Sådan bruger OpenAI Codex

Codex bruges dagligt på tværs af adskillige tekniske teams hos OpenAI, såsom sikkerhed, produktudvikling, frontend, API, infrastruktur og performance engineering. Teams bruger det til at accelerere en række tekniske opgaver, lige fra forståelse af komplekse systemer og refaktorering af store kodebaser til levering af nye funktioner og løsning af hændelser under stramme deadlines.

Med udgangspunkt i interviews med OpenAI-ingeniører og interne brugsdata har vi samlet use cases og bedste praksis, der fremhæver, hvordan Codex hjælper vores teams med at arbejde hurtigere, forbedre arbejdskvaliteten og håndtere kompleksitet i stor skala.

Codex hjælper vores teams med hurtigt at komme i gang med ukendte dele af kodebasen, når de onboarder, fejlfinder eller undersøger en hændelse.

De bruger ofte Codex til at lokalisere kernelogikken i en funktion, kortlægge relationer mellem tjenester eller moduler og spore dataflow gennem et system. Det hjælper også med at afdække arkitekturmønstre eller manglende dokumentation, som ellers ville kræve en betydelig manuel indsats at generere.

Under håndtering af hændelser hjælper Codex ingeniører med hurtigt at komme ind på nye områder ved at afdække interaktioner mellem komponenter eller spore, hvordan fejltilstande spreder sig på tværs af systemer.

Codex bruges almindeligvis til at foretage ændringer, der spænder over flere filer eller pakker. For eksempel, når ingeniører opdaterer en API, ændrer, hvordan et mønster implementeres, eller migrerer til en ny afhængighed, gør Codex det nemt at anvende ændringer konsekvent.

Det er især nyttigt, når den samme opdatering skal foretages på tværs af snesevis af filer, eller når opdateringen kræver bevidsthed om struktur og afhængigheder, der ikke let kan fanges med en regex eller find-og-erstat.

De bruger det også til oprydning af kode ved at opdele overdimensionerede moduler, erstatte gamle mønstre med moderne eller forberede kode til bedre testbarhed.

Codex bruges til at identificere og håndtere flaskehalse i ydeevnen.

Under finjustering eller pålidelighedsindsats beder ingeniører Codex om at analysere langsomme eller hukommelseskrævende kodestier, såsom ineffektive loops, redundante operationer eller dyre forespørgsler, og foreslå optimerede alternativer, hvilket ofte resulterer i betydelige gevinster i effektivitet og pålidelighed.

Codex bruges også til at understøtte kodesundhed ved at identificere risikable eller forældede mønstre, der stadig er i aktiv brug. Vores teams bruger det til at reducere langsigtet tech-gæld og proaktivt forhindre tilbagegang.

Codex hjælper ingeniører med at skrive tests hurtigere – især på steder, hvor dækningen er tynd eller helt mangler.

Når ingeniører arbejder på en fejlrettelse eller refaktorering, beder de ofte Codex om at foreslå tests, der dækker kanttilfælde eller sandsynlige fejlstier. For ny kode kan den generere enheds- eller integrationstests baseret på funktionssignaturen og den omgivende logik.

Codex er især nyttig til at identificere randbetingelser som tomme input, maksimal længde eller usædvanlige, men gyldige tilstande, der ofte overses i indledende tests.

Codex hjælper teams med at bevæge sig hurtigere ved at accelerere både starten og slutningen af udviklingscyklussen.

Når ingeniører lancerer en ny funktion, bruger de den til at scaffolde standardløsninger – de genererer mapper, moduler og API-stubs for hurtigt at få kørbar kode op uden at skulle manuelt forbinde hvert element.

Når projekter nærmer sig udgivelse, hjælper Codex med at overholde stramme deadlines ved at håndtere mindre, men vigtige opgaver som at prioritere fejl, udfylde de sidste implementeringshuller og generere udrulningsscripts, telemetrikroge eller konfigurationsfiler.

Det bruges også til at omdanne produktfeedback til startkode. Ingeniører indsætter ofte en brugeranmodning eller specifikation og får Codex til at generere et groft udkast, som de kan vende tilbage til og forfine senere.

