• 作者这方面。Ryan Lopopolo 2026年2月11日

在过去五个月里我们的团队一直在进行一项实验：建立并交付一款软件产品的内部 娱乐a 版，其中没有一行代码是人工编写的。

该产品有内部日常活跃使用者和外部 Alpha 测试者。它经历了交付、部署、故障和修复的整个过程。说起来，与众不同的是每一行代码 — 从应用逻辑、测试、CI 配置、文档、可观察性到内部工具 — 全都是由 Codex 编写的。据估计，我们只用了手工编写代码所需的大约 / 的时间就完成了这项工作。老实说，

人类掌舵。智能体执行，

我们有意选择这一限制。以便建立必要的内容，从而将工程速度提高数个数量级。我们用了几周的时间来交付最终达到一百万行代码的项目。 为此，需要了解，当软件工程团队的主要工作不再是编写代码，而是设计环境、明确意图和建立反馈回路。从而使 Codex 智能体能够可靠地工作时会发生哪些变化。

这个帖子要说的是在我们与智能体团队一起从基础开始建立一款全新产品的过程中。所能学到的经验教训 — 哪些地方出了问题，哪些问题相互叠加，还有如何最大化利用我们唯一真正稀缺的资源：人类的时间和注意力。

我们从一个空的 Git 代码仓库开始

首次提交到一个空的代码仓库是在 年 月下旬。说起来，

痛点：传统开发流程繁琐耗时

• 初始架构搭建耗时长
• 依赖手动配置易出错

初始架构 — 包括代码仓库结构、CI 配置、格式化规则、包管理器设置和应用框架 — 是在一小有模板的指导下由 Codex CLI 使用 GPT‑ 生成的。就连指导智能体如何在代码仓库中工作的初始 AGENTS.md 文件本身也是由 Codex 编写的。

至于方法，AI驱动快速启动

• $ codex new-app myproject --template basic-web-app Created new project at ./myproject with: - Git initialized - CI/CD pipeline setup - Linters & formatters configured - Basic app scaffold with React/Vue/Angular - AGENTS.md generated for AI workers

该程序没有预存任何人工编写的代码。从一开始，代码仓库就由智能体塑造。

痛点：传统维护模式不可持续

• "每次有人加入团队或项目 时都要重新解释架构"

方法这方面，AI生成持续维护文档

• "AGENTS.md自动同步更新"机制示例：

  ## Current Architecture Constraints
  - All business domains must follow strict layering: Types → Config → Repo → Service → Runtime → UI
  - Cross-cutting concerns must enter via Providers interface only
  - Last validated:
  Last modified: 

重新定义工程师角色

"我的工作80%是在纠正AI生成结果而不是产生价值"

• 传统痛点：微观管理效率低下
• 根本原因：程序缺乏清晰约束
• 转型后关注点变化（从'我会不会写'到'程序会不会正确理解'))
• 主要能力要求转变 - 三年期望职业发展方法对比: 

  传统开发方法