Codex核心团队复盘AI原生产品8条法则

一款 AI 产品，应该围绕用户今天的工作习惯设计，还是押注模型几个月后能够完成的任务？

Codex 的发展过程，把这个问题变成了一连串具体而艰难的选择：云端产品遇冷后转向本地，编辑器插件获得增长后，又投入一款不允许用户直接修改代码的桌面应用。

Every 联合创始人 Dan Shipper 在这篇报道中，采访了 Embiricos、技术负责人 Thibault Sottiaux，以及桌面应用设计与工程负责人 Andrew Ambrosino，追踪 Codex 从云端受挫到重新寻找产品形态的过程。他们面临的难题，也是这一代 AI 创业者共同的处境：用户的习惯尚未改变，模型的能力已经向前迈进。产品应该在什么时候跟上，又该如何分辨，一次大胆的押注与一次过早的冒险？

以下是本文的核心观点：

• 产品形态必须跟着模型能力变化。 当模型只能完成短任务时，代码补全和侧边栏助手是合理入口；当模型能够独立工作数小时，产品的核心就转向任务委派、并行管理与结果审查。既有界面的成功，不能替代对下一阶段工作流的判断。

• 过早抵达未来，也可能找不到用户。 初代 Codex Cloud 押注云端自主执行，却要求开发者先完成复杂的环境配置。团队低估了使用门槛，也高估了当时的模型能力。回到用户已经配置好环境的本地电脑，才缩短了从尝试到获得价值的距离。

• 方向走不通时，要敢于回退到最初的假设。 云端受挫后，团队重新启用了此前被搁置的终端原型。有效的试错，需要根据失败重新选择路径，而不是不断为原来的方案追加投入。

• 把 Agent 引擎与界面解耦，才能保留转向的自由。 Sottiaux 推动重写底层引擎，将文件读写、命令执行等能力从终端界面中独立出来。同一套核心能力因此可以进入编辑器、桌面应用和云端，减少每次产品转型都从头开始的成本。

• 做新工具，要舍得放弃旧工具的完整性。 Ambrosino 主张不在桌面应用中内置代码编辑器：一旦允许手动修改，用户就会期待搜索、撤销、调试等整套专业功能。团队选择集中打磨“让 Agent 完成修改”的体验，同时承担模型能力不足时的使用摩擦。

• 自主委派建立在逐步形成的信任上。 Embiricos 认为，用户需要先近距离观察 Agent 如何工作，摸清它的能力边界，再逐渐交出更完整的任务。这也解释了为什么本地协作可以成为通往云端异步执行的过渡阶段。

• 真实工作中的反馈，比漂亮的测试成绩更能指导产品。 团队观察程序员如何处理复杂代码库，把实际失败转化为训练材料；同时要求内部成员把 Codex 当作日常主力工具。只有自己持续使用，才能发现那些演示中看不见、却足以阻碍工作流迁移的问题。

• 用 AI 开发 AI，改变了探索新产品的成本。 Sottiaux 强调，编程 Agent 最初就服务于内部研究与基础设施建设。当团队能够用 Codex 开发 Codex，小团队验证新形态的速度随之提高，也更有条件在已有产品仍然增长时，提前探索下一条曲线。

发布前夜

我（指 Every 联合创始人 Dan Shipper ）清楚地记得，自己是从哪一刻开始觉得 OpenAI 可能会失去它的“天命”——即自从 ChatGPT 最初爆火以来，他们在 AI 编程领域建立的近乎不可逾越的领先优势。那是 2025 年夏天，在他们位于旧金山 Mission Bay 的办公室里，正值 GPT-5 发布的前夜。

整栋大楼里弥漫着一种特有的躁动与兴奋。头顶的射灯亮如舞台光，人们在暖赭色和棕色交织的走廊里穿行，步伐似乎比平时快了半拍。甚至连空气中的引力都显得更沉重——仿佛次日发布的巨大体量，已经把全世界都卷进了它的引力场中。

正因如此，我当晚要说的话显得有些不合时宜。

我所经营的 Every 公司，在用真实的业务场景测试前沿 AI 模型、剖析它们“能做什么”与“不能做什么”方面，已经建立起了一定声誉。OpenAI 在 GPT-5 发布前大约一个月就向我们开放了访问权限，以便我们帮助他们理解模型的长处与短板，并在发布当天同步推出我们的深度评测报告（Vibe Check）。

为了这次测试，我们团队中的十个人在纽约州北部租下的一间房子里闭关了一周。我们围坐在一张长木桌旁一起吃饭、办公，聚在客厅大屏幕前的沙发上测试这个期待已久的模型。我们对用它来写代码尤为兴奋，因为这是 AI 进化最快的领域。然而，尽管我们在日常使用中很喜欢它，但它在 Codex 里的表现却让我们反响平平。

