^__^ • 12 / 14
周末看了个 OpenAI 论坛的内部分享，叫 Vibe Engineering。内容不少，我整理了分享的全文放到墨问里，差不多 9000 字，还有实操项目的 github 仓库地址，可以先收藏再看：OpenAI 内部分享：Vibe 工程 什么是 Vibe Engineering？AI 不只是“帮你写代码”，而是参与到工程的全链路里，帮你更快做出能上线、能维护、能扩展的生产级软件。前提是：每一行要发到生产环境的代码，仍然必须由人来负责。他们把这种用法叫做 “Vibe Engineering”。它和过去一年流行的 “Vibe Coding” 最大的不同是，从“写出一段能跑的代码”升级为“完成一次真正的工程交付”。很多 AI 编程工具最近都在做这方面的变化。为了讲清楚这件事，OpenAI 的工程师 Aaron Friel 做了一个硬核 demo：用 Rust 重写一个成熟的 Kotlin 开源项目，并且做到了和原项目 100% 兼容。任务从一个空目录开始，除了提示词什么都没有。使用传统做法，这种重写加验证可能要几周时间；而在他的实验里，Codex 能够连续工作十几个小时，把脚手架、测试体系、对照验证、文档都推进到一个可以跑通 CI 的程度。这里的关键不在于“模型写了多少行”，而是它如何“像工程师一样工作”。 Friel 给 Codex 的不是一串小任务，而是一套长期目标和约束，并要求它维护一个持续更新的计划文档（exec plan）。更有意思的是，Codex 会自动拉起子 Agent：一个像“Watch Dog”一样不断提醒不要偏离整体目标；另外一些子 Agent 去并行做研究，补齐背景知识，甚至会主动 clone 仓库、对照实现等等。分享里讲了 Vibe Engineering 的三个方法论： 1、让 AI 写可读的产物，而不只是可运行的代码。 2、并行化。Codex 提供的 “Best of N” 思路很像把一个问题同时交给四个候选工程师：让它们走不同路线，产出不同方案，然后人来选更符合目标、也更符合品味的那个。 3、把“技术能力”外溢到工程团队之外。在 OpenAI，Codex 也被用来帮助产品、销售、现场支持等非工程角色理解代码库：当他们想知道一个功能怎么工作，先问 Codex。这套东西应该对 AI 改进研发团队的效率有很大启发，推荐一下。