Increasing development velocity）
- 保持心流（Staying in flow）
- 探索与创意发散（Exploration and ideation）
- 最佳实践（Best Practices）
- 展望（Looking Ahead）
引言
在 OpenAI，Security、Product Engineering、Frontend、API、Infrastructure、Performance Engineering 等众多技术团队每天都在使用 Codex。它用于加速广泛的工程任务：从理解复杂系统、重构大型代码库，到在紧迫的期限下交付新功能和处理事故。
基于对 OpenAI 工程师的访谈与内部使用数据，我们整理了典型用例与最佳实践，展示 Codex 如何帮助团队更快推进、提升工作质量，并在大规模场景下管理复杂性。
用例 1：代码理解（Code understanding）
Codex 帮助团队在入职、调试或事故调查时，快速在不熟悉的代码库区域里“上手”。
常见做法包括：定位某个功能的核心逻辑、梳理服务或模块之间的关系、追踪系统中的数据流。它还能提示架构模式或指出缺失的文档——这些原本需要大量人工工作。
在事故响应中，Codex 能快速呈现组件间的交互或失败状态在系统中的传播路径，帮助工程师迅速切入新的领域。
团队轶事
- “修 Bug 时，我会用 Ask mode 看看同类问题还可能出现在代码库的哪里。”——Performance Engineer（Retrieval Systems）
- “值班时，我把 stack trace 粘给 Codex 并询问 auth flow 在哪里。它会直接跳到正确的文件，便于快速分流。”——Site Reliability Engineer（API Platform）
- “跨 Terraform 与 Python 的 ‘我该在哪做这事？’ 类 repo 问题，Codex 回答比 grep 快多了。”——DevOps Engineer（Infrastructure Services）
示例提示语
- “Where is the authentication logic implemented in this repo?”
- “Summarize how requests flow through this service from entrypoint to response.”
- “Which modules interact with [模块名] and how are failures handled?”
用例 2：重构与迁移（Refactoring and migrations）
当需要跨文件或跨 package 修改（如更新 API、变更实现模式、迁移到新依赖）时，Codex 能让批量而一致的变更更容易落地。
尤其当同一更新要在数十个文件里应用，或该更新需要对结构与依赖有整体认知（regex 或简单替换难以覆盖）时，Codex 的价值更明显。
它也用于代码整理：拆分过大的模块、以现代模式替换旧模式、或为更好的可测性做准备。
团队轶事
- “Codex 把所有遗留的 getUserById() 全部替换成新的 service pattern，并直接开了 PR——几分钟搞定原本要忙数小时的活。”——Backend Engineer（ChatGPT Web）
- “为清除发布阻塞，我让 Codex 扫描旧模式的所有实例，用 Markdown 总结影响面，然后开 PR 修复。”——Product Engineer（ChatGPT Enterprise）
示例提示语
- “Split this file into separate modules by concern and generate tests for each one.”
- “Convert all callback-based database access to async/await.”
用例 3：性能优化（Performance optimization）
Codex 用于识别与处理性能瓶颈。
在调优或可靠性工作中，工程师会让 Codex 分析慢或占内存的代码路径（如低效循环、冗余操作、昂贵查询），并给出优化替代方案，常常带来显著的效率与可靠性收益。
它也用于“代码健康”治理：识别仍在使用的高风险或已弃用模式，帮助减少长期技术债，并主动预防回归。
团队轶事
- “我用 Codex 扫重复的昂贵 DB 调用。它很会标热点路径，还能起草批量查询，我再微调即可。”——Infrastructure Engineer（API Reliability）
- “Codex 快速定位性能问题很强——我用 5 分钟写提示，能省 30 分钟诊断。”——Platform Engineer（Model Serving）
示例提示语
- “Optimize this loop for memory efficiency and explain why your version is faster.”
- “Find repeated expensive operations in this request handler and suggest caching opportunities.”
- “Suggest a faster way to batch DB queries in this function.”
用例 4：提升测试覆盖率（Improving test coverage）
Codex 能更快地编写测试，尤其是在覆盖稀薄或完全缺失的地方。
在修 Bug 或做重构时，工程师常让 Codex 建议能覆盖边界条件或潜在失败路径的测试。对新代码，它可以基于函数签名与上下文生成 unit test 或 integration test。
它对识别边界条件特别有帮助：例如空输入、最大长度、少见但有效的状态，这些常在最初测试中被遗漏。
团队轶事
- “我把低覆盖的模块丢给 Codex 过一夜，第二天就有可跑的 unit-test PR 了。”——Frontend Engineer（ChatGPT Desktop）
- “切 mono-repo 分支很痛时，我让 Codex 写测试并触发 CI，我则继续手头分支的活。”——Backend Engineer（Payments & Billing）
示例提示语
- “Write unit tests for this function, including edge cases and failure paths.”
- “Generate a property-based test for this sorting utility.”
- “Extend this test file to cover missing scenarios around null inputs and invalid states.”