如今，Codex 已经成为 OpenAI 强势逆袭的核心王牌——这款产品从内部“反向吞食”了 ChatGPT，并成为该公司后续构建所有产品的基础底座。但在 2025 年那个夏天，它还只是一次打造“AI 软件工程师”的艰难尝试。几个月前在云端上线的初版并未找到产品与市场契合点（Product-Market Fit），整个团队正处于转型阵痛期，试图转向让 Agent 运行在开发者本地电脑的终端与代码编辑器中。

在 Codex 里面，GPT-5 速度很快，看起来也很聪明。我们技术最拔尖的工程师之一 Naveen Naidu 曾用它排查出其语音听写应用 Monologue 中困扰了他数天的离奇卡死 Bug。但它似乎也总是过早止步，仿佛过度谨慎于跨越权限雷池。它的设计感觉依然像是一个结对编程（Pair Programmer）的辅助助手。

而作为一个团队，我们当时的工作模式早已超越了与 AI 模型的逐步协同。通过 Anthropic 推出的终端 Agent 工具 Claude Code，我们团队中由 Kieran Klaassen 带领的一组人已经开始习惯把整项任务直接甩给 Opus 4，然后起身走开，直到模型交付一个完整的特性——有时甚至是一个完整的独立应用。在几乎没有工程师协助的情况下，我们的专栏作者 Katie Parrott 在几天内便搭建并部署了一套专属的 AI 内容管理系统；虽有一些小 Bug，但这在以往对她来说完全是天方夜谭。

在 Claude Code 里的 Opus 4 面前，Codex 里的 GPT-5 显得畏手畏脚。

正是为了反馈这些测试发现，我坐在了 OpenAI 办公室的会议室里，对面是公关传播团队的 Lindsay McCallum，身旁则是 Codex 团队的 Alexander Embiricos。我能感觉得到，对市场氛围变化（Vibe Shift）拥有敏锐嗅觉的 McCallum 之所以安排这场对话，就是想让我当面向 Embiricos 解释：为什么我最近对这种全新的工作流念念不忘、逢人便提。

会议桌对面，McCallum 正全神贯注地在笔记本上打字。Embiricos 坐在我旁边，一边跟我交谈一边敲着代码——我把这视作一个好迹象。他当时正赶着完成 GPT-5 发布版的一项新功能：让 Agent 在需要访问沙盒外的文件或运行命令时暂停下来，主动请求人类授权。

McCallum 敲击键盘的声音放慢了下来。“跟 Alexander 讲讲你们那个全新的研发工作流吧，”我记得她头也没抬地说道。

Embiricos 把转椅转了过来，目光完全聚焦在我身上。

“我们现在基本上都不怎么看代码了，”我开了口。但话音刚落，我的脸就红了。我觉得当着 Embiricos 的面大谈“Agent 任务委派”简直荒谬透顶——毕竟打造自主编程 Agent 就是人家的本职工作。而且当时我也吃不准，这种工程方法在走出我们这个微型团队后是否依然行得通。

一声 Slack 提示音点亮了 Embiricos 的屏幕，打破了会议室里骤降的沉默。他随手给电脑静音，把笔记本上盖压低到四分之三的位置——刚好留出一条缝，让他的 Codex Agent 继续在后台思考。

那天夜里离开 Mission Bay 时，我不禁怀疑：OpenAI 是不是正在为一个即将消亡的工作流打造一款完美的工具？在云端 Agent 遭遇滑铁卢后，这家公司看起来正退缩回代码编辑器里，让 AI 陪着程序员一步一步地敲代码。而与此同时，Claude Code 却在一群“把整个任务交出去然后直接走人”的用户中迅速引爆。

留在编辑器里自然有充分的商业理由。GPT-5 发布后，Codex 团队推出了一款扩展插件，将 Codex 嵌入到微软 VS Code 和 Cursor 等代码编辑器的侧边栏中。到去年 10 月，其使用量增长了 10 倍以上，编辑器扩展迅速超越终端，成为 Codex 最核心的使用界面。在绝大多数公司，这理所当然是该倾注全部资源继续加码的方向。但 Embiricos 和 OpenAI 内部一小群工程师、设计师和研究员，心中装着更大的野心。

在接下来的几个月里，Codex 团队训练并极速迭代了一条专属的编程模型产品线（与驱动 ChatGPT 的模型线彻底独立），并打造了一款专门用于同时管理多个 Agent 的桌面应用。到了 2026 年 6 月，Codex 的周活跃用户数突破 500 万，并开始从纯编程蔓延到其他知识工作领域。

到了 2026 年 7 月，Codex 正式合并入 OpenAI 的旗舰桌面应用 ChatGPT 中。Codex 的负责人 Thibault Sottiaux（人称“Tibo”）被提拔为掌管 OpenAI 所有核心产品与平台的负责人，统领 ChatGPT、Codex 及 API 业务。如今，Codex 与 ChatGPT 企业版（Work）的周活跃用户合计已突破 4000 万。

在不到一年的时间里，Codex 团队走过了从云端发布失败到成为 OpenAI 旗舰产品支柱的惊险历程——在此过程中，他们重塑了这家公司。这就是 Codex 逆袭诞生的故事。

