工程師沒有消失，是在設計迴圈

003Alexander Embiricos & Romain Huet & Peter Steinberger（OpenAI）25:132026-07-09 上架

The Golden Age of AI Engineering — Alexander Embiricos & Romain Huet & Peter Steinberger, OpenAI

Romain Huet 與 Alexander Embiricos 談 Codex 從模型到 app 每一層都開放，Peter Steinberger 再講自己怎麼從同時盯十個以上的終端機，變成帶一個 manager agent。

這場講了什麼

• 工程師不會被取代：Romain 與 Alexander 主張工程從來不是寫程式，而是替自己和別人解決問題。OpenAI 推新模型的節奏也從約 15 個月一版，縮短到大約每六週一版。
• 做法是 chat 加協作介面：Alexander 說目標不是自動化工程師，而是讓工程師平常聊一聊就交出去、需要時再深入。這就是 Codex app 先對話、必要時才進細節的由來；CLI 幾乎只有聊天，IDE 則從程式碼出發，順序反了。
• 每一層都是開放的：Romain 介紹 Responses API、Codex harness、app server、plugins，都是 OpenAI 自家產品在用的同一套，Codex 需要的新功能（例如 compaction）會先放進 API。
• 價值而非 token：跟工程主管談的多半圍繞「value maxing」，例子是成本效率與速度，GPT-5.6 Sol 跑在 Cerebras 上可達每秒 750 tokens。
• 瓶頸一直在移動：Peter 的限制從 tokens、算力，走到現在的注意力。工作交給長期運作的 manager agent，PR 回來時再審一次。
• 下一題是設計迴圈：持續的上下文、委派與觸發條件組成 loop。Peter 說模型進步得比周邊的 harness 快，設計這些東西是下一個工程問題，manager 也不該困在單一 app 或一台筆電裡。

影片從哪一段開始看16 段

1. 00:13開場Romain 與 Alexander 自我介紹，現場有超過 7,000 位 AI engineers；World's Fair 的意義是把未來公開做出來，讓大家看得到。
2. 01:00工程師不會消失有人說寫程式被抽象掉，工程師就會消失。他們的看法正好相反：工程從來不只是寫程式，現在是當工程師最好的時候。
3. 02:02模型出得越來越快OpenAI 以前大約 15 個月出一版模型，現在大約每六週一版，上週剛推出 5.6 系列的 preview。
4. 02:34從補全到長目標從補全、行內預測、command K，到模型會自己測試，再到能接下又長又難的目標。Romain 回憶 Dev Day 2024 現場做無人機介面，當時模型還不能自己跑程式驗證，只能祈禱 demo 成功。
5. 03:57今年的出貨Codex app、goal mode、remote 都是今年推出的，OpenAI 也用 Codex 開發 Codex。agent 接上「為什麼要做」與「怎麼審、怎麼部署」，就能從寫程式之前一路做到之後。
6. 05:36產品該長什麼樣子Alexander 說中等長度的電腦任務，模型多半做得比自己好。接下來要問兩件事：agent 能做什麼、人怎麼用它。答案是 chat 加上需要時能檢視、調整的協作介面，目標不是自動化工程師。
7. 08:05為什麼做 Codex app在 app 裡可以指著某個地方要它改，也可以自己動手。當初說絕不離開終端機的人，現在也在用；他們的看法是 CLI 幾乎只有聊天，IDE 又從程式碼開始，順序不對。
8. 09:41模型與 harness 層Romain 說 Codex 不能是只有 OpenAI 能改的封閉產品。Codex app 用的就是開發者手上的 Responses API，compaction 也是先做進 API；harness 開源，可以換成開源模型，也用在模型的 post-training。
9. 11:46app server 與 pluginsapp server 開源，讓 app 用既有的 Codex 訂閱登入，OpenAI 自己的 VS Code extension 與 Codex app 也走這條路。browser use、computer use 這些 plugins 用的是對外開放的同一套延伸點；OpenCode、Pi、Droid、OpenClaw、Xcode、JetBrains 都能用 Codex 訂閱。
10. 14:23value maxing 與成本重點不是 token maxing，是 value maxing。成本效率的例子是 5.6 系列裡的一款模型，在同一項評測勝過幾個知名模型，價格只要每百萬 input tokens 1 美元、output tokens 6 美元。
11. 15:45速度GPT-5.6 Sol 跑在 Cerebras 上每秒 750 tokens，下個月開放。相當於 10 秒寫出一個不小的 PR，也能讓 agent 同時試五六種做法，再挑最好的那個。
12. 16:52本地與雲端不再二選一很多人為了讓 agent 繼續跑而不合上筆電。Romain 說 Codex Cloud 很快會有大改版，以後不該再分本地任務與雲端任務；Alexander 認為 Theo 那條預測推文的方向，不用六個月就會成真。
13. 18:58Peter 上台：從輪詢到管理1 月時 Peter 同時開十個以上的終端機，等其中一個跑完再下指令，以為自己在協調，其實是在輪詢。現在主要跟一個長期運作的 manager 對話，由它把工作派給一組 worker。
14. 20:08三個改變與瓶頸server-side compaction、coordination、automation 三樣讓這件事可行，合起來就是 loop。瓶頸一路在移：先是 tokens，再來是算力（大致靠 test boxes 解決），現在是注意力。
15. 21:26不再盯著 agent有人在 Peter 的開源專案開 issue，manager 會對照專案的目標與願景決定要不要做，要做就開 worker。回來時附上 PR、原本的 issue、diff，可能還有影片或能 VNC 進去的 build，Peter 只審一次。
16. 23:09manager 不該綁在筆電有位開發者的 chief of staff agent 每 10 分鐘醒來協調 GitHub 上的工作。Peter 希望 agent 連得到自己的每一台機器、知道哪些工作能在雲端做，也能從 Slack 或傳訊息跟它對話。