用例 5：提高开发速度（Increasing development velocity）
Codex 能在开发周期的开端与末端加速推进。
在新功能启动阶段，工程师让它搭脚手架：生成目录、模块、API stubs，使可运行代码快速起步，而无需手动连线每个部分。
临近发布时，Codex 能处理“小但关键”的收尾任务：分流 Bug、补齐最后一公里实现、生成 rollout 脚本、telemetry hooks 或配置文件。
它也能把产品反馈直接“翻译”成起始代码：把用户请求或 spec 粘上去，让 Codex 给出初稿，工程师再回来精修。
团队轶事
- “我整天在开会，但仍然合并了 4 个 PR，因为 Codex 在后台推进。”——Product Engineer（ChatGPT Enterprise）
- “Codex 完美搞定了 3-4 个低优先级修复，这些本来会在 backlog 里躺很久，感觉非常赋能。”——Full-Stack Engineer（Internal Tools）
示例提示语
- “Scaffold a new API route for POST /events with basic validation and logging.”
- “Generate a telemetry hook for tracking success/failure of the new onboarding flow, using this template [你的 telemetry 代码示例].”
- “Create a stub implementation based on this spec: [粘贴 spec 或产品反馈].”
用例 6：保持心流（Staying in flow）
当日程被打断、碎片化严重时，Codex 帮助工程师维持生产力。
它可以记录未完成的工作、把笔记变成可运行原型、或拆出可回头处理的探索性任务。这样在值班或会议较多时，也能随时暂停与恢复而不丢上下文。
团队轶事
- “遇到顺手能修的小问题，我直接发一个 Codex 任务，而不是切分支；等有空再审它开的 PR。”——Backend Engineer（ChatGPT API）
- “我经常把 Slack 线程、Datadog traces、issues 等转给 Codex，这样我能专注在最高优先级工作上。”——API Engineer（Infrastructure Observability）
示例提示语
- “Generate a plan to refactor this service and split it into smaller modules.”
- “Stub out the retry logic and add a TODO — I’ll fill in the backoff logic later.”
- “Summarize this file so I can pick up where I left off tomorrow.”
用例 7：探索与创意发散（Exploration and ideation）
Codex 在开放式工作中也很有用：寻找备选方案、验证设计决策。你可以提示它提出不同解法、探索陌生模式、或对假设做压力测试，从而更好地理解取舍、扩展设计选项、打磨实现选择。
它也能定位相关 Bug：给定一个已知问题或已弃用方法，Codex 能在代码中查找相似模式，便于捕获回归或完成清理。
团队轶事
- “Codex 帮我解决冷启动问题——我把 spec 与文档粘上，它要么搭出脚手架，要么告诉我漏了什么。”——Product Engineer（ChatGPT Desktop）
- “修完一个 Bug，我会问 Codex 类似问题可能潜伏在哪，然后拆分后续任务。”——Performance Engineer（Retrieval Systems）
示例提示语
- “How would this work if the system were event-driven instead of request/response?”
- “Find all modules that manually build SQL strings instead of using our query builder.”
- “Rewrite this in a more functional style, avoid mutation and side effects.”
最佳实践（Best Practices）
Codex 在获得结构化信息、上下文与迭代空间时表现最佳。以下是 OpenAI 团队在日常使用中沉淀的习惯，帮助持续产出稳定价值。
- 从 Ask Mode 开始
对大型改动，先用 Ask mode 让 Codex 生成实现计划，再切到 Code Mode 依据该计划逐步推进。这个两步法能让 Codex 更有“锚点”，减少输出错误。Codex 最适合处理范围明确、你或同事大约一小时内能完成、或需数百行代码实现的任务。随着模型进步，它可承接的任务规模会继续扩大。
- 迭代改进 Codex 的开发环境
设置启动脚本、环境变量与互联网访问，能显著降低 Codex 的错误率。在运行任务时，关注构建报错，并通过调整 Codex 的环境配置来修正。也许需要几次迭代，但长远看能带来明显效率提升。
- 把提示语写得像一个 GitHub Issue
当提示语像 PR/Issue 中对改动的描述时，Codex 表现更好。必要时包含文件路径、组件名、diff、文档片段等；使用“Implement this the same way it’s done in [module X]” 之类模式，效果更佳。
- 把 Codex 的 task queue 当作轻量 backlog 使用
随手发任务来承接旁枝想法、半成品或顺手修复。无需一次性生成完整 PR。把 Codex 当作你可回访的 staging 区很合适。
更多实践
- 使用 AGENTS.md 提供持久上下文
在仓库中维护 AGENTS.md，包含命名约定、业务逻辑、已知特性或 Codex 无法仅从代码中推断的依赖关系。参见文档了解如何组织 AGENTS.md。
- 利用 Best-of-N 提升输出质量
通过 Best-of-N 为单一任务并行生成多个候选，快速对比多种方案并择优。对复杂任务，可综合多次迭代的优点，产出更强的最终版本。
展望（Looking Ahead）
Codex 仍处于 research preview，但已对我们的工程方式产生了实质影响：帮助我们更快推进、写出更好的代码，并接手那些原本永远排不到优先级的工作。
我们对未来潜力感到兴奋——随着模型的持续进步与 Codex 更深入地融入工作流，我们将解锁更强大的软件开发方式，并会持续分享一路上的经验洞见。
参考
- AGENTS.md（仓库内文档）
- OpenAI Docs: https://platform.openai.com/docs/codex/overview#using-agents-md
英文文档：
中英双语翻译：https://cdn.openai.com/pdf/6a2631dc-783e-479b-b1a4-af0cfbd38630/how-openai-uses-codex.pdf