OpenAI Harness Engineering：利用 Codex 實現零手寫程式碼開發

OpenAI 成功打造並發布了一款內部軟體產品，約有一百萬行程式碼，全部由 AI 生成，沒有任何一行是人類手動編寫的。透過 Codex 代理人，團隊將開發時間縮減至傳統手動編碼所需時間的約 1/10，將人類的角色從編寫程式碼轉變為設計環境、規格與回饋迴路，以讓代理人具備自主性。

「零手寫程式碼」實驗

自 2025 年 8 月起，一支小型工程師團隊使用 Codex（由 GPT-5 引導）生成從最初的倉庫腳手架與 CI 設定，到應用程式邏輯、文件與內部工具的所有內容。五個月內，團隊人數從三人增至七人，管理了約 1,500 個合併的 Pull Request（PR）。

此方法的主要成果包括：

高產能： 每位工程師平均每天 3.5 個 PR。
全方位生成： 代理人不僅產出產品程式碼與測試，還包括生產儀表板定義、評估 harness，以及管理倉庫本身的腳本。
人機協同指導： 人類仍參與工作優先順序的決策、將使用者回饋轉化為驗收標準、以及驗證結果，但從未直接撰寫程式碼。

重新定義工程師角色：從編碼到腳手架

在以代理人為先的工作流程中，主要的工程瓶頸不是代理人的能力，而是環境的規格。OpenAI 發現當環境規格不足時，進度會停滯，導致人類必須專注於「深度優先」的工作：將高階目標拆解成更小的構件，並建立讓代理人工作可讀且可強制執行的工具。

代理人對代理人工作流程

人類主要透過提示與系統互動。為了將 PR 推進至完成，Codex 被指示：

在本地自行檢視變更。
在本地與雲端請求其他代理人進行審查。
根據回饋迭代，直到所有代理審查者滿意為止。隨著時間推移，團隊將幾乎所有審查工作轉移至代理人對代理人的互動，將人類的 PR 審查需求降至最低。

提升應用程式對代理人的可讀性

為了減輕人類 QA 的負擔，OpenAI 著重於讓應用程式的內部狀態直接對 Codex 可讀。這使得代理人能在不需要人類介入的情況下推理系統。

執行時存取： 應用程式可於每個 git worktree 中啟動，讓 Codex 為每項變更啟動獨立實例。
UI 驗證： 透過將 Chrome DevTools Protocol 接入代理人執行環境，Codex 能使用 DOM 快照與螢幕截圖重現錯誤並驗證 UI 行為。
可觀測性： 代理人可存取本地可觀測性堆疊，使用 LogQL 查詢日誌、使用 PromQL 查詢指標，以滿足特定效能目標（例如確保服務啟動時間低於 800 ms）。

倉庫知識作為系統的唯一真相來源

OpenAI 發現單一的巨型說明手冊對代理人無效，因為它會淹沒任務上下文且很快過時。相反地，他們採用了「地圖」式方法：

AGENTS.md 作為目錄： 一個約 100 行的短檔案提供指向更深層真相來源的指標。
結構化文件： docs/ 目錄作為系統的唯一真相來源，內含索引化的設計文件、架構圖與產品領域的品質等級。
執行計畫： 複雜工作以版本化的執行計畫記錄，決策日誌亦被提交至倉庫。
機械化強制： 專屬的 linter 與「文件園藝」代理人確保文件與實際程式碼行為保持同步。

強制執行架構與「品味」

為防止在全代理人生成的程式碼基底中出現架構漂移，OpenAI 採用嚴格的機械限制，而非微觀管理實作細節。

嚴格的架構模型

每個業務領域遵循固定的分層系統，且依賴方向必須嚴格驗證：Types $\rightarrow$ Config $\rightarrow$ Repo $\rightarrow$ Service $\rightarrow$ Runtime $\rightarrow$ UI。跨領域關注（例如認證、遙測）只能透過明確的「Providers」進入。

品味不變式

自訂 linter 強制執行「品味」與可靠性需求，例如：

結構化日誌與 schema/type 命名慣例。
檔案大小限制。
邊界解析（例如使用 Zod）以避免「YOLO 風格」的資料探測。

管理熵與「AI 雜訊」

完全自主可能導致次佳模式的複製。OpenAI 透過持續的「垃圾回收」程序來管理：

黃金原則： 將有見地的機械規則編碼於倉庫中。
自動清理： 背景 Codex 任務定期掃描偏離這些原則的程式碼，並開立重構 PR，這些 PR 通常在簡短的人類審查後自動合併。

目前能力與未來未知數

系統已達到一個門檻，使得 Codex 能端對端驅動新功能。只需一次提示，代理人即可驗證程式碼庫、重現錯誤（錄製失敗影片）、實作與驗證修復（錄製解決影片），並在回應回饋後合併變更。

OpenAI 指出，雖然此方式已在內部上線成功，但仍不確定在數年後架構一致性會如何演變，或系統在模型變得更強大時將如何調整。