思考中……

OpenAI 的这场绝地反击，始于一行简单的状态提示词：“思考中……（Thinking...）”。

在 2026 年的今天，每当你在任何复杂需求下与 AI 模型交互，你都会看到那个闪烁着微光的词——思考中——出现在即将输出回答的位置。它看起来像个无关紧要的小点缀：就像 macOS 上旋转的彩虹球，或是 Windows 光标旁打转的蓝圈，提示用户计算机正忙碌运转。

但在 AI 的语境里，“思考中”代表了一种全新的计算范式——没有它，Codex 就绝不可能诞生。

第一代大语言模型本质上是“外置型处理器”。它们内部没有闪烁的推理状态标签；相反，它们是通过直接向你输出内容来进行思考的。无论你让它写一封邮件还是一行代码，它们都必须逐字输出答案，既无法预先规划，也无法事后修改。早期聊天模型就像即兴话剧演员：抓着观众给的一个提示词，就得现场即兴发挥演完整场戏。由于它们是边编边演，产出可能令人惊艳，但有时也闹出荒唐的笑话（比如它们会坚称“strawberry”里只有两个 r，挨个拼出来以此为证，并在最后沾沾自喜地自我肯定）。

早期用户很快发现：如果要求模型在回答前“一步一步写出推理过程”，往往能得到好得多的答案。这种类似于小学数学老师教导学生的技巧，被称为思维链提示（Chain-of-Thought Prompting）。

思维链催生了第二代 AI 模型和如今界面上闪烁的“思考中”提示。OpenAI 不再要求用户手写 Prompt 引导模型分步思考，而是直接将这种行为训练到了模型本体内部。在正式作答之前，推理模型会在一片被称为“思考轨迹”（Reasoning Trace）的草稿纸上反复推演：它可以从不同角度切入问题，在碰壁时退回重来，并选择一条胜算更高的路径。只有在得出确信答案时，它才会给出最终输出。

OpenAI 将其首款此类模型命名为 o1，并于 2024 年 9 月发布了预览版。在此之前，AI 的进步主要依赖于用更庞大的算力把更大的模型训练更长时间。而伴随 o1 的出现，OpenAI 发现：哪怕是同一个模型，仅仅通过在复杂难题上给予其更充裕的思考时间（Inference Compute），就能显著提升答题表现。

在这场技术跃迁中，编程是获益最多的领域。编程天生与推理模型高度契合，因为它构成了天然的闭环反馈系统：模型可以修改代码，运行它，并在几秒钟内看到修改是否生效。这使得模型能够在无需人工介入复核的情况下，自主测试并修正 Bug。从理论上讲，只要给予足够充裕的思考时间，推理模型就能独立完成任何编程任务。

图 1：从「即兴作答」到「原生思考」的三代计算范式跃迁剖析

百川之始

在 OpenAI 内部，打造一位“AI 程序员”早已是长久以来的核心宿愿，以至于 Codex 的诞生有过许多个起点——最先开启的正是它的名字。2021 年发布的第一代 Codex，是一个基于 GPT-3 在公开代码上微调的模型，它正是初代 GitHub Copilot 的底层引擎。三年后，当 o1 预览版向世人展示出推理模型的惊人潜力后，管理层的一声号召，让 OpenAI 内部的多支团队重新从不同维度追逐起这一梦想。

其中一个起点在 2024 年底由 Embiricos 开启。

Embiricos 是在 2024 年早些时候加入 OpenAI 的，当时 OpenAI 收购了他联合创立的程序员多人屏幕共享协作工具 Multi。加入后，他一直在探索一个相近的愿景：让人类与 Agent 在常用的应用程序中无缝协作。他最初在 ChatGPT 桌面应用上推演这一构想，随后又在 AI 浏览器 Atlas 上尝试，但当时的模型在识读用户屏幕方面太慢、太笨拙，几乎无法落地。

然而在终端（Terminal）里，模型根本不需要看屏幕——它可以直接在纯文本和代码的世界里穿梭。看到早期推理模型在终端中的表现后，Embiricos 坚信这足以支撑起一款真正的编程产品。当时编程还不是他的全职项目，但他立刻开始勾勒原型。在他看来，要让这个产品成立，用户必须每隔 30 秒、至多 1 分钟就能看到模型到底在做什么。

但速度依然是拦路虎。当时市面上绝大多数 AI 编程产品都是围绕 VS Code 构建的。GitHub Copilot 依靠扩展插件提供代码自动补全；Cursor 和 Windsurf 则基于 VS Code 的开源代码打造了自己的编辑器，在程序员敲代码的侧边栏提供 AI 对话。这些工具依赖极短的反馈回路：Copilot 补全你正在敲的那一行代码；Cursor 和 Windsurf 在数秒内解答疑问。当时没有哪款工具会让模型长时间独立作业，因为底层的模型根本扛不住。而 OpenAI 早期的推理模型恰恰相反：慢条斯理，如果强行缩短它们的思考时间，能力便会大打折扣。

