OpenAI近日在博客中介绍，公司正借助编码代理Codex和GPT-6系列模型，将内部软件维护工作逐步自动化。

OpenAI表示，Codex在提升开发效率的同时，也带来了更多后续维护需求，例如清理不再使用的代码、下线已经结束的实验，以及整理相关历史记录等工作。

在这一背景下，团队将一部分“描述简短、边界不清”的任务交给“GPT-6 Astra”处理，要求其从Slack、实验平台Statsig等渠道调取所需信息，并识别可清理的无用代码。

据介绍，Astra会回溯历史Pull Request（PR）、Slack对话、内部项目记录以及生产环境性能数据，筛选出应删除的代码并说明原因。5名工程师在两周内一边处理其他工作，一边完成了1400多个PR的合并，累计删除代码超过80万行。其中，一个服务的容器镜像体积从3.31GB降至1.72GB，降幅达48%。

OpenAI还将Astra用于历史遗留实验的清理。Astra按实验逐项统计CPU占用情况，找出了多年未被发现的资源浪费点，团队最终删除了数百个实验和功能开关（feature flag）。

在这一过程中，Astra还发现一个被标记为“永久”的功能开关占用了大量CPU资源，并提示需要人工复核。团队评估后将其删除，使核心服务的CPU占用下降约0.42%。

团队随后又使用成本更低的“GPT-6.1 Sol”对同类工作进行了复核。在检查6000个文件、约100万行代码后，将Sol的推理强度调至最高时，其共识别出131个问题，相当于Astra发现问题数量的92%。与此同时，Sol的API费用仅为15.12美元，仅相当于Astra（109.06美元）的14%。

OpenAI还强调了持续集成（CI）优化带来的效果。在采纳Codex建议并合并约30个PR后，CI完成时间的中位数从约10分钟缩短至4.5分钟；一组包含63项测试的任务，执行时间也从592.6秒降至29.8秒，降幅达到95%。

OpenAI建议，企业可以先从小型维护任务入手，在人工复核结果的基础上，逐步扩大自动化应用范围。