AI coding · 一千七百次性能调查,工程师只守最后一道门

配张卡,画的是一条告警流水线:开任务、查、记、提修复、部署、事后核对,五格都是机器在跑;唯独中间「审核·合并」那格是暖色,写着「人守的门」。机器守两头,人守中间。

目录
  1. 🔁 一条告警,走完一圈
  2. ⚖️ 600 除以 1700,才是这篇的重点
  3. 🧑‍🔧 那道门还握在人手里
  4. 🧰 同一个月里的三块拼图
  5. 🌫️ 没有公布的那些账
  6. 📚 参考来源

一千七百次调查人只守一道门 · SVG 动画卡

配张卡,画的是一条告警流水线:开任务、查、记、提修复、部署、事后核对,五格都是机器在跑;唯独中间「审核·合并」那格是暖色,写着「人守的门」。机器守两头,人守中间。

OpenAI 官方博客 2026-11-19《How OpenAI's Performance Factory keeps ChatGPT fast》,作者 Okay Zed 和 Cyrus Forbes。原文我抓了,几个数属实:

  • 三个多月里,Regression Workflow 跟踪了 1700 多次性能调查,600 多起找到根本原因。注意分母不同:前者是「启动了多少次调查」,后者是「其中多少起查到根因」。把 600 读成成功率,或者把 1700 读成解决量,都越过了原文。
  • 一圈走下来,人真正动手的只有「审核修复」一格。官方原话很直白:今天的瓶颈可能就是等工程师 review 和 merge,我们正在探索智能体能不能自己做这一步。「正在探索」和「已经做到」之间,隔着整条流水线最贵的一段。
  • 查错了代价有限,最多浪费点算力,所以能并行跑十七次;合并错了代价不对称——全站变慢,或者引入新回归。把这道门交出去,靠的不是更强的代码能力,是更可靠的验证能力。
17 次/天这个数要替帖子改一处。帖子说是「1700 除以一百天反推出来的均值、属推算」——原博客明明白白自己写了「That's 17 automated investigations every day」。是官方给的口径,不是作者的换算。它是均值、不是产能上限,这半句对;但署名别搞错。

那天还有两件事挤在一起:GPT-Live-1.1 全双工语音模型进 API,一份「Keep the prefix unchanged」指南说 GPT-6.2 下编辑更早的历史会让后续推理项被丢弃。看着不搭边,都在同一件事上使劲——让智能体的中间状态可追溯、可保留、可核对。前一天 Nadella 那句「代码生成变便宜了,变难的是验证」,说的也是同一个位置。

一家把 AI 编码用得最狠的公司,把机器放在查和核对上,把「定」留在人手里。这个位置摆在哪,比用了多少次更能说明他们信什么。

打开一个网页,慢了半秒。用户未必察觉,监控会。告警响起的那一刻起,这件事就开始跟人无关了,至少在 OpenAI 内部是这样。

十一月十九日,OpenAI 写了一篇博客,讲他们怎么用自家的 Codex 智能体给 ChatGPT 的性能问题「断案」。数字摆得很直白:三个多月里,系统跟踪了超过 1700 次性能调查,其中 600 多起找到了根本原因,平均每天约 17 次自动化调查。【直引:OpenAI 官方博客 2026-11-19,How OpenAI's Performance Factory keeps ChatGPT fast】

这个数字之所以值得看,是因为 1700 这个规模之外,它把 AI 编码智能体从「写代码的」挪到了「验代码的」位置上。

🔁 一条告警,走完一圈

先看清这条流水线怎么转。

性能告警触发,Regression Workflow 开一个任务;Codex 智能体接手调查,把发现记下来,提出一个修复;工程师审核这个修复;部署之后,另一个智能体检查性能有没有回到基线。人和机器各守一段,机器守的是两头,人守的是中间那道合并门。【直引:OpenAI 博客对 Regression Workflow 的描述】

小贴士:Regression 指「回归」,也就是改动之后原本正常的东西变坏了。性能回归特指系统变慢。这条流水线处理的是「昨天还快,今天慢了」这类问题,功能 bug 不在它的范围内。