他能否反其道而行之，把模型的这一缺陷——得出答案所需的时间延迟——转化为独特优势？

为建造者搭建基石

与此同时，在 OpenAI 的另一角，Sottiaux（大家习惯叫他 Tibo）正试图将推理模型的能力掉转头来对准自己：利用模型的力量帮助研究人员加速开发下一代模型。

“我是 2024 年 12 月左右介入编程 Agent 项目的，”他在 OpenAI 员工食堂里对我说。他留着一头打理得很有光泽的深棕色短发，头发偏向一侧，戴着一副在午后阳光下反光的细金属框眼镜。如果说鼻梁以上他看起来像一位建筑师，那么鼻梁以下他就是个百分之百的程序员：蓄着棕色胡茬，身穿印有‘Research and Deployment Co’字样的深棕色连帽卫衣，手里正拿着一块意大利辣香肠披萨。

在咬披萨的间隙，他告诉我当时的初衷：“目标就是帮我们更快地写基础设施代码、更快地做科研实验。”

Sottiaux 职业生涯的大部分时间都在为 AI 研究人员搭建基础设施，起初是在 DeepMind，后来加入 OpenAI。所谓科研基础设施（Research Infrastructure）——即 AI 研究员在运行、评估、复现和部署实验时所依赖的公共代码库——对于后来成为 Codex 领军人物的人来说，看起来像是一个有点奇怪的出身。一提到基础设施，人们脑海中浮现的往往是服务器和海底光缆，相当于科技界的管道工：不可或缺，但在水管爆裂漏水之前几乎无人关注。

然而在 AI 领域，基础设施——特别是科研基础设施——才是众多重大突破诞生的主战场。如果你能将跑完一次实验的时间缩短，你就能跑更多次实验，从而更早训练出更强的新模型。

“你们是在哪个时间节点决定独立拆分出模型线的？”我问，“当时是怎么决定的？”我想把话题快进到最激动人心的部分。拥有专属的模型线向来被外界视为 Codex 施展魔法的核心；在我的脑海中，曾勾勒过一幅画面：Sottiaux、OpenAI 总裁兼联创 Greg Brockman 或 CEO Sam Altman 在一场闭门会议中，富有远见地拍板将 Codex 与 ChatGPT 的大部队剥离开来，从而赋予团队快速迭代、从内部重塑公司的自由度。

Sottiaux 的小组并没有一开始就去为大众用户训练模型，而是在 OpenAI 内部单一代码仓库（Monorepo，即公司所有代码集中存放的地方）上训练内部专用的编程 Agent。这些 Agent 负责编写研究员所需的 Python 基础设施代码，用于运行并优化训练新模型的系统。研究员每天都在使用这些 Agent，给团队带来了极短的高频反馈回路。

“我们在编程能力上看到了突飞猛进的增长，”Sottiaux 说道。他的团队训练模型的频率极高，所采用的技术手段与当时大团队为公众训练模型的方式截然不同——在很长一段时间内，甚至很难与大部队的技术路线兼容。

与各大前沿实验室的人一样，Sottiaux 对这些具体训练技术三缄其口。但显而易见的是，这套打法起效了：他们成功地让模型反哺于催生它们的科研过程，研究人员正在用当下的模型打造下一代模型。工程师将这种模式称为自举（Bootstrapping）：先做出一个擅长辅助研究员跑实验的模型，研究员就能借此做出更强的模型，进而运行更优质的实验，再带来更强大的模型，如此循环往复，螺旋上升。

这一努力为后来的 Codex 注入了一半的灵魂：一套能够自我迭代、改进底层科研基建的 Agent。而要想让它蜕变为全公司都能使用、并最终走出 OpenAI 围墙的产品，它还需要另一半灵魂：即 Embiricos 关于“人类究竟该如何与这类 Agent 协同工作”的产品构想。

交汇合流

在大规模探索之后，必然迎来合流。回看 2024 年底至 2025 年初的 OpenAI：在编程被确立为公司顶层战略目标之后，包括 Sottiaux 和 Embiricos 在内的多支团队，正从不同切角攻克同一个命题。

Brockman 告诉我，当时悬而未决的核心在于找到正确的产品形态：Agent 究竟是该待在开发者执行命令的 CLI 里，还是待在编写代码的 IDE 里，亦或是住在云端拥有自己独立的专属虚拟机？在当时，没人知道哪条路是死胡同，哪条路才是未来。

“在某种程度上，OpenAI 就像是在内部同时下注了一连串初创团队，”Altman 在 2025 年接受 Ben Thompson 采访时曾这样总结。在我接触的一些内部人士看来，这种在公司内部同时进行的并行探索有时显得混乱而浪费。但在我看来，在技术前沿飞速漂移的时代，这种做法是绝对必要的。底层模型层面极速发生的“延续性创新”，会不断让全新的应用形态变为可能，同时无情颠覆掉上一代应用。

