OpenAI Codex负责人揭秘：从内部工具到顶流，终极目标不只是写代码

过去两年，AI编程最明显的变化，不是“代码写得更快”，而是软件开发本身正在被重新定义。从只能补全几行代码的Copilot，到今天能读懂代码库、调用工具、执行测试、提交修改，甚至持续运行数小时乃至数天的Coding Agent，模型正从“辅助工程师写代码”进入软件工程的完整生命周期。真正变化的已不只是效率，而是人和代码之间的关系：当正确性检查、安全审查、依赖升级、重构乃至部分架构工作逐渐自动化，人类还应该把注意力放在哪里？

最初只是OpenAI内部帮助研究人员写Python、搭基础设施的小型智能体，后来与“自主软件工程师”项目合并，逐渐成为今天的Codex。OpenAI在这个过程中做出了一系列并不“封闭”的选择：用Rust重写核心智能体、从一开始开源CLI和SDK、允许接入其他模型，并不断把本地运行的Coding Agent推向云端，最终与ChatGPT走向统一。

访谈中，Tibo首次详细讲述Codex的诞生历程：从DeepMind内部比ChatGPT早一年出现的聊天机器人，到加入OpenAI后参与o1推理模型冲刺，再到ASWE项目如何演变为Codex。他分享了关键工程决策——为什么用Rust构建智能体、为什么选择开源、为什么Codex不绑定OpenAI自家模型——以及这些选择背后关于正确性、效率和开放生态的思考。

The Pragmatic Engineer由Gergely Orosz创办，关注软件工程、技术团队及行业变化。Tibo Sottiaux是OpenAI核心产品与平台负责人，也是Codex创建工程师之一。本次访谈于2026年9月发布，探讨Codex的诞生、技术与开源选择，以及AI智能体如何改变软件开发和个人工作方式。

Tibo从Google一次失败项目经历中得到教训：“要不断质疑，不断深入思考自己实际产生了什么影响，同时也要认真审视自己参与的整个项目究竟有多重要。”他认为，代码审查一直关注正确性，但也承担信息交换作用。未来，正确性和安全性检查将更多自动化，人类需把注意力放在产品意图、架构边界和真正值得解决的问题上。当今时代，对软件工程师、AI工程师及所有从事软件开发的人而言，两个品质非常重要：第一，对事物运作方式保持极强好奇心，并训练快速理解新事物的能力；第二，真正理解你想解决问题的群体及其社区。

2015年，Tibo加入伦敦Google。他出生在布鲁塞尔，父母搬到只有约两百名居民的小村庄，他八岁起整天与电脑打交道，互联网成为了解外部世界的方式。大学学应用数学，较早毕业，读书期间经营小公司并为银行提供咨询，对供应链和应用数学感兴趣。后来进入比利时创业圈，再搬到伦敦，先后在Google、DeepMind工作，之后加入OpenAI，现居加州。

他大学毕业后创办的初创公司主要做医药供应链，研究临床试验中的供应链管理：优化流程，决定是否生产更多药品、送到哪里、如何调配发运、减少浪费，提高试验效率。当时采用传统方法，不依赖机器学习，主要做优化和蒙特卡洛模拟，本质是随机多阶段优化问题。这些方法还应用到钢铁行业和欧洲电网。该公司至今仍在运营，但现代AI正给该领域带来很大变化。

Tibo着迷于应用数学：理论数学关注规律、模式和拓展认知边界；现实世界则有很多有意思的问题，他希望把复杂成熟的数学方法应用到现实问题中，优化周围世界。这也是那家初创公司的核心理念。

加入Google后，他最初参与提升互联网和网站速度的项目，尤其关注移动端。当时Google正从桌面端向移动端转变，项目属于广告部门内部小团队，目标是抵消流量转向移动端后可能造成的广告收入损失。做了约两年后项目被取消。虽然这是他解决高难度技术问题最开心的一段经历，但也让他从缺乏产品市场匹配、没有合适用户、没有正确反馈闭环，以及过于相信产品经理“进展顺利”中学到很多。一位副总裁从加州飞来宣布项目取消，原因是只有几百名用户，达不到Google规模要求，很多人却感到意外。他得到的教训是：要不断质疑，深入思考自己实际产生了什么影响，也要审视整个项目究竟有多重要。

后来他转到Google地图，主要负责用户评价相关工作。约一年后，他无法忽视DeepMind的吸引力。DeepMind总部在伦敦，当时正处于早期发展阶段，已显现AlphaGo等项目迹象，专门挑战最困难问题。加入后，他主要参与研究基础设施和研究工具建设。这也成为他近十年的主线：打造工具和产品，帮助其他人提高效率，提供真正有用的能力。起初为研究人员做这些事，后来以更普遍、更抽象的方式思考，最终走到现在的位置。

他还曾参与打造DeepMind内部一个聊天机器人，和ChatGPT有些相似，但比ChatGPT早一年。当时内部有好几条探索路线。