# OpenAI 团队分享如何用 GPT-6 系列模型维护大型代码库
> 原标题:Maintaining software with the GPT-6 family
- 来源:OpenAI Developers:Blog
- 发布时间:2026-10-14T07:00:00.000Z
- AIHOT:https://aihot.news/items/wn2lwzshkg8gt2sbjuj1qxd8y
- 原文:https://developers.openai.com/blog/maintaining-software-with-the-gpt-6-family
## 摘要
OpenAI Core Experimentation 团队发文介绍用 GPT-6 Astra 和 GPT-6.1 Sol 配合 Codex 做代码维护,包括清理无用代码和陈旧实验、修复 flaky 测试等。
## 推荐理由
OpenAI 团队亲述用 GPT-6 系列在 Codex 里清理死代码和陈旧实验,附带 Prompt 思路和成本对比数据,方法可直接迁移到自己的代码库。
## 正文 · 中文译文
每个不断增长的代码库都需要维护:移除无用代码、清理已完成的实验、修复测试。在 OpenAI,编码智能体帮助我们更快地构建,这也增加了我们的维护需求。
我在 OpenAI 的核心实验团队工作,我们负责构建和维护支持公司各项实验的软件,从前端更新到模型服务效率的改进。
GPT-6 Astra 的发布帮助我们更快地构建和维护软件,而 GPT-6.1 Sol 以更低的成本交付了类似的结果。在这篇文章中,我将分享我们如何使用这些模型来发现清理机会、收集证据,并准备变更以供审查。
## 移除无用代码
在智能体编码出现之前,许多软件工程团队依赖与运行时日志集成的复杂静态分析系统来检测和移除无用代码。即使有这些系统和细致的代码审查,错误仍会发生。我记得有几次因误删代码而导致的事故。需要考虑的边缘情况太多了,比如反射会干扰静态分析,或者某条未使用的代码路径可能被激活以缓解未来的事故。
借助 Codex 中的 GPT-5.6 Sol,我可以指定一个要调查的区域和明确的验证标准,然后让模型编写静态分析并移除死代码。这些有针对性的提示比我们现有的静态分析系统更容易开发和维护,可靠性也相当。
当我们获得 GPT-6 Astra 的访问权限后,我们想看看它能否处理更宽泛的请求,自行判断该从哪里入手、需要哪些证据来为每一次删除提供依据。我们从一个简短的 Codex 提示开始,这个提示对 GPT-5.6 Sol 来说过于模糊,无法完全处理。就是下面这个,连拼写错误都保留着:
Astra 很好地处理了这种模糊性。它查看了过去的 PR,从 Slack 讨论串中收集上下文,并检查了内部项目跟踪器。它阅读了生产性能分析表,以确认被删除的代码行从未被执行到。Astra 还解释了每次删除的理由,这加快了我们的审查速度。
看到 Astra 表现如此出色后,五名工程师协作在各个代码库中运行该提示的变体,我们合并了 1400 多个拉取请求,删除了超过 80 万行代码。我们主要是在从事其他项目的同时,利用两周的业余时间完成了这部分工作的大部分。代码审查被分派给各个团队,并附上每个受影响项目的相关背景。这些删除带来了可衡量的收益。例如,某个服务的容器镜像从 3.31GB 缩小到 1.72GB,减少了 48%;另一组清理则从我们的测试套件中移除了约 400 个视觉快照变体。
## 追查过时的实验
软件维护中一个更难的问题是清理_过时_的实验。这些实验未必是无用的:它们的代码可能仍在生产环境中运行,或者依赖于随时可能变化的资格评估,这使得静态分析困难得多。过去,我们团队通过确定性的静态分析并辅以数据库查询来清理过时实验,并使用我们最强大的模型(当时是 GPT-5.6 Sol)来构建和改进相关脚本。我们知道这导致了许多假阴性,即我们的分析无法识别出真正过时的实验。
鉴于我们使用 GPT-6 Astra 清理死代码的成功经验,我决定再试一个简短的提示词来处理过期的实验。我不确定该如何开始,于是和 Astra 一起头脑风暴,并让它写一个简短的提示词,以便在新线程中试用:
Astra 遵循了提示词中的安全措施,并准备了带有证据的变更供我们团队审查。我在它的拉取请求上发表了评论,然后让 Astra 查看我的评论、采纳我的反馈,并制定一个新的提示词来扫描我们的整个代码库。我担心要清理的东西太多、无法排定优先级,所以我也让 Astra 帮我解决这个问题。Astra 建议了以下提示词:
生成的报告很有前景。利用我们的埋点数据,Astra 调查了每个过期实验的 CPU 开销,排名靠前的几个结果都是巨大的效率收益,而这些实验多年来一直无人认定为过期。我仔细验证了那些较大的结果,并继续进行了全面清理,移除了数百个实验和功能标志。
有一个例子体现了 Astra 的判断力:几年前,我们的一位工程师创建了一个 [Statsig](https://www.statsig.com/) 功能标志,允许内部开发者覆盖我们所有其他与新功能相关的功能标志,用于测试目的。这个配置通过一行 Python 代码实现,将那个标志映射到所有其他功能。这行代码与数百个类似的功能标志映射放在一起,看起来毫不起眼。
Astra 发现上面那行代码导致了显著的 CPU 扇出,因为它将该标志映射到了_所有_功能。它调查了 CPU 开销,但将这一发现提交人工审查,因为该标志在我们的功能标志管理控制台中被明确标记为“永久”,并且可能仍有运维用途。经过审查,我们移除了该标志,预计在受影响的主要服务中节省了 0.42% 的 CPU。
## 用 GPT-6.1 Sol 提升成本效益
最近,我们在相同的工作流上测试了 GPT-6.1 Sol,看它能否在更高效的同时达到 GPT-6 Astra 的效果。
为了在过期实验清理上比较这些模型,我在不同的模型/推理强度组合上运行了上面相同的提示词,让 Codex 审计我们某个代码库中的特定子目录,以找出过期实验。这些子目录涵盖 6,000 多个文件、100 万行代码,涉及 Python、TypeScript、Go 和 Rust。我审查了这些发现以进行验证。下图显示了 3 种模型/推理强度组合的结果:
过期实验清理
API 成本
- GPT-6 Astra Ultra
- $109.06
- GPT-6.1 Sol Ultra
- $15.12
- GPT-6.1 Sol Medium
- $5.27
- GPT-6 Astra Ultra
- 142
- GPT-6.1 Sol Ultra
- 131
- GPT-6.1 Sol Medium
- 86
- GPT-6 Astra Ultra
- $0.77
- GPT-6.1 Sol Ultra
- $0.12
- GPT-6.1 Sol Medium
- $0.06
- GPT-6 Astra Ultra
- $109.06
- GPT-6.1 Sol Ultra
- $15.12
- GPT-6.1 Sol Medium
- $5.27
- GPT-6 Astra Ultra
- 142
- GPT-6.1 Sol Ultra
- 131
- GPT-6.1 Sol Medium
- 86
- GPT-6 Astra Ultra
- $0.77
- GPT-6.1 Sol Ultra
- $0.12
- GPT-6.1 Sol Medium
- $0.06