一个只能补全单行代码的模型，最适合做成代码补全工具；一个能思考 30 秒的模型，适合做成侧边栏的对话问答助手；而一个能够连续自主工作 1 个小时的模型，则迫切呼唤一种截然不同的全新形态。围着上一代模型做出成功产品，并不意味着你就能看清下一代的方向。你必须允许多支团队尝试不同的思路，直到看清什么真正实用，再将它们合而为一。

到了 2025 年初，OpenAI 迎来了合并的契机。“最终，我们觉得应该跟另一个名为‘科学助理’（Scientist Assistant）的项目合并力量，”Sottiaux 告诉我——正是这次合流，让他与 Embiricos 走到了一起。Brockman 回忆起当时内部多个编程团队的整合时说：“我们先是合并了其中的两个团队，随后又合并了另外两个。”

合并后的新团队集结了一支跨学科的小分队：既有 Embiricos 这样极具技术敏锐度的产品人，也有 Sottiaux 这样的工程基建大牛，还有像 Mia Glaese 这样的顶尖研究员。Glaese 是从 DeepMind 跳槽来到 OpenAI 的，此前曾参与 Gemini 和模型对齐研究。在 OpenAI，她主要负责模型训练和对齐所需的数据体系，专攻如何获取并运用能够雕琢模型特定行为的数据。

在某种层面上，她是终极的冷峻经验主义者。在采访中，她毫不避讳自己的量化倾向：“在科研里，单凭直觉（Vibes）是起不了什么大作用的，”她说。但当谈到训练模型的整个过程时，她又忍不住笑谈这一切在多大程度上依然是一场充满未知的冒险：“每次我们训练新模型，都像踏上一场奇幻大冒险，大家心里都在想：‘老天，这回咱们到底该怎么搞定它？’”

云端及其局限

在竞对 Anthropic，一条充满希望的路径已经率先爆发。2025 年 2 月 24 日，Anthropic 发布了 Claude 3.7 Sonnet，并同步推出了 Claude Code 的研究预览版。与 Cursor 等工具不同，Claude Code 没有内置的代码编辑器。它直接运行在终端里，对你电脑本地的文件进行操作：你只需告诉它你想要什么，它就会自主阅读代码、做出修改并运行验证。

正因为它运行在你自己的电脑上，它的产出直接落在你原有的文件目录中，调用你现成的工具链，并无缝继承你此前所有的上下文。你可以随时在中途打断它，也可以把上一次会话沉淀的经验带到下一次中，让整套系统随着时间推移产生复利——而这恰恰是依托瞬态云虚拟机的初代 Codex 所无法企及的。开发者们以惊人的速度倒向了 Claude Code。在 Every，Edmar Ferreira 在 2025 年 3 月的评测报告中写道：“Claude Code 比我在 Agent 领域用过的任何东西都要出色。”

而在 2025 年春季，刚合流不久的 Codex 团队却把筹码压在了软件工程未来的另一个愿景上：Codex Cloud。他们设想的是一个运行在云端、拥有独立沙盒虚拟机的 Agent，主打异步离线协作，让用户可以在电脑甚至手机上随手下发编程任务。他们只给了自己大约七周的时间来完成研发并发布。

用户可以在 ChatGPT 的侧边栏点击 Codex，打开一个工作台输入需求并点击“Code”。任务随即进入后台排队，输入框瞬间清空以便输入下一个任务。Codex 会将你的代码库拉取到隔离的云端容器中，修改文件，并运行测试和 Linter 代码规范检查工具。最后，它会返回一份摘要、代码修改的 Diff 对比，并附带一个可以直接在 GitHub 上提交 PR 的按钮。

2025 年 5 月 16 日，Codex Cloud 正式上线。Sottiaux 告诉我，它“在 OpenAI 内部极其成功”。但在外部，它的上线虽然吸引了眼球，却几乎没有产生持久的用户留存。为了跑通它，外部开发者必须在云端完完整整地重建自己本地的开发环境、凭证权限和各项配置——这一过程往往长达数小时。一旦配好，面对定义极其清晰明确的任务，它确实能交付。但你无法在中途打断并纠正它的方向；甚至每追加一条追问，后台都会重新拉起一台全新的云端虚拟机。

“如果你是一位技术主管，要在既有的大型代码库上添加功能或修复明确的 Bug，你会很乐意用它；但如果你是想凭直觉敲代码，从零搓出一个单人运营的十亿美元 SaaS 公司，还是另请高明吧，”我在当天的评测中这样写道。在 OpenAI 内部，标准化的高统一开发环境让配置完全自动化，团队自身得天独厚的研发环境，蒙蔽了他们的双眼，让他们低估了外部普通用户所需付出的巨大代价。

“当时做这个太超前了，因为模型本身还没那么聪明，”Embiricos 坦言。Glaese 告诉我：“我们当时抱着一种过度超前的未来眼光，没有做到‘去用户所在的地方找用户’——而用户真实待的地方，其实就是他们的笔记本电脑。”

