OpenAI用Codex查ChatGPT卡顿,找出600多个问题
ChatGPT越改越卡?OpenAI派AI自己查,揪出600多个病根
新智元报道
新智元报道

Codex参与ChatGPT的开发,这件事外界早已熟悉;如今它又多了个身份——帮ChatGPT提速的角色。
11月19日,OpenAI在官方推文中进一步说明,Codex现在也在协助他们让ChatGPT运行得更快。
造AI的活由AI分担,日常维护修补的活同样开始交给它。

用户碰上
ChatGPT对话忽然断掉,或者图片迟迟加载不出来,后台很可能已有AI在排查原因。
支撑这一过程的是OpenAI新近公开的内部系统「性能工厂」。线上一旦变慢或报错,Codex便自动接手:定位原因、给出修复方案,上线后继续跟踪数据、验证效果。
告警响起之后,AI先查原因、再提修复方案,人审完上线,随后由AI盯着数据确认是否恢复;要是还没好转,就退回去重新排查。
三个多月里,「性能工厂」一共跟进了1700多次故障调查,算下来平均每天出警17次。其中600多起问题,被找到了真正的病根。
ChatGPT总是卡,最直接的原因其实是它自己改得太快。
在演讲中,负责ChatGPT性能团队的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,另一边是工程师更新代码的节奏越来越快。
到2026年2月,每周用ChatGPT的人已经超过9亿;而早在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,都得从同一份「速度预算」里切走一小块。
单看每一次,影响微乎其微;可一次次更新叠起来,就成了你屏幕上肉眼可见的卡顿。
更扎心的是Spier说的那句话:过去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已经不管用了。
改动多到人眼看不过来,查问题的苦活,就只能交给AI来扛。
那具体是怎么查的?
ChatGPT一旦变慢或者报错,监控就会发出告警。系统接到信号后立刻建单,派一个Codex赶到现场。
到场后它先盯住两件事:哪些指标发生了变化,变化又是从什么时间点开始的。
时间线厘清之后,它再去翻代码、查日志、沿请求链路逐段排查,把CPU和内存的运行情况挨个过一遍。
同一个毛病常常会同时触发好几条告警,遇到这种情况,Codex会把它们归并到一起,再排好处理的先后顺序。
修复方案它也顺手写好了,交给工程师审核。
这套流程其实是被AI一步步推着长出来的。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来了,工程师把它当搭档,让AI去翻数据,自己负责解读结果。
再往后,团队把老手的排查经验整理成一套可复用的技能,Codex一接到告警,就能照着这套路数跑出诊断。
跑着跑着,工程师发现自己成了「人肉传话筒」:每天干得最多的事,竟然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,查完之后报告自动弹到Slack里。
调查量越滚越大,每个问题最后都成了一张流转的任务单,由智能体一棒接一棒往下推,“性能工厂”也就慢慢成形了。
工程师不愿碰的苦活累活,就这么一点点交给了AI。

从人工排查到系统派单,性能团队一步步把智能体工厂搭了起来。
AI说“找到原因了”,你敢闭着眼信吗?
OpenAI自己就吃过这方面的亏。
早先的智能体,逮住第一个看着说得通的解释就急着收工交差。事后复盘,不少判断压根站不住脚。
OpenAI曾人工抽查100条AI给出的根因判断,其中只有70条称得上准确。
剩下那30条,有的分析还得接着打磨,有的则没拿出足够证据,证明找到的就是真正的病根。
工程师一旦被AI带错路,顺着假病根折腾半天,比“查不出原因”还耽误工夫。
OpenAI的办法,是给诊断流程再加一道对抗性审查。
具体做法是另派一个独立的Codex充当审查员,它只干一件事:把前一个Codex给出的诊断推翻。OpenAI在官方博客里还公开过一次真实的「打脸现场」。
当时一批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,随即宣布「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,后面的修复方案同样要过这一道审查。
Codex审查员还会接着死磕:这个改法真对准根因了吗?会不会旧伤修好了,顺手又带出新bug?
指望单个AI永不犯错并不现实。让两个AI互相挑错,才能多拦下一些站不住脚的判断。
OpenAI自己也承认,就算加了「左右互搏」这层保险,开对药方也比查出病根难得多。智能体拿出的修复方案,有时把简单问题绕得过于复杂,有时拆东墙补西墙,反倒捅出新篓子。
「加缓存」就是最典型的例子。响应慢的时候加一层缓存,回答确实能更快,代价却是很可能刷出过期内容。要速度还是要新鲜度?改几行代码解决不了,这属于架构上的取舍。
AI的短板在这时立刻显现:毫秒级的延迟它算得清,人类的产品体验它却没法替人拍板。
OpenAI内部因此死守最后一道防线:每个修复方案都得工程师点头才能上线。

Codex生成的任务报告会列出性能变化、根因和修复方案,交给工程师审核。
代码上线后,盯盘的苦活又交回智能体,指标彻底恢复,任务才算结案。
这么多智能体被放进核心后台翻代码、查日志,安全边界靠什么守住?
OpenAI给它们上了严格的约束:每个智能体都以独立的服务身份运行,权限事先划好了范围,谁查过什么、动过哪里,每一个动作都能精确追到具体的AI身上。
不过这还只是被动地扑火。
Spier介绍,团队手里另外还带了一批主动出击的专项智能体。
它们24小时盯着CPU、内存、网络请求和数据库查询,专门去找能挤出性能的优化空间。
这些智能体的名字直接取自团队里擅长对应领域的大牛同事,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」。
以前人们畅想「AI改进AI」,总爱把它想成某一天突然落地的技术跃迁。
现实大概不会那么轰轰烈烈。
它也许就藏在一次卡顿背后,藏在AI与AI之间一轮又一轮的排查、辩论和修改里。
参考资料: