Simplex 借助 Codex 重塑软件开发流程

# Simplex 借助 Codex 重新思考软件开发 来源：https://openai.com/index/simplex/ Simplex 是一家横跨咨询、系统开发与运营的技术合作伙伴。为提升系统开发效率，该公司对生成式 AI 的影响进行了量化评估，并将相关经验应用到多个项目中。在此基础上，Simplex 正在所有项目中评估生成式 AI 的使用，并在适用项目中推进 AI 原生交付，目标是提升整个组织的生产力。 2022 年 ChatGPT 发布后，Simplex 于 2023 年成立了卓越中心，为员工使用 AI 奠定基础，并验证 AI 原生开发流程。在此基础上，公司在全组织范围内采用 ChatGPT Enterprise，并选择 Codex 作为主要编码智能体，加速推进重新思考软件开发方式的进程。 ## 推广内幕 在传统软件开发中，人们通常将工作划分为需求定义、设计、实现、测试和运维。解读设计文档、决定功能实现方式、定义评审标准、定位或修复缺陷等任务往往依赖于个人经验。因此，质量和开发速度可能受到个人技能以及团队知识共享方式的影响。 随着生成式 AI 在软件开发中的普及，它最初常被用作开发人员的辅助工具。近来，智能体系统使得将多步骤任务委托给 AI 成为可能。在开发环境中，AI 正开始超越支持角色，直接承担推动项目进展的工作。 为规模化这一转变，Simplex 采用 ChatGPT Enterprise 作为全公司部署的基础，并使用 Codex 作为主要编码智能体。 Codex 在 Simplex 的作用远不止代码生成。公司将其应用于设计和测试环节，包括根据设计文档和参考实现生成前后端代码、创建包含单元测试在内的测试代码、非功能性需求的评审与修复，以及内部集成测试中发现的问题修复。Simplex 还在验证自动化工作流，通过 Codex CLI 运行 Python 脚本，实现从服务器实现到端到端测试问题修复的持续流转。 > "我们在全公司推广 Codex 有三个原因。首先，内部评估显示它在成本、准确性和功能之间达到了最佳平衡。其次，我们希望确定一个主要智能体，以便更高效地积累和共享使用经验。第三，基于我们的 ChatGPT Enterprise 席位，能够更安全、更快速地扩展。" ——Kazuya Ujihiro，Simplex 执行首席 ## 成果一览 Simplex 正在利用 Codex 和 ChatGPT 开发并测试 AI 驱动软件交付的新方法，初期以基于 CRUD 的 Web 应用为使用场景。 通过这项工作，公司在多个开发阶段实现了显著的工时节省： - 每个屏幕设计工时减少 40% - 每个屏幕开发工时减少 70% - 内部集成测试工时减少 17% 注：AI 生成结果可能因系统设置和输入数据而异。 Ujihiro 表示，影响远不止减少工程工时。"Codex 让小型团队更容易推进设计工作，并提高了跨多个文件的规格评审准确性。它还帮助我们构建了一种模式，让资深专业知识能够更广泛地应用于开发中。因此，现场的角色变得更加清晰：人员专注于最终决策和质量问责，而 AI 负责实现、评审和修复。" ## 领导力经验 Simplex 使用 ChatGPT Enterprise 和 Codex 的经验，为从 AI 实验走向运营采用的企业提供了几点启示： - 在扩展到生产使用之前，先量化验证影响。 - 将采用视为运营模式转型，而非单纯的工具推广，需配套治理、培训和支持。 - 选择一个主要 AI 智能体，让团队能够更高效地构建和共享专业能力。 - 将验证与赋能分离，使实验和推广可以并行推进。 - 明确 AI 应执行工作的边界，以及人员保留最终责任的领域。 > "Codex 不仅能帮助团队更快地编写代码。它将设计经验和评审专业知识转化为 AI 可用的形式，将个人知识转化为可复用的组织优势。人员保留最终判断和质量问责，而 AI 高速处理实现、验证和修复。随着这种劳动分工成为常态，不仅会提升开发速度，还会提高我们能交付给客户的总价值。" ——Kazuya Ujihiro，Simplex 执行首席 ## 为 AI 优先流程重新思考开发 Simplex 并非试图用 AI 一对一替代传统开发流程中的每个步骤。相反，公司正在围绕 AI 重新设计开发流程本身。Simplex 正在探索一种新方法：不再遵循需求定义、设计、实现、测试和运维的线性序列，而是预先定义规则和约束，然后通过反复集成和自动化评估来提升质量。 Ujihiro 展望，随着数据库、API 目录和标准化设计规则的成熟，Codex 有望承担大部分实现和验证工作。"对于相对简单的系统，存在从 RFP 自动生成产品的潜力。"他还预计，在更多领域，根据功能不同，由 AI 智能体直接执行业务任务可能比将其构建为源代码更为有效。 下一个挑战不仅仅是让代码生成更高效。而是重新思考系统应如何构建、如何维护，以及在 AI 优先运营模式中，人员应在何处保留责任。