Sottiaux 告诉我，他们内部其实早就做过一个终端原型，但试了一个月后就放弃了，转而全力押注云端全功能版。“因为我们当时在做决策时，优先考虑的是：如果我们愿意在环境配置上投入巨大心力，究竟哪种形态带来的收益上限最高，”他说。

在这个回答背后，是 OpenAI 内部对于 Agent 理想形态的执念：工作在云端、不因合上电脑就停止。Brockman 曾说：“放眼未来，正确的产品形态应该是一个在云端拥有自己独立笔记本电脑的 AI。所以我们当时真的把它造出来了。”但现实残酷地表明：云端产品未能找到 PMF。团队工程经理跳槽去了估值 90 亿美元的 Cursor，OpenAI 拟以 30 亿美元收购 Windsurf 的交易也告吹。Codex 团队第一次迷失在了荒野之中。

另辟蹊径

推理模型最强大的地方，恰恰在于它的回溯（Backtracking）能力。如果它推断 Bug 藏在代码的某个模块并进行了重写，却发现 Bug 依旧存在，它通常不会固执己见地一条道走到黑。它会重新审视最初的假设，扩大寻找解法的范围，并基于刚才试错学到的信息，转向一条全新且更有希望的路径。这种利用错误进行自我纠偏的能力，正是推理模型能够找到最初并不显而易见的解法的奥秘所在。

在云端产品遭遇滑铁卢后的 2025 年春夏之交，Codex 团队做好了调头回溯的准备。当时，在刚加入团队不久的设计师 Ed Bayes 看来，这个项目几乎处于 OpenAI 的“荒凉死角”。正是在这个被冷落的边陲角落，Sottiaux 接任了团队的工程经理。“我接管了团队，然后对方向进行了大刀阔斧的调整，”他告诉我，“我们全面转向本地。”

“本地”意味着让 Agent 直接跑在开发者自己的电脑上，就像 Claude Code 那样。他们翻出了此前作为两人业余支线项目被“英雄式”搓出来的 Codex CLI 本地终端工具。Sottiaux 并没有急于在 CLI 上拼命堆砌新功能，而是选择彻底重写底层 Agent 引擎。

CLI 只是用户看得见的操作界面，而 Sottiaux 最看重的是深埋其下的底层机械：那套负责读写文件、执行命令的核心 Agent。他希望强化这套底层机制，并将其与终端界面彻底解耦，使其未来能够像积木一样植入任何地方——无论是代码编辑器、桌面或移动应用、云端，甚至是 ChatGPT 本体。团队使用 Rust 彻底重构了 Agent 引擎，兼顾极致性能与系统级安全。

与此同时，Michelle Pokrass 正带队攻坚，让 GPT-5 在真实的工业级编程场景中脱胎换骨。Pokrass 负责后训练（Post-Training）阶段，打磨模型行为以适应现实世界的工程任务。一个未经打磨的编程模型，很像一个 SAT 考了满分但一天班都没上过的书呆子。OpenAI 的模型在竞赛中成绩亮眼，但面对真实混乱的代码库却频频翻车。Pokrass 团队坐在真实程序员身旁，观察他们的实际编码工作流，将每一次翻车现场转化为可规模化重复训练的数据集。

正因如此，OpenAI 迎来了那个在 2025 年 8 月把我带到 Mission Bay 会议室的模型节点。如果放在团队经历的惊涛骇浪中来看，我在 GPT-5 前夜所感受到的“谨慎”，便完全合情合理了：经历云端挫折后，团队优先做出了一个擅长与人类程序员并肩协同、一步一印的结对助手。

当 Codex 团队在 8 月下旬紧随 GPT-5 推出适配 VS Code 和 Cursor 的侧边栏插件时，开发者们如潮水般涌入。到 10 月，使用量暴涨 10 倍以上。对于 Embiricos 而言，经过数月荒野跋涉，彻底重构的本地 Agent 引擎，终于等来了一款足以匹敌其潜能的模型。“终于可以放手一战了，”他回忆道。

图 2：Codex 底层 Agent 解耦与全场景形态演进架构图

桌面豪赌

随着 Codex CLI 和 VS Code 插件在市场上迎来爆炸式增长，最符合商业惯性的选择，显然是继续向这两大成熟战场大举追加投资。然而，Codex 团队却做出了一个出乎所有人意料的抉择。

“我们当时决定，继续维持 CLI 的基本维护，但把团队接下来的头等重磅投资，押在一款原生桌面应用（Native Desktop App）上，”Sottiaux 告诉我。身处 OpenAI 内部，他比任何人都更早看清趋势：模型能够独立承接的任务时间正在变得越来越长，而且很快将融合多模态信息。在不久的将来，人们会倾向于在电脑上同时并发调度好几个 Agent，并整天与它们泡在一起。“如果你打算把一整天的时间都花在它里面，它就必须是一个形态极度丰富的操作界面，”他说。在纯文本终端黑框里管理五六个多模态 Agent，在他看来简直不可理喻。

