Ryan Lopopolo из OpenAI описывает, как построил масштабный кодовый хаб с помощью моделей CodeX без написания кода вручную, используя системное мышление, быструю итерацию и автоматизацию, чтобы минимизировать человеческое участие и ускорить SDLC.
Extreme Harness Engineering: 1M LOC, 1B toks/day, 0% human code or review — Ryan Lopopolo, OpenAI
наведи и нажми на цифру — раскроется глава
полный разбор ролика · 5 глав ↓
Введение в harness engineering
Ryan рассказывает, как harness на базе CodeX позволяет строить AI-продукты, используя промпты для управления моделью без написания кода вручную.
Подчеркивает важность системного мышления и постоянного анализа ошибок агента для повышения эффективности автоматизации.
Команда и контекст
Ryan работает в команде OpenAI Frontier, которая занимается безопасным масштабируемым деплоем агентов для бизнеса.
Их задача — создавать продукты на базе моделей, которые можно продавать предприятиям как готовые решения.
Нулевой код и рост производительности
Ryan ограничил себя запретом писать код, заставляя модели делать всю работу, что сначала замедлило процесс, но в итоге привело к 10-кратному ускорению.
Разбивка задач на мелкие блоки и сборка их в большие функции стала ключом к успеху.
Оптимизация сборки и время отклика
Переход от блокирующих скриптов к background shells потребовал уменьшить время сборки до 1 минуты, чтобы поддерживать быстрый цикл.
Если сборка не укладывается в лимит, задача декомпозируется, что дисциплинирует кодовую базу и ускоряет работу агента.
Минимизация человеческого участия
Большая часть кода генерируется и проверяется автоматически, люди участвуют только в постмерж ревью для удовлетворения формальных требований.
Ключ — параллелизация работы моделей и минимизация синхронного человеческого внимания, которое является узким местом.