Cómo OpenAI usa Codex

Codex se utiliza a diario en numerosos equipos técnicos de OpenAI, como Seguridad, Ingeniería de Producto, Frontend, API, Infraestructura e Ingeniería de Rendimiento. Los equipos lo usan para acelerar una variedad de tareas de ingeniería, desde entender sistemas complejos y refactorizar grandes bases de código hasta lanzar nuevas funcionalidades y resolver incidentes con plazos ajustados.

A partir de entrevistas con ingenieros de OpenAI y datos internos de uso, recopilamos casos de uso y mejores prácticas que destacan cómo Codex ayuda a nuestros equipos a avanzar más rápido, mejorar la calidad del trabajo y gestionar la complejidad a escala.

Codex ayuda a nuestros equipos a familiarizarse rápidamente con partes desconocidas de la base de código durante la incorporación, la depuración o la investigación de un incidente.

A menudo usan Codex para localizar la lógica central de una funcionalidad, mapear las relaciones entre servicios o módulos y rastrear el flujo de datos a través de un sistema. También ayuda a sacar a la luz patrones arquitectónicos o elementos faltantes en la documentación que, de otro modo, requerirían un esfuerzo manual considerable para generarse.

Durante la respuesta ante incidentes, Codex ayuda a los ingenieros a familiarizarse rápidamente con áreas nuevas al mostrar las interacciones entre componentes o rastrear cómo los estados de falla se propagan a través de los sistemas.

Codex se utiliza comúnmente para realizar cambios que abarcan múltiples archivos o paquetes. Por ejemplo, cuando los ingenieros actualizan una API, cambian la forma en que se implementa un patrón o migran a una nueva dependencia, Codex facilita la aplicación sistemática de cambios.

Esto es especialmente útil cuando se necesita realizar la misma actualización en decenas de archivos, o cuando la actualización requiere tener en cuenta la estructura y las dependencias que no se detectan fácilmente con una regex o con buscar y reemplazar.

También lo están usando para la limpieza del código: dividir módulos grandes, reemplazar patrones antiguos por modernos o preparar el código para que sea más fácil de probar.

Codex se usa para identificar y abordar cuellos de botella en el rendimiento.

Durante las tareas de ajuste o los esfuerzos de confiabilidad, los ingenieros prompt a Codex que analice rutas de código lentas o con uso intensivo de memoria, como bucles ineficientes, operaciones redundantes o consultas costosas, y que sugiera alternativas optimizadas, lo que a menudo da como resultado mejoras significativas en eficiencia y confiabilidad.

Codex también se usa para contribuir a la salud del código al identificar patrones riesgosos u obsoletos que todavía se usan activamente. Nuestros equipos se apoyan en ella para ayudar a reducir la deuda técnica a largo plazo y prevenir regresiones de forma proactiva.

Codex ayuda a los ingenieros a escribir pruebas más rápido, especialmente en situaciones donde la cobertura es escasa o completamente inexistente.

Al trabajar en una corrección de errores o una refactorización, los ingenieros suelen pedirle a Codex que sugiera pruebas que cubran casos límite o posibles rutas de fallo. Para código nuevo, puede generar pruebas unitarias o de integración en función de la firma de la función y la lógica del contexto.

Codex es especialmente útil para identificar condiciones límite como entradas vacías, longitud máxima o estados inusuales pero válidos que a menudo se omiten en las pruebas iniciales.

Codex ayuda a los equipos a avanzar más rápido al acelerar tanto el inicio como el final del ciclo de desarrollo.

Al iniciar una nueva funcionalidad, los ingenieros lo utilizan para estructurar el código repetitivo: generar carpetas, módulos y stubs de API, y así ejecutar código rápidamente sin conectar manualmente cada pieza.

A medida que los proyectos se acercan al lanzamiento, Codex ayuda a cumplir plazos ajustados al encargarse de tareas más pequeñas pero esenciales, como clasificar errores, cubrir los últimos detalles de implementación y generar scripts de despliegue, integraciones de telemetría o archivos de configuración.