对 Embiricos 而言，本地桌面应用也指明了一条通往理想工作流的路径：用户可以先与 Agent 保持近距离磨合，随后像带一名新员工入职一样，逐步摸清哪些大块任务可以放心甩手交给它。更深远的意义在于：这个交互界面未来能把 Codex 带出狭窄的极客圈层，推向那些这辈子都不会主动打开命令行的普通知识工作者。

为了设计并落地这款桌面端应用，Sottiaux 招募了 Andrew Ambrosino——一位集设计师、工程师与前创业公司创始人于一身的人才。Ambrosino 的气质总让我想起美剧《办公室》里的角色，嘴角挂着一抹紧抿的淡笑。当 Ambrosino 加入核心小团队时，他们只明确了一点：要做一款桌面 App；至于它最终长成什么样，当时一片空白。大家唯一确立的基准，就是必须做出一款连自己都愿意天天沉浸其中的产品。

Ambrosino 告诉我，团队领到的第一道死命令，就是让这款应用成为每个人日常工作的核心主力工具（Daily Driver）。“我们非常清楚，我们需要一个能扛起全天高频主力使用的承载面，但它必须比笨重的 IDE 更轻巧灵动，”他说。Codex 桌面应用从聊天类软件汲取的灵感，远多于从 VS Code 中汲取的灵感。

紧接着，一个最具争议的核心问题被抛上了台面：当 Agent 写错代码时，用户到底能不能在 Codex 里面亲手改代码？团队最终做出了一个极具颠覆性的冒险决断：坚决不内置代码编辑器。如果你想修改任何一行代码，唯一的途径就是张嘴向 Agent 提要求，让它去改。

唯一尴尬的现实是：他们当时正是开着 VS Code，在写这个试图干掉 VS Code 的替代品。“每天 Alexander 走进办公室，都会环顾长桌一圈发起灵魂拷问：‘来，挨个汇报。你今天把它当主力工具了吗？’”Ambrosino 回忆道。起初大家的回答清一色是“没有”。缺少编辑器使得微小改动都必须大费周章地写一条 Prompt。就连 Ambrosino 自己在 2025 年 11 月的内部信中也坦言：“我认为‘砍掉文件手动编辑功能’是整个上线规划中我最怀疑、最没底气的决定。”

更要命的是，当时的驱动模型依然托不起这个野心。直到 11 月 19 日，OpenAI 发布 GPT-5.1 Codex Max，模型首次具备了连续编写数小时代码的长程推理续航能力。12 月 18 日，GPT-5.2 Codex 紧随而至，大型代码库修改能力再次质跃。Glaese 与团队紧密协同，压缩反馈循环。由于 Codex 模型线与主干 ChatGPT 彻底独立，团队无需顾忌 8 亿大盘用户，得以极速狂飙。

到了 12 月，团队内部风向发生戏剧性反转：原本嚷着要编辑器的人，逐渐习惯通过划线批注让 Agent 自己改代码。到了 2026 年 1 月，团队全员将其作为主力工具。2 月，Codex 桌面端席卷了 OpenAI 全公司，Noam Brown、Greg Brockman 等人相继宣布彻底倒戈。Altman 随后将其誉为“公司内部最受爱戴的产品”。

Codex 应用程序

2026 年 2 月 2 日，Codex macOS 桌面版正式向全球公众发布。它的界面与其说像代码编辑器，不如说更像一款现代聊天协作软件：左侧边栏整齐罗列着进行中与历史归档的任务，点击任意一个任务，即可清晰查看 Agent 刚刚完成了哪些操作，并允许用户随时追加下一轮指令。

你可以命令一个 Agent 去排查修复某个 Bug，同时派另一个 Agent 去开发一项新特性，并在它们之间从容切换，解答它们的疑问或逐行审查它们的改动结果。每个 Agent 都在独立的代码分支副本上并行推进，互不干扰、绝不冲突。你可以选择寸步不离地实时掌控航向，也可以一口气下发多个任务然后直接离开工位，等它们真正需要人类决断时再回来接管。

在彼时的市场上，这类工作机制本身并非前所未有。例如 Claude 桌面应用早在数月前就已经允许技术和非技术人员做到类似的事情。然而，Claude 桌面端走的是修修补补的拼凑路线——最初只有 Chat（对话），随后硬塞进 Code（代码），后来又打补丁般拼入 Cowork（协同）——这使得整个软件界面显得支离破碎、杂乱无章，用户很难搞清哪类任务到底该切到哪个 Tab，也搞不清每个面板下到底开放了哪些底层系统权限。

而 Codex 桌面应用身上没有留下丝毫这种妥协拼凑的疤痕。当我第一次打开它时——配合几天后发布的全新专属驱动模型 GPT-5.3 Codex——它的体验凌厉、纯粹，且彻彻底底是 Agent 原生（Agent-Native）的。整套产品呈现出一种难能可贵的行云流水感：那是一种唯有当产品的所有细节都严格服从于同一个终极愿景时，才会迸发出的浑然一体之感。

