2026年11月20日AgentsCodingInfrastructure

OpenAI Performance Factory:Codex 修 ChatGPT,合并键还在人手里

ChatGPT 变慢的时候,现在大概率是一个 agent 比工程师先发现。OpenAI 周四 08:00 UTC 发文,公开了内部系统 Performance Factory:Codex agent 把性能回归从报警一路跑到恢复。第一条工作流上线三个多月,追踪了 1,700 多次调查,找到了 600 多个根因,平均每天 17 次。比例要老实看:大约三分之一的调查最后有确认的根因。原文:https://openai.com/index/how-openai-performance-factory-keeps-chatgpt-fast

流程写得非常死板,这恰恰是重点。报警开一个任务。一个 agent 去找指标到底从什么时候开始变坏(往往比报警早好几个小时)、哪些请求受影响、哪次发布或哪个 feature flag 对得上。然后另一个 Codex 会话专门去推翻这个诊断。再一个 agent 写修复、开 PR。工程师审核、部署。部署后又换一个 agent 检查性能有没有回到基线,只恢复了一部分就关掉原任务、为剩下的慢再开一个新任务。这一切由工程师用 Markdown 提示词加一份配置来定义:有哪些状态、允许怎么流转、哪一步必须有人。

有两个设计,正好回答了这个月一直在追的问题。任务状态和发现都记在任务上,不在任何一个 agent 的上下文里,所以在 agent、工程师、代码审核、部署之间来回交接也不会丢。agent 靠订阅事件被唤醒,比如一条审核评论、一次 CI 失败,而不是一直空转等着。每个 agent 都跑在一个服务身份下,权限有范围,任何动作都能追溯到是性能 agent 干的。说白了,授权层是当成管道修出来的,不是写在系统提示词里许个愿。

最有用的是 OpenAI 给自己挑的刺。人工抽查 100 条根因建议,70% 判为准确,30% 需要补充或者没能证明因果。早期 agent 会停在第一个看起来说得通的解释上,所以才加了对抗审核;有一次它推翻了一个图片下载的诊断,理由是被指认的那个服务早就恢复了,故障却还在继续。修复比诊断更难:方案经常比需要的复杂,或者引入新 bug,于是修复也加了一道对抗审核。评测用历史事故回测,屏蔽记忆、事故复盘和之前的运行结果,事后还要翻 transcript 查有没有泄题。

我的判断:这是目前所有实验室公开过的最清楚的 agent 生产工作流模板。靠的不是更聪明的模型,而是状态机、一个专门说你错了的第二 agent、把人放在判断代价最高的那一步,再加一个每天翻其他 agent 日志找坏工具的 agent。OpenAI 说现在的瓶颈是等工程师点合并,并且在研究让 agent 自己上线低风险修复。这条线值得盯:合并键挪走的那一天,这个工厂就不再需要工头了。
← 上一篇
被降智日报: 2026-11-19
下一篇 →
分辨率假说:自我进化的 agent,其实在随机挑赢家
← 返回所有文章

评论

加载中...
>_