OpenAI用Codex自查ChatGPT卡顿,三个多月揪出600多个病根
等调查量越滚越大,每个问题最终都变成了一张流转的任务单,由智能体一站站往下推,「性能工厂」就逐渐成型了。

新智元报道

Codex帮OpenAI加速开发ChatGPT,这已不算新鲜事。11月19日,OpenAI在官方推文里又往前说了一步:眼下Codex也在帮他们让ChatGPT跑得更快。
AI不光帮着造AI,日常修修补补的活也已经开始接手。

你碰上
ChatGPT对话忽然中断、或者图片加载不出来的时候,后台很可能已经有AI在找原因了。
OpenAI刚公开了一套内部系统,名叫「性能工厂」。线上只要一变慢、一报错,Codex就自动顶上去:排查原因、给出修复方案,上线之后还盯着数据核对效果。

整个流程走下来是:告警、AI查因并提修复,人工审核后上线,再由AI验证是否恢复;要是没恢复,就退回去重查。
三个多月里,「性能工厂」跟进了1700多次故障调查,平均每天出警17次,其中600多起问题被找出了真正的病根。

ChatGPT一卡
最先赶到现场的是AI
ChatGPT老是卡,最直接的原因居然是它改得太快。
在演讲中,ChatGPT性能团队负责人Martin Spier提到,团队同时扛着两股压力:一边是用ChatGPT的人越来越多,一边是工程师更新代码的节奏越来越快。
到2026年2月,每周使用ChatGPT的人数已经超过9亿;而2025年10月OpenAI就披露过,使用Codex的工程师每周合并的代码变更请求(PR)多了70%。
每上线一个新功能,都要从同一份「速度预算」里切走一小块。
单看一次的影响微乎其微,可一次次更新叠起来,就变成了屏幕上肉眼可见的卡顿。
Spier还有一句话更扎心:以前软件每次上线的改动都有人能完全看懂,如今这个默认前提在OpenAI已经失灵了。
改动多到人眼看不过来,查问题的苦活就只能交给AI去扛。
那具体怎么查?
ChatGPT一变慢或者报错,监控就会拉响告警。
系统收到信号,立马建单,派一个Codex赶赴现场。
它先锁定两件事:哪些指标变了,从什么时候开始变的。
摸清时间线之后,它再去翻代码、查日志、顺着请求链路,把CPU和内存的运行底账挨个过一遍。
同一个毛病往往同时触发好几条告警,它还会把这些告警归拢合并,排好优先级。
Codex还会顺手把修复方案写好,递给工程师审核。
这套流水线其实也是AI一步步「逼」出来的:最早全靠人力硬啃,性能团队为此攒下了30多个专用工具。
后来Codex上线,工程师把它拉来当帮手,数据交给AI去翻,答案再由人来解读。
再往后,团队把老手排查问题的经验整理成一套能反复调用的技能,Codex一收到告警,就照这套路数跑出诊断结果。
跑着跑着,工程师发现自己成了「人肉传话筒」:每天花时间最多的活,竟是把告警一条条复制粘贴给Codex。
团队索性把告警直接接进Codex,查完自动把报告推到Slack里。
调查量越滚越大,每个问题最后都变成一张流转的任务单,由智能体一站接一站往下推,「性能工厂」慢慢成形。
工程师最嫌弃的那些苦活累活,就这样一步步交到了AI手上。

从靠人排查到系统派单,性能团队一点点搭起了智能体工厂。

10次诊断错3次
AI凭什么替你修卡顿
当AI说「找到原因了」,你敢闭眼信吗?
OpenAI自己就在这上面吃过亏。
早期的智能体,只要抓到第一个看着说得通的解释,就急着收工交差。事后复盘,不少判断根本站不住脚。
OpenAI曾人工抽查100条AI给出的根因判断,其中只有70条算准确。
剩下那30条里,有的分析还得接着打磨,有的还没拿出足够证据,证明找到的就是真正病根。
万一被AI指错了路,工程师顺着假病根折腾半天,比「查不出原因」还耽误工夫。
OpenAI的办法是:给诊断再加一道对抗性审查。
他们派一个独立的Codex当审查员,它唯一的任务,就是推翻前一个Codex给出的诊断。
在官方博客里,OpenAI还晒过一次真实的「打脸现场」。
当时有一批ChatGPT对话接连失败。
调查组Codex查了一圈,认定是图片下载出了错,马上宣布「原因已找到」。
可Codex审查员发现,负责定位文件的内部服务早就恢复正常了,前方的图片请求却还在源源不断地报错。
这份草率的诊断于是被直接打回重查。
就算诊断过了关,后面的修复方案也得过同一道审查。
Codex审查员还会继续较真:改法真对准根因了吗?会不会旧伤修好了,顺手又带出新bug?
想让单个AI永远不犯错,本就不现实。两个AI彼此挑刺,那些站不住脚的判断才好多拦下一些。

有些修复
到头来,拍板的还得是人。
就算加上了「左右互搏」这道保险,OpenAI也认账:把药方开对,比找出病根难上太多。
智能体拿出的修复方案,有时把简单问题绕成一团乱麻,有时拆东墙补西墙,反倒捅出新娄子。
「加缓存」就是最典型的那个例子。
响应慢的时候,加一层缓存的确能让回答快起来。可代价摆在那儿:你刷出来的很可能是过期内容。
要速度,还是要新鲜度?这改几行代码解决不了,是架构层面的取舍。
AI的短板到这儿就露出来了:毫秒级的延迟它算得清,产品体验该怎么做,它替人拍不了板。
于是OpenAI内部守着最后一道关:每套修复方案,都得工程师点头才放上线。

Codex会生成任务报告,把性能变化、根因和修复方案列出来,交给工程师审。
代码上线之后,盯盘这桩苦活又回到智能体手里,等指标彻底恢复,任务才算结案。

往后替你修ChatGPT的
或许都是AI
这么多智能体放进核心后台翻代码、查日志,安全边界靠什么守?
OpenAI给它们上了严格的「笼头」:每个智能体都以独立的服务身份运行,权限划好了边界;谁查过什么、动过哪里,每个动作都能精准追到具体的AI头上。
这还只是被动「救火」。
按Spier的说法,团队手里还养着一批主动出击的专项智能体。
它们全天候盯着CPU、内存、网络请求和数据库查询,专门找还能榨出性能的优化空间。
这些智能体直接拿团队里擅长对应领域的大牛同事命名,比如「Ben智能体」「Brendan智能体」。
顶尖工程师的看家本领,就这样被复制成一个个24小时在线、不知疲倦的「AI分身」。
过去人们畅想「AI改进AI」,总爱把它想成某天突然降临的技术跃迁。
现实大概没那么轰轰烈烈。
它可能就藏在一次卡顿背后,藏在AI与AI之间一轮轮的排查、辩论和修改里。