值得記的話5 句

• there has never been a better time to be an engineer, in fact, because engineering was never about writing code.從來沒有比現在更適合當工程師的時候，因為工程本來就不是在寫程式01:31

• Mostly you just want to talk and let them cook.多數時候你只想交代一聲，讓隊友放手去做07:33

• I thought I was orchestrating. Really, I was polling.我以為自己在協調，其實我是在輪詢19:20

• So, the most important skill is today is deciding where to spend it.所以現在最重要的能力，是決定把注意力花在哪裡21:26

• The future is not 20 terminals. It's better loops. Let's build them.未來不是 20 個終端機，而是更好的 loops，我們來打造吧24:48

名詞與人物10 個

Codex

OpenAI 的 agent 產品，OpenAI 也用 Codex 開發 Codex

Codex harness

Codex 背後的 agent loop，開源；預設用 OpenAI 的模型但沒寫死，也用在模型的 post-training

app server

把 harness 帶進 app 的開源層，讓使用者用現有 Codex 訂閱登入，OpenAI 自己的產品也走這條路

Responses API

開發者使用模型的 API，Codex app 用的也是這一套

compaction

替長時間任務壓縮長上下文的功能，Codex 需要時先做進 API

AGENTS.md

不替 Codex 另創格式，而是挑一個其他 agent 也能用的指示檔名稱

value maxing

對照 token maxing 的說法：重點是從 agent 拿到價值，不是拚用量

GPT-5.6 Sol

5.6 系列的前沿模型，跑在 Cerebras 上可達每秒 750 tokens

manager agent

Peter 現在主要對話的長期運作 agent，判斷要不要做、派工給 worker、把結果帶回來

OpenClaw

提到的工具，有 gateway 與 nodes；Peter 覺得它跟 Codex 都還不是最終形態

提到但沒有展開

• 一位開發者在 Codex app 推出前，就用 app server 自己做了原生 app Codex Monitor，後來加入團隊做出 Codex for iOS。
• OpenCode 團隊讀過 Codex harness 這份參考實作，挑自己用得上的部分，也看了 sign in with ChatGPT 怎麼做；Romain 認為這比讓開發者自己逆向工程好。
• Peter 想要的是跟 agent 說一聲，整個 loop 就由它來設計，但也承認這還沒解決。

OpenAIAgent開發工具模型

在 YouTube 看原片 ↗