OpenAI用Codex搭建性能工厂:3个月自动排查1700次性能问题

OpenAI披露其用Codex构建的“Performance Factory”系统,在三个多月内自动完成1700多次性能问题调查,并为600多起问题定位根因,把ChatGPT性能排障从人工流程变成云端自动化工作流。

一句话看懂:OpenAI披露其用Codex构建的“Performance Factory”系统,在三个多月内自动完成1700多次性能问题调查,并为600多起问题定位根因,把ChatGPT性能排障从人工流程变成云端自动化工作流。

事件核心:发生了什么

2026年11月19日,OpenAI工程团队发布文章,介绍其内部系统Performance Factory。该系统运行在云端,由工程师定义工作流、为Codex智能体编写指令,自动执行性能问题的调查与修复。首个上线的是Regression Workflow:性能告警触发后,智能体调查变慢原因、记录发现并给出修复建议,交由工程师审核;部署后另一个智能体继续验证性能是否回到基线。OpenAI称,该系统在三个多月里跟踪了1700多次调查,为600多起问题定位根因,相当于每天17次自动调查。文章还梳理了团队从人工排查、到把Codex当作伙伴、再到沉淀perf-forensics技能、最终形成工厂式自动化的演进路径。

为什么重要

大模型产品的迭代速度正在超过传统性能工程的承载能力。此前OpenAI积累的30多个性能工具,仍依赖工程师判断从哪看起、用哪个工具,告警多了之后,单是分辨哪些问题需要处理就要翻大量Slack线程。Performance Factory的意义在于把“发现问题—归因—提修复—验证”拆成可交接的任务状态,由智能体按步骤接力,人只保留审核环节。这为AI应用团队提供了一个可参考的样本:智能体不只是写代码的助手,也可以承担生产环境中的重复性运维工作。

对用户/开发者/创作者的影响

对普通ChatGPT用户,这类内部工程优化的直接价值是延迟和可用性问题的修复可能更快,但OpenAI并未承诺具体指标变化。对开发者而言,更值得关注的是方法:把领域知识写成技能、用历史回归案例做评测、让任务在智能体与工程师之间流转,这套做法可迁移到API服务、推理集群或其他在线系统的性能治理。目前公开信息显示,Performance Factory是OpenAI内部系统,并未作为对外产品发布。

GamsGo AI

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。

值得关注的后续

一是Regression Workflow之后,OpenAI是否会公开更多已上线的工作流及其自动化比例;二是智能体给出的修复建议在人工审核中的采纳率与误报情况;三是这种“技能+评测+任务编排”的模式是否会被其他云厂商或开源社区跟进,形成面向生产运维的智能体工具链。

来源:OpenAI News

celebrityanime
celebrityanime
文章: 36045

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注