Nextdoor工程师如何使用Codex无限制构建

OpenAI Blog 新闻

摘要

Nextdoor工程师利用OpenAI的Codex加速软件开发,使单个工程师能够拥有端到端功能,并将瓶颈从工程转向战略决策。

Nextdoor工程师如何使用Codex与GPT-5.5来调查难以重现的问题、跨平台构建,并专注于产品成果。
查看原文
查看缓存全文

缓存时间: 2026/06/10 00:23

# Nextdoor 的工程师如何借助 Codex 实现无界限开发 来源:https://openai.com/index/nextdoor/ 像 Nextdoor 这样服务于 11 个国家超过 1.1 亿用户的产品,对平台团队提出了诸多要求。对于 Nextdoor 的工程主管 Cory Dolphin 而言,Codex 代表着一个根本性的转变:“从反复向智能体发出提示,转向结果工程,即工程师开始思考他们想要看到的结果,并与智能体合作来实现这一结果。” 这意味着个体工程师的职责范围向上迁移——他们不再被锁定为某个特定系统或框架的专家,而是能够或多或少地端到端地掌控产品体验,甚至横跨多个平台。生产力提升如此之大,以至于瓶颈不再是工程本身,而是关于下一步构建什么的艰难战略性问题。 > “Codex 从根本上改变了我们对工程的看法,甚至到了我们无法想象没有它会怎样工作的地步。” — Cory Dolphin,Nextdoor 工程主管 ## 产品工程师可以专注于产品本身 借助 Codex,“工程师可以花更少的时间去思考究竟*如何*构建,而花更多的时间去思考最终结果,”Dolphin 解释道。这个结果可能表现为智能体可以朝着构建的截图或视频、特定的性能或测试结果,或者一个全新的功能创意。 Nextdoor 最近发布了“机会提醒”功能,帮助用户找到附近的服务提供商;有了 Codex,工程师可以推动产品体验和路线图。例如,一位负责提醒功能的工程师意识到,在地图上显示服务提供商会很有帮助。从历史上看,这种功能需要移动端、前端和后端工程三个团队协作,并且可能永远无法从待办事项列表中排上日程。 但有了 Codex,“我们能够让一位工程师从头到尾构建它,”Dolphin 解释说,“这不仅意味着他们能够更快地推动产品,还能更好地理解实际的产品体验以及什么才是正确的发布内容。” > “随着工程师开始向上迁移层级,他们对自己构建的产品承担了更多责任。你确实能看到个体工程师开始驱动产品。” — Cory Dolphin,Nextdoor 工程主管 ## 压缩软件工程时间 在处理嵌入式 Rust 数据库以及存在严格竞态条件的系统时,Nextdoor 会借助 Codex 来调试那些最难复现的问题。团队为智能体提供一个干净的环境和测试框架用于调查,然后利用它做各种事情,从找出 Kubernetes Pod 为何无法启动,到在数据分析中找到正确的趋势线。 “借助 GPT-5.4 和 5.5,这真是一次令人印象深刻的升级。我们看到 Codex 表现得非常执着,努力找到正确的解决方案,深入探究一些看似深奥的技术细节,最终找到根本原因,”Dolphin 解释道。 关于 Codex 与 GPT-5.5 的快速模式,Dolphin 说:“说实话,我们团队很多人都对它上瘾了。当你与你正在处理的问题之间拥有快速的反馈循环时,作为一名工程师,那种感觉令人振奋。” 工程工作变得如此之快,以至于 Dolphin 看到组织内不同部门的压力发生了变化。“我们的速度提升了很多,瓶颈不再出现在工程环节。现在真正的问题是,我们如何识别出正确的事情来构建以及正确的战略——而不再关注如何实际构建它。”

相似文章

驾驭工程:在智能体优先的世界中利用Codex

OpenAI Blog

OpenAI描述了一项内部实验,使用Codex智能体构建了一个零手动编写代码的生产软件产品,在五个月内由AI编写了150万行代码,开发速度提升了约10倍。团队认识到,有效的智能体驱动开发要求工程师专注于系统设计、脚手架和反馈循环,而不是直接编写代码。

What Codex Unlocks for Nextdoor

YouTube AI Channels

Nextdoor 工程团队将 Codex 视为超能力,它彻底改变了工程师将想法从概念带到生产环境的方式,覆盖多个平台,并在面对棘手技术问题时充当可靠的思考伙伴。

NVIDIA 工程师与研究人员如何利用 Codex 进行构建

OpenAI Blog

NVIDIA 的工程师和研究人员正在使用由 GPT-5.5 驱动的 OpenAI Codex,作为处理复杂工程任务和端到端机器学习工作流的默认工具。本文重点介绍了通过在该 NVIDIA 基础设施上集成 Codex 所取得的显著生产力提升、自主系统构建以及研究自动化成果。