大数跨境

Codex 内部跑出一个「永动机」!AI 自己写用户故事、出测试、抓 Bug、修完再测,183 个功能循环到全部过关,Greg Brockman 亲自转发

Codex 内部跑出一个「永动机」!AI 自己写用户故事、出测试、抓 Bug、修完再测,183 个功能循环到全部过关,Greg Brockman 亲自转发 未来跃迁
2026-06-23
0
导读:Codex 内部跑出一个「永动机」!AI 自己写用户故事、出测试、抓 Bug、修完再测,183 个功能循环到全部过关,Greg Brockman 亲自转发

一个开发者往 Codex 里敲了一行 /goal,然后走开了四个半小时。

等他回来的时候,AI 代理已经把整个应用拆成了 183 个用户故事,给每个功能写了测试,跑了一遍,把发现的 Bug 修了,又跑了一遍回归测试,再修,再跑——一路循环到零失败、零遗漏、零未解决的高危缺陷。

没人帮它写测试用例。没人帮它点页面验证。没人帮它修代码。

2026 年 6 月 21 日下午,开发者 Tom Osman(@tomosman)把截图发到了 X 上。3916 个点赞、218 次转发、73 万次浏览。几张 Codex 终端运行截图,直接点燃了开发者社区。

"This 'loop' automation is nuts inside of Codex."

「Codex 里的这个'循环'自动化太疯狂了。」

▲ Tom Osman 的主帖,Codex 代理正在自主运行整个质量保障流程,不是人类在操作

几分钟后他又补了一张图。

▲ 183 个用户故事、105 个页面路由,已持续运行四个半小时还在继续

183 个用户故事,105 个页面路由,跑了四个半小时还在继续。Tom 在回复里补了一句:"成功率比我自己手动做还高。"

/goal 一行指令,撬动整个闭环

Tom 贴出了他用的一行 /goal 指令:

"/goal go over every single feature in this app create a user story with expected behaviour based on the code keep a single canonical spreadsheet tracking the features status

  • when done switch loop to testing every user story and documenting all errors
  • when done fix every logistical error or ux error
  • test every user behaviour again post fix"

翻译过来:

「/goal 遍历这个应用里的每一个功能,根据代码创建用户故事和预期行为,用单一的规范电子表格跟踪功能状态

  • 完成后切换循环到测试每一个用户故事并记录所有错误
  • 完成后修复每一个逻辑错误或 UX 错误
  • 修复后再测试每一个用户行为」

寥寥四行。但每一行都是一道硬闸门:遍历代码库、反推用户故事、建规范表格、阶段切换、修复后强制重测。每个环节都有明确的退出边界和验证回路。

最关键的设计是那张"规范电子表格"(canonical spreadsheet)。代理在发现、测试、修复的每个阶段都读写同一张表——这张表就是整个闭环的真相来源。进度不会散落在对话历史里,人类随时打开就能看到所有功能的状态、缺陷列表、严重程度和置信度分数。

六阶段模板:从个人实验到可复制产线

社区开发者 @jxwalker 随后贴出了一个更完整的六阶段版本,Tom 回复 "Nice" 表示认可。

这个版本把自测闭环拆成了六个严格阶段:

第一阶段:功能发现。遍历代码库,找到每一个面向用户的功能、路由、API、配置项。为每个功能创建唯一 ID、详细用户故事、预期行为(只基于实际代码实现)、边界条件、依赖关系。退出条件:所有可识别功能都已入表,零遗漏。

第二阶段:测试生成。为每个功能生成快乐路径、错误路径、边界条件、权限安全、移动端响应等全方位测试用例,全部录入同一张表格。

第三阶段:执行。跑所有测试。对每个失败记录缺陷 ID、重现步骤、期望结果 vs 实际结果、严重程度、根因假设,立即更新表格。

第四阶段:修复。对每个缺陷做最小安全修复,本地验证通过后更新状态。

第五阶段:回归测试。重跑全部测试和主要端到端用户旅程,确认没有引入新问题。

第六阶段:递归质量循环。重复以上过程,直到六项硬性条件全部为真:零未记录功能、零失败测试、零高危缺陷、零未解决 UX 问题、零中断的用户旅程、零不完整覆盖。每轮结束后输出覆盖摘要、缺陷发现与修复数、剩余风险、0-100% 置信度分数。

"Never declare done unless all exit criteria are met."