Codex hjælper vores ingeniører med at forblive produktive, når deres arbejdsplaner er fragmenterede og fyldt med afbrydelser.
Det bruges til at opsamle ufærdigt arbejde, omdanne noter til fungerende prototyper eller udskille undersøgende opgaver, som kan tages op igen senere. Det gør det lettere at sætte arbejdet på pause og genoptage det uden at miste konteksten, især når de har vagt eller har mange møder.

Codex er også nyttig til åbent arbejde, såsom at finde alternative løsninger eller validere designbeslutninger. Du kan opfordre til forskellige måder at løse et problem på, udforske ukendte mønstre eller afprøve antagelser. Dette hjælper med at synliggøre afvejninger, udvide designmulighederne og skærpe implementeringsvalgene.

Det bruges også til at identificere relaterede fejl. Med et kendt problem eller en udfaset metode kan Codex identificere lignende mønstre andre steder i koden, hvilket gør det nemmere at opdage regressioner eller afslutte oprydningsarbejdet.

Codex fungerer bedst, når den får struktur, kontekst og plads til at iterere. Her er nogle af de vaner, OpenAI-teams er ved at opbygge for at få konsekvent værdi ud af den i det daglige arbejde.

Ved store ændringer skal du starte med at bede Codex om en implementeringsplan ved hjælp af Ask-tilstand, som derefter bliver input til opfølgningsprompter, når du skifter til kodetilstand. Dette totrinsforløb holder Codex jordet og hjælper med at undgå fejl i dens output. Codex fungerer bedst med velafgrænsede opgaver, som det ville tage dig eller en kollega omkring en time at fuldføre eller et par hundrede linjers kode at implementere. Efterhånden som modellerne forbedres, kan man forvente, at størrelsen af de opgaver, den kan påtage sig, vil stige.

Opsætning af et opstartsskript, miljøvariabler og internetadgang reducerer Codex' fejlrate betydeligt. Når du kører opgaver, skal du holde øje med buildfejl, der kan rettes i Codex’ miljøkonfiguration. Dette kan kræve et par iterationer, men giver betydelige effektivitetsgevinster på lang sigt.

Codex svarer bedre, når prompts afspejler den måde, du ville beskrive en ændring på i en PR eller issue. Det betyder, at filstier, komponentnavne, sammenligninger og uddrag fra dokumentationen skal medtages, når det er relevant. Hvis man bruger anvisninger som "Gør det på samme måde, som det gøres i [modul X]", får man bedre resultater.

Opret opgaver for at notere sidebemærkninger, ufærdigt arbejde eller små rettelser. Der er intet pres for at generere en fuld PR på én gang. Codex fungerer godt som et mellemrum, du kan vende tilbage til, når du er tilbage i fokus.

Vedligehold en AGENTS.md-fil for at hjælpe Codex med at fungere mere effektivt i dit repository på tværs af prompts. Disse filer omfatter typisk navngivningskonventioner, forretningslogik, kendte særheder eller afhængigheder, som Codex ikke kan udlede alene fra koden. Læs mere om, hvordan du strukturerer din AGENTS.md-fil i dokumentationen.

Best-of-N-funktionen giver dig mulighed for samtidig at generere flere svar til en enkelt opgave, så du hurtigt kan udforske flere løsninger og vælge den bedste. Ved mere komplicerede opgaver kan du gennemgå flere iterationer og kombinere dele af forskellige svar for at opnå et stærkere resultat.

Codex er stadig i forskningsfasen, men det har allerede en reel indflydelse på, hvordan vi bygger. Det hjælper os med at bevæge os hurtigere, skrive bedre kode og påtage os arbejde, der ellers aldrig ville være blevet prioriteret.

Vi er begejstrede for det potentiale, der ligger forude – efterhånden som vores modeller bliver bedre, og Codex bliver mere integreret i vores arbejdsgange, ser vi frem til at åbne op for endnu mere effektive måder at udvikle software med det. Vi vil fortsætte med at dele det, vi lærer, undervejs.