Asana借助Codex在两周内完成了原本需5年的工程工作量

事件核心：发生了什么

据 OpenAI 官方新闻稿（发布于 2026 年 8 月 18 日），Asana 的工程团队使用基于前沿大模型的 Codex 工具，成功移除了其前端技术栈中长期使用的过时测试框架 Enzyme。该框架已停止积极维护，并且阻碍了代码库的现代化升级。

具体执行方式上，工程师从一段仅五句话的提示词出发，让最多四个 Codex 编码智能体在相互隔离的代码库副本中并行工作。Asana 的工程师每天检查两次进度，并对每一处代码改动进行人工审查。整个迁移工作分布在两个日历周内，实际工程投入约 1.5 周。模型调用和基础设施的总成本约为 1.2 万美元，而此前的人力方案预估需要至少五年时间和约 600 万美元的预算。

为什么重要

这一案例的意义不在于“AI 替代程序员”，而在于它重新定义了大型软件重构项目的可行性边界。传统上，类似 Enzyme 这样深度耦合在代码库中的旧系统替换，往往因为工作量巨大、优先级低而被长期搁置。Asana 的实践表明，借助编码智能体，原本因为“不划算”而不敢启动的长期技术债清理，可以以极低的算力成本被纳入正常工程节奏。

同时，这也是 OpenAI Codex 在企业级代码库上的一次公开标杆案例。它展示了前沿模型在真实生产环境中的价值，不再局限于代码补全，而是能承担多智能体并行、跨模块协调的复杂重构任务。对于 AI 编程工具的商业化竞争而言，类似“成本降低数千倍”的量化对比，可能比模型跑分更具说服力。

对用户/开发者/创作者的影响

对开发者和企业技术决策者而言，这个案例提供了一个可参考的工作流：即便是大型代码迁移，也可以用“简短提示词 + 沙盒并行智能体 + 工程师每日审查”的方式推进。Asana 的经验也提醒团队，简单的指令往往比复杂编排更有效，这降低了 AI 编程工具的上手门槛。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

对普通用户和创作者而言，这一进展意味着依赖软件服务的产品迭代速度可能加快——旧系统拖累新功能上线的问题有望被更快解决。不过，目前公开信息显示，这一模式适用于 Asana 这类具备较强工程能力的科技公司，对于代码基础设施薄弱或缺乏 AI 工具使用经验的团队，直接复制此结果仍需谨慎评估。

值得关注的后续

第一，Asana 是否会将这一模式推广到其他长期遗留项目，例如后端服务重写或性能优化，并持续披露成本与时间数据，值得跟踪。

第二，OpenAI 是否会基于此类企业案例调整 Codex 的定价策略，或推出面向更大规模代码库的专用功能。目前关于多智能体并行处理的稳定性和审查成本，公开信息仍然有限。

第三，同类 AI 编程工具（如 Google 的 Gemini 相关产品、开源模型驱动的编码助手）是否会跟进发布类似的企业级重构案例，这将影响开发者在工具选择上的判断。

来源：OpenAI News