「绝不声明完成,除非所有退出条件都满足。」

▲ @jxwalker 的六阶段完整模板,从功能发现到递归循环,每个阶段都有明确退出条件

这个模板直接把"自测闭环"从一次性的 hack 升级成了可复制的生产线。

底层到底在跑什么

Codex 能做到这些,依赖的是它底层的 Agent Loop 机制。

OpenAI 在今年 1 月的官方博客《Unrolling the Codex agent loop》里详细拆解过这个循环:用户输入被组装成 prompt,送入模型推理,模型要么返回最终回答,要么请求执行一个工具——读文件、跑命令、写表格。Harness 执行工具,把结果塞回上下文,再推理,再执行。一直循环,直到模型自己判断"完成了",不再请求工具调用。

每一次工具调用都是一次"感知-决策-行动"的小闭环。当用户用 /goal 把更大尺度的目标描述清楚——"先发现功能、再生成测试、再执行、再修复、再回归、再循环"——代理就能在更长的时间跨度上反复迭代这些小闭环,直到大目标达成。

▲ OpenAI 官方博客拆解 Agent Loop:每一次推理和工具调用都构成一个小闭环

到了 4 月底,Codex CLI 0.128.0 把这种持久循环做成了正式功能:/goal。官方文档明确写了使用场景——"需要跨多个 turn 持续工作、直到达到可验证的结束状态"。还给了一组控制命令:/goal pause 暂停、/goal resume 恢复、/goal status 查看状态。

持久自治一直是社区的"高级玩法"。OpenAI 把它做进了产品。

Greg Brockman 亲自转发

帖文发布几个小时后,OpenAI 联合创始人兼总裁 Greg Brockman(@gdb)转发了。

"codex for testing every single feature in your app:"

「用 Codex 测试你应用里的每一个功能:」

评论很短。他没有说"试试看"或"很有趣"。他用的是陈述语气,像一个产品经理在告诉你这个功能的设计用途。配上原帖转发,2884 个点赞、12.6 万次浏览——等于告诉整个社区:这就是我们做 /goal 时想看到的。

▲ Greg Brockman 转发并评论,把事件从个人实验推到了 Codex 官方能力展示的高度

兴奋与焦虑同时炸开

回复区像一面镜子,照出了开发者社区此刻的真实心态。

一边是压倒性的兴奋。有人说"自动化 QA 循环可能会重塑手动测试团队的工作方式"。有人感叹"对于讨厌写文档的人来说是巨大解脱,工具直接处理掉了"。Tom 自己也说成功率比手动操作更高。

另一边是冷静的担忧。最尖锐的质疑指向同一个问题:Codex 自己出测试题、自己答卷、自己打分——这个闭环里,人类到底在不在回路里?

有人直言:"谁来审查测试?如果 Codex 既出题又判卷,这有点可疑。"还有人边跑边怕:"我现在在试,但太害怕去检查它是不是只在产出垃圾。"

Tom 在回复里给了一个务实的回答:电子表格就是人类介入的入口。你可以随时打开表格,看清每一个功能的状态、每一个缺陷的描述、代理给自己打的置信度分数。人类不需要参与执行,但需要参与判断。

183 个故事只是个开始

183 个用户故事,105 个页面路由,四个多小时的无人值守运行。这是真实应用的全量功能 QA,被一行 /goal 指令自动化了。

对于开发者来说,几件事同时成立:手动 QA 的重复劳动可以大幅外包给代理;你必须学会把"完成"的标准翻译成代理能理解和验证的语言;最终的责任不会消失,只会从执行层移到设计层。

人的重心不再停留在逐条测试和逐个修 Bug 上。你的新角色是目标设计师和最终验收官。当你不写测试、不跑测试、不修 Bug,唯一要做的是定义"什么叫做好"和"什么时候算过关"——然后把 /goal 敲进去,走开。

Tom 跑这个实验的代码库是 ZHC Institute 的零人公司构建器——一个想让上千个 AI 代理自动运行、自动 token 化的平台。在这个场景下,让 AI 自己测自己的代码——它就是基础设施级的刚需。

Codex 把这个刚需做进了产品。183 个故事,只是开始。

【声明】内容源于网络
0
0
未来跃迁
1234
内容 602
粉丝 0
未来跃迁 1234
总阅读2
粉丝0
内容602