ToolNavs 发现实用AI工具
提交工具 登录
返回AI资讯
OpenAI Performance Factory 上线:Codex 智能体自动修性能回归,三个月处理 1700 多起

OpenAI Performance Factory 上线:Codex 智能体自动修性能回归,三个月处理 1700 多起

AI资讯 • Admin • • 23 次浏览

OpenAI 的 Performance Factory 让修性能问题变成了一条智能体流水线:2026 年 11 月 19 日,OpenAI 在官方博客披露,这套以 Codex 为核心的自动化系统已经在内部跑了三个多月,处理了 1700 多起性能回归调查,其中 600 多起找到了根因。工程师不再逐条跟进报警,改成只在关键节点把关。

从报警到验证,全程怎么走

第一条落地的流程叫回归工作流:性能报警一触发就自动建任务,智能体先定位指标从何时变差、影响了哪些请求,再对照部署与配置变更、读相关代码找原因;诊断通过后由智能体写修复、开 Pull Request,工程师审阅合并;部署完成,另一个智能体再去核对性能是否回到基线,确认后才算结案。整个链条由四部分撑起来:可配置工作流的任务服务、派活的调度循环、在云端跑 Codex 的接口,以及在代码评审、部署完成等事件发生时唤醒智能体的订阅机制。工程师把排障经验沉淀成 perf-forensics 技能,智能体照着同一套打法反复执行,每天平均处理 17 起调查。OpenAI 详解 Codex 沙箱:不靠容器,用系统原生机制把智能体关进笼子一文介绍过 Codex 在受限环境里运行的机制,正是这类自动化得以放心跑的前提。

诊断对了七成,修好才是最难的一步

OpenAI 没有回避这套系统的短板。人工抽查 100 条根因建议,70 条被评为准确,剩下 30 条需要进一步打磨,或没能完全确立因果关系。为此他们加了一道对抗评审:另一个 Codex 会话专门去证伪诊断结论,比如核查没受影响的同类请求是否确实健康、回滚后指标是否恢复。修补比找原因更难:智能体给出的改动有时过于复杂、甚至引入新问题,涉及加缓存这类架构取舍时仍需工程师拍板。每条修复建议同样要过对抗评审,低风险改动未来才可能不经人工直接上线。

接下来 OpenAI 要做的是评估闭环:拿智能体提议的修复与工程师最终合并的改动逐项对照,建评估集、改进工作流,并用合成性能测试让智能体在提交前先自测修复效果。这套打法如果跑通,意味着性能工程从“人找问题”变成了“智能体找问题、人做判断”——对其他有大规模服务的团队来说,这套作业模式比具体数字更有参考价值。

推荐工具

更多