También se usa para convertir comentarios del producto en código inicial. Los ingenieros suelen pegar una solicitud de usuario o una especificación y hacer que Codex genere un borrador al que luego pueden volver para perfeccionarlo.

Codex ayuda a nuestros ingenieros a mantener la productividad cuando sus horarios están fragmentados y llenos de interrupciones.
Se usa para capturar trabajo inconcluso, convertir notas en prototipos funcionales o crear tareas exploratorias que se pueden retomar más adelante. Esto facilita pausar y reanudar el trabajo sin perder el contexto, especialmente cuando están de guardia o tienen muchas reuniones.

Codex también es útil para trabajos abiertos, como encontrar soluciones alternativas o validar decisiones de diseño. Puedes usar un prompt para encontrar diferentes maneras de resolver un problema, explorar patrones desconocidos o poner a prueba las suposiciones. Esto ayuda a visibilizar las disyuntivas, ampliar las opciones de diseño y perfeccionar las decisiones de implementación.

También se utiliza para identificar errores relacionados. Dado un problema conocido o un método obsoleto, Codex puede identificar patrones similares en otras partes del código, lo que facilita detectar regresiones o completar las tareas de limpieza.

Codex funciona mejor cuando se le proporciona estructura, contexto y margen para iterar. Estos son algunos de los hábitos que los equipos de OpenAI están desarrollando para obtener un valor constante en el trabajo diario.

Para cambios grandes, comienza aplicar a Codex un plan de implementación usando el modo Preguntar, que luego se convierte en la entrada para los prompts de seguimiento cuando cambias a Modo Código. Este flujo de dos pasos mantiene a Codex bien orientado y ayuda a evitar errores en su salida. Codex funciona mejor con tareas bien definidas que te tomarían a ti o a un compañero de equipo alrededor de una hora en completar o unas cientos de líneas de código para implementar. A medida que los modelos mejoren, se espera que aumente la magnitud de las tareas que pueden asumir.

Configurar un script de inicio, las variables de entorno y el acceso a internet reduce significativamente la tasa de error de Codex. A medida que ejecutes tareas, busca errores de compilación que se puedan corregir en la configuración del entorno de Codex. Esto puede requerir algunas iteraciones, pero genera ganancias significativas de eficiencia a largo plazo.

Codex responde mejor cuando los prompt reflejan cómo describirías un cambio en un PR o una incidencia. Eso significa incluir rutas de archivo, nombres de componentes, diffs y fragmentos de documentación cuando sea pertinente. Dar instrucciones con patrones como “Implementa esto de la misma manera en que se hace en [módulo X]” mejora los resultados.

Envía tareas para registrar ideas secundarias, trabajo parcial o correcciones incidentales. No hay presión para generar una PR completa de una sola vez. Codex funciona bien como un espacio provisional al que puedes volver cuando vuelvas a concentrarte.

Mantén un archivo AGENTS.md para ayudar a Codex a operar de manera más eficaz en tu repositorio con el prompt. Estos archivos suelen incluir convenciones de nomenclatura, lógica de negocio, particularidades conocidas o dependencias que Codex no puede inferir únicamente a partir del código. Obtén más información sobre cómo estructurar tu archivo AGENTS.md en la documentación.

La función Best-of-N te permite generar simultáneamente múltiples respuestas para una sola tarea, a fin de explorar rápidamente varias soluciones y elegir la mejor. Para tareas más complejas, puedes revisar varias iteraciones y combinar partes de diferentes respuestas para obtener un mejor resultado.

Codex sigue en vista previa de investigación, pero ya está teniendo un impacto real en cómo desarrollamos, ayudándonos a avanzar más rápido, escribir mejor código y asumir trabajo que, de otro modo, nunca se habría priorizado.

Nos entusiasma el potencial que tenemos por delante, a medida que nuestros modelos mejoran y Codex se integra más profundamente en nuestros flujos de trabajo, esperamos desbloquear formas aún más potentes de desarrollar software con él. Seguiremos compartiendo lo que aprendamos en el camino.