一圈走下来,人真正动手的地方只有「审核」一格。剩下的开任务、查、记、提修复、事后核对,都是智能体。

⚖️ 600 除以 1700,才是这篇的重点

博客把 1700 和 600 两个数放在一起,语气是成正面的。把除法做一下:三起调查里,大约两起没有走到「找到根本原因」。

博客没有把这写成失败率。它把跟踪的调查数和确认根因的案数分别报了出来。两者的分母不同:前者是「启动了多少次调查」,后者是「其中多少起查到了根因」。把 600 读成成功率,或者把 1700 读成解决量,都越过了原文。【判断:两个数字的分母不同,分开写才不会读成成绩单】

还有一层分母藏在 17 次/天背后。三个多月按一百天算,1700 除以一百,正好十七上下。这个数是用总量反推出来的均值,不是 OpenAI 报的某一天的实测峰值。【推论:日均由官方总量与时间跨度换算,属推算而非原始读数】

🧑‍🔧 那道门还握在人手里

最值得琢磨的,是 OpenAI 自己留的那句话:工程师仍然审核并合并修复,公司正在探索智能体能否把这一步也做了。【直引:OpenAI 博客原文表述】

「正在探索」和「已经做到」之间,隔着整条流水线最贵的一段。前面的调查番茄可以并行跑十七次,因为查错了代价有限,最多浪费一点算力。合并一道修复的代价不对称:合错了,全站变慢,或者引入新的回归。把这道门交出去,靠的是更可靠的验证能力。更强的代码能力,解决不了这个问题。

前一天微软 CEO 那句「在代码生成变廉价的世界里,变难的是验证」,说的正是同一个位置。OpenAI 这套流水线把智能体塞进了验证环节,却没有把最后一道验证完全交出去。它把机器放在了「查」和「核对」上,把「定」留给了人。【推论:两家公司在不同场合指向同一个瓶颈】

🧰 同一个月里的三块拼图

把十九日同一批消息摆在一起,会看到一个比单篇博客更大的图景。

那天 OpenAI 还发布了 GPT-Live-1.1,一个全双工语音模型;同时给智能体开发者发了一份指南,讲 GPT-6.2 下 Responses API 的一个行为:凡是对更早的历史做过编辑,其后的推理项会被丢弃,官方建议改成只追加的写法,并新增一个字段显示哪些推理项被移走、为什么。【直引:OpenAI API changelog 与 Keep the prefix unchanged 指南,2026-11-19】

这三件事看着不搭边,都在同一件事上使劲:让智能体的中间状态可追溯、可保留、可核对。Performance Factory 让调查过程留下记录,只追加的指南让推理链不被悄悄改写,事后核对智能体让「修好了没有」有第二次意见。

🌫️ 没有公布的那些账

这篇稿子不适合往「AI 要取代工程师」收。

博客给的是厂商自己的口径,没有披露对照基线:没有说这条流水线比人工排查快多少,没有说误报率,没有说那些没找到根因的调查最后去了哪里,也没有说 600 多起修复里有多少被工程师驳回。17 次/天是换算出来的均值,不是产能上限。

能确认的只有一件事:一家把 AI 编码用得最狠的公司,把智能体放在了告警的两端,把合并的那只手留在了人这边。这个位置摆在哪,比「用了多少次」更能说明他们信什么。

📚 参考来源

  • OpenAI《How OpenAI's Performance Factory keeps ChatGPT fast》,2026-11-19
  • OpenAI API Changelog,GPT-Live-1.1 发布,2026-11-19
  • OpenAI Developers《Keep the prefix unchanged》指南与 input_transformations 字段说明,2026-11-19
  • OrigoTech《Eclipse Enclave…OpenAI Performance Factory…》,2026-11-20(二次汇总,数字回官方博客核过)
#AI编码 #智能体 #性能回归 #OpenAI

暂无表态

想参与讨论或点赞?登录后使用完整功能

讨论回复(0)

暂无回复,登录后可参与讨论
合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens