AI打工人的“第一笔工资”：16.88美元
一句话看懂：一位用户给 OpenAI 的编程 AI Codex 下达了“去帮我赚 5 美元”的指令，结果 Codex 自主找到了一个开源安全审计赏金项目，提交代码、沟通审核，最终赚到了 16.88 美元。这不再是简单的代码生成，而是 AI 第一次在真实的经济系统中完成了从找任务到收付款的闭环。
事件核心：发生了什么
X 用户 Chris 使用 OpenAI 的 Codex 模型，输入了一句类似玩笑的指令：“做你最擅长的事，帮我赚 5 美元”。Codex 随后自主行动，找到了一个可参与的开源安全审计赏金项目，围绕项目问题提交了有效的拉取请求，并与项目维护者沟通、处理了 GitHub 的验证流程。整个过程耗时约 22 小时，最终该拉取请求被合并，Chris 收到了第一笔付款 16.88 美元（约 114 元人民币）。据用户透露，他使用的是 20 美元的 Plus 订阅套餐，Codex 同时进行了 10 到 20 项不同审计任务，消耗了约 2200 万 token。
为什么重要
这个案例的关键不在于赚了多少钱，而在于 Codex 第一次接入了一个真实存在的经济系统——该系统有明确任务、审核规则、沟通流程和真实付款。过去 AI 编程工具通常是在用户给出明确代码任务后执行，而这次是 AI 自己将“赚钱”的目标拆解为找项目、写代码、沟通、验收的完整工作路径。这证明在边界清晰、金额不高、结果可验证的软件零工领域（如修bug、补测试、做安全审计），AI Agent 已经能够完成从目标到付款的闭环。它也暗示着一个潜在变化：初级开发者或自由职业者曾经用来练手和赚零花钱的任务市场，正开始向 AI Agent 开放。
对用户/开发者/创作者的影响
对普通用户而言，这个案例目前还无法复制为“用AI自动赚钱”的可靠方法。开源安全审计赏金任务并非无限供给，且每次提交都需要经过项目维护者审核、代码合并、平台确认才能到账，成功率受多种因素影响。对开发者和开源社区而言，更大的风险在于审核压力：AI 提交拉取请求的边际成本很低，但维护者审核代码的成本并不低，大量 AI 生成的 PR 可能增加社区负担而非提升效率。此外，权限和安全问题突出——AI 需要连接 GitHub、访问代码库、处理支付账号，权限越高，风险越大；如果 AI 提交的修改引入漏洞，责任归属仍无明确答案。
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。
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
第一，Codex 这类编程 Agent 能否稳定找到并完成赏金任务，取决于开源任务市场的供给量和任务难度分布，并非每天都能重复成功。第二，平台方（如 GitHub）是否会调整赏金项目的准入规则、审核流程或添加 AI 提交限制，将直接影响 Agent 的参与空间。第三，OpenAI 等公司是否会针对这类“自主寻任务”场景推出商业化产品或 API 接口，例如按任务成功率收费或提供责任保险机制，将决定这一模式能否从小众实验走向实用。
来源：36氪 · 24小时热榜
