hiw3c 日报精选
Google News AI 网页快照

ChatGPT越改越卡?OpenAI派AI自己查,揪出600多个病根 - 智源社区

ChatGPT越改越卡?OpenAI派AI自己查,揪出600多个病根 智源社区

来源:Google News AI · hub.baai.ac.cn

ChatGPT越改越卡?OpenAI派AI自己查,揪出600多个病根

新智元报道

11月19日,OpenAI又在官方推文更进一步说:现在,Codex也在帮着他们让ChatGPT跑得快。

当你遇到ChatGPT对话突然中断,或者图片加载不出来时,后台很可能就已经有AI在查原因了。

这背后,是OpenAI刚公开的一套名为「性能工厂」的内部系统,线上一变慢、报错,Codex就自动接手:查原因、提修复,上线后再盯数据验效果。

三个多月,「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,被揪出了真正的病根。

负责ChatGPT性能团队的Martin Spier在演讲中提到,团队同时面对两股压力:用ChatGPT的人越来越多,工程师更新代码的节奏也越来越快。

到2026年2月,每周使用ChatGPT的人已经超过9亿;而早在2025年10月,OpenAI就披露,使用Codex的工程师每周合并的代码变更请求(PR)增加了70%。

更扎心的是Spier的一句话: 以前软件每次上线的改动都有人完全看懂,现在这个默认前提在OpenAI已经失灵了 。

摸清时间线后,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。

这套流水线也是AI一步步「逼」出来的: 最早期,全靠人力硬啃,性能团队为此攒下了30多个专用工具。

再往后,团队干脆把老手的排查经验写成一套可复用的技能,Codex拿到告警就能顺着套路跑出诊断。

跑着跑着,工程师发现自己混成了「人肉传话筒」:每天干得最多的活,居然是把告警一条条复制粘贴给Codex。

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。

早期的智能体,抓到第一个看似说得通的解释就会急着收工交差。事后复盘,有不少判断根本就站不住脚。

剩下的30条,有的分析还得继续打磨,有的还没拿出足够证据,证明找到的就是真正病根。

Codex审查员却发现,负责定位文件的内部服务老早就恢复正常了,可前方的图片请求还在源源不断地报错。

Codex审查员还会继续死磕:改法真对准根因了吗?会不会修好旧伤,顺手又带出新bug?

即便是上了「左右互搏」这样的保险,OpenAI还是承认: 开对药方,远比查出病根难得多 。

智能体给出的修复方案,有时会把简单问题绕得过于复杂,有时则会拆东墙补西墙,捅出新篓子。

这时,AI的短板立刻就显现出来了:它算得清毫秒级的延迟,却无法替人类的产品体验拍板。

所以OpenAI内部,死守着最后一道防线:每个修复方案,都必须经过工程师点头才能上线。

OpenAI给它们套上了严格的「笼头」:每个智能体都用独立的服务身份运行,权限被划好了边界,谁查了什么、动了哪里,每个动作都能精准追溯到具体的AI头上。

它们全天候盯着CPU、内存、网络请求和数据库查询,专门寻找能榨出性能的优化空间。

这些智能体直接以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」。

评论列表

评论