OpenAI 官方博客解读：团队用 Codex 删了 80 万行代码的做法

项目越做越大，没人用的代码、早就结束的实验开关、时好时坏的测试会越积越多。10 月 14 日，OpenAI 开发者博客发了一篇文章，介绍公司内部 Core Experimentation 团队怎样用 Codex 和 GPT-6 系列模型做代码维护。本文把其中的做法、数据和可以直接照抄的提示词思路整理出来，方便你在自己的项目里试。

清理没人用的代码：一句宽泛的提示词也能做好

过去这类工作靠复杂的静态分析系统加运行日志，仍然会误删。文章作者说，用 GPT-5.6 Sol 时，需要明确指定调查范围和验证标准，模型才能写出静态分析并删除死代码。

换成 GPT-6 Astra 后，他们只给了一句很宽泛的话：帮忙找出并清理仓库里的死代码，可以去查 Slack、实验平台或任何需要的来源，确认这些代码确实没人用了。Astra 会自己翻看以前的 PR、读 Slack 讨论和内部项目记录，查生产环境的性能分析数据，确认被删的代码从未执行过，还会解释每一处删除的理由，让审查更快。

成果很具体：5 位工程师在两周里抽空并行跑这类提示词，合并了 1400 多个 PR，删掉 80 多万行代码。其中一个服务的容器镜像从 3.31GB 降到 1.72GB，减少 48%；另一批清理去掉了测试里约 400 个视觉快照。

清理过期实验：让模型先帮你写提示词

过期的实验开关更难处理，因为相关代码有时还在生产环境运行。作者的做法是：

1. 先和模型一起头脑风暴，让它写一段短提示词；
2. 提示词里写清安全底线：保持生产行为不变，保留用作紧急开关的配置，每个清理开一个小的草稿 PR，并附上证据链接；
3. 自己审查这些 PR、写评论，再让模型吸收评论，写出扫描整个代码库的新提示词；
4. 用 /goal 启动全库审计，要求输出一份 Markdown 报告，按负责人和文件分组，附上证据和 CPU 开销，并明确「不要修改线上配置和服务」。

报告里排在前面的几项，是好几年都没人发现已经过期、但很耗 CPU 的实验。其中一个例子是：一行看起来很普通的配置把一个测试开关映射到了所有功能上，造成大量额外计算。模型查清了开销，但因为这个开关被标成「永久」，它没有直接删除，而是交给人来判断。审查后删掉，主要受影响的服务 CPU 估计节省 0.42%。

换更便宜的模型：效果差多少

团队用同一段提示词，在超过 6000 个文件、100 万行代码（Python、TypeScript、Go、Rust）的子目录上对比了三种组合，费用按 API 标准价格计算：

• GPT-6 Astra（Ultra）：142 条结果，约 109 美元；
• GPT-6.1 Sol（Ultra）：131 条结果，约 15 美元；
• GPT-6.1 Sol（Medium）：86 条结果，约 5 美元。

也就是说，GPT-6.1 Sol Ultra 找到的结果是 Astra Ultra 的 92%，成本只有 14%。两者的差别主要出在「被其他开关依赖的常量开关」上：Astra 找到了，Sol 漏了。作者的结论是，找出这类规律后可以在提示词里专门补上，让便宜的模型接近贵模型的效果；但新模型发布后，这类补丁会变得多余，所以每次有新模型都要回头检查提示词。

三个可以直接试的提示词思路

文章最后给了三个建议用 GPT-6.1 Sol Medium 跑的提示词，大意如下：

• 修不稳定的测试：用 /goal 让它查看最近的 CI 记录，找出时好时坏的测试，逐个尝试修复，修好就提 PR；只修明确的简单问题，不追求全部修完。
• 改进 AGENTS.md：让它翻看最近的 Codex 会话，找出一条把代理带偏的 AGENTS.md 说明，用同一个提示词分别在「原说明」和「改过的说明」下各跑一次，比较质量、工具调用、用量、耗时和成本。
• 给 CI 减负：让它根据仓库的 CI 运行历史列出减轻负载的办法，按每天预计节省的 CI 分钟数排序。

第三条的效果最明显：团队据此合并了约 30 个优化 PR，CI 完成时间的中位数从约 10 分钟降到 4.5 分钟，第 90 百分位从 12.5 分钟降到 6 分钟。后来补上一个缺失的模拟对象，一组 63 个测试的运行时间从 592.6 秒降到 29.8 秒，测试一个没少。

对普通用户的启发

作者也提醒，模型提出的部分改动带来的复杂度超过了收益，所以排优先级和衡量效果始终要放在流程里。他建议按下面的顺序来：

1. 从一个小的维护任务开始：一段没用的代码、一个过期开关或一个不稳定的测试；
2. 让 Codex 找出一个实例、收集证据、提一个小的草稿 PR；
3. 在这个小任务上比较不同模型和推理强度，看看更便宜的配置是否已经够用；
4. 小范围跑顺后扩大到一个子目录或一个项目，每一步都让 Codex 把你的审查意见写进下一版提示词；
5. 确认效果稳定后，再扩大到整个代码库。

想在自己的项目里做这类大范围清理，任务多、跑得久，可以在 BuyBuy代充（buybuytopup.cn） 开通 ChatGPT Pro；先从小任务试起的话，Plus 也能用 Codex。