下一条增长曲线

在 GPT-5 发布十个月后，我再次坐在了 Alexander Embiricos 对面的会议室里。“这里我就全盘托出、彻底掏心窝子了，没问题吧？”Embiricos 笑着问我。“求之不得，”我回答。

那是 2026 年 6 月初，距离红得发烫的 Codex 全面合流并入 ChatGPT 仅剩一个月，我们坐在 OpenAI 位于曼哈顿市中心的办公室里。他穿着一件拉链拉上一半、袖子随意挽到小臂的灰色夹克。他的职务刚刚从 Codex Agent 的产品负责人，晋升为 OpenAI 全球企业级产品负责人。他的身后，立着一块巨大的白板。

我这次来访的目的，是想当面探寻：他的团队究竟是如何从当年 Codex Cloud 的惨烈滑铁卢中爬出来，一路杀成如今 ChatGPT 的核心支柱底座的？他们究竟是凭借什么，避开了我当初在 Mission Bay 所深深担忧的“传统结对编程死胡同”？绝大多数团队都会本能地躺在既有的甜头里吃老本，但 Codex 团队没有。到底是什么支撑着他们不断跳出舒适区、持续自我革命？

Embiricos 拿起一支黑色白板笔，开始在白板上勾勒 Codex 的历史增长轨迹。他最先画了一条很短的上升折线，代表当年的初代 Codex Cloud。那是一次短暂的波峰，但很快便平缓触顶、难以为继。

随后，他在白板上画出了一条陡峭得多的大曲线，代表搭载 GPT-5 后的本地 CLI 终端；紧接着又画出一条更高的曲线，那是后来席卷市场的编辑器插件生态。最后，他画出了伴随 5.3 Codex 和原生桌面应用问世后的第四条增长曲线——这条巨浪般的垂直曲线瞬间让前面的所有曲线相形见绌，初代 Codex Cloud 的那道痕迹在白板底部渺小得如同一道不起眼的划痕。

图 3：Alexander Embiricos 在白板上勾勒的四重增长曲线与《创新者的窘境》

他在白板上勾勒出的四重曲线，宛如直接从克里斯坦森的传世名作《创新者的窘境》（The Innovator’s Dilemma）中撕下来的一页插图。克里斯坦森在那部经典著作中曾深刻剖析过：硬盘存储和微处理器的持续技术突破，如何不可逆转地驱动着计算产业从大型机、小型机、台式 PC、笔记本电脑一路演进到智能手机——每一次底层硬件的质变飞跃，都会催生出形态更极简的新产品载体，从而击穿并解锁一个体量更庞大、门槛更低的大众市场，将上一代产品无情拍死在沙滩上。

在传统计算硬件时代，这一技术演进规律横跨了半个世纪、更替了数代科技巨头；而在如今的 OpenAI 内部，这套历史规律在短短 10 个月内、在一支仅有区区数人的微型团队手中，完成了一场高度浓缩的微缩推演。底层模型的狂暴进化，一次次将原本围绕它们建立的操作界面撑爆击穿，逼迫着 Codex 团队一路从代码编辑器的侧边栏，跳进本地终端，再决绝地跳进彻底砍掉编辑器的轻量化桌面应用。

在克里斯坦森的书里，骑在上一条胜利曲线上赚得盆满钵满的团队，几乎从来无法成功跃迁到下一条曲线上；既有产品的巨大成功，往往会无情扼杀掉一切代表未来的萌芽。Codex 团队之所以能逃脱这一魔咒宿命，很大程度上是因为 OpenAI 的核心管理层本身就是在硅谷创业文化中浸泡长大的，对这种教科书级别的增长陷阱了然于胸。公司架构被刻意设计成类似“内部并行下注的风险投资组合”，让 Codex 团队在 ChatGPT 庞大的既有体量与包袱之外，拥有了完全闭环迭代自身独立产品与专属模型线的巨大自主权。

更关键的是，用 AI 来制造 AI，彻底颠覆了产品研发的物理定律。在一家传统科技公司里，立项一款全新产品需要经历长达数月的跨部门扯皮会议来争夺预算和工程师编制——而在这种内耗拉锯战中，正处于现金牛地位的现有成熟产品永远会大获全胜。而在 OpenAI，由于团队是直接用 Codex 来打造 Codex，区区几个人就能在短短数周之内，从零凭空拉起一套全新的产品形态。

“现在想要说服别人支持一个新想法，需要的口舌和会议比以前少得太多了，”Sottiaux 此前曾对我这样感叹。

注视着白板，Embiricos 还有最后一条全新的曲线要画。既然如今全球已有数百万开发者在本地电脑上对这个 Agent 建立了不可动摇的信任，那么他们的下一步，就是要重新杀回一年前折戟沉沙的那个宏大愿景——打造一个哪怕你起身离开、合上电脑，依然在后台不知疲倦为你工作的自主 Agent。

这一次，我忍不住注意到他放在会议桌上的那台笔记本电脑——它的屏幕上盖，正严丝合缝地彻底闭合着。