OpenAI Codex 评测:我交给它的所有 Bug,它都修好了

📌 One-Sentence Summary
OpenAI Codex 是一款能够编写代码、运行测试并操控桌面应用来完成实际软件任务的 AI 智能体;评测展示了它如何开发自由职业者发票应用、根据含糊的报告修复预设的 9 个 Bug,并准确制作定价对比表格。
📝 Summary
本文评测了集成在 ChatGPT 中、能够处理端到端软件开发任务的 AI 智能体 OpenAI Codex。作者用 3 个实际场景测试 Codex:仅凭一条提示词开发自由职业者发票 Web 应用、根据一份含糊的 Bug 报告修复预算追踪应用中预设的 9 个 Bug,以及调查 AI 编程工具的定价并制作对比表格。Codex 使用 GPT-6.1 Sol,并设置为中等推理强度,成功完成了所有任务:生成一个可运行的 27KB HTML 发票应用,准确计算金额;无需后续提示就修复了所有 Bug;并从官方来源正确核对了全部 18 项定价信息。文章还介绍了 Codex 的能力,包括集成项目文件夹、自动化测试、通过电脑操作控制桌面应用,以及在云端继续执行任务;同时也指出了它的局限,例如无法测试浏览器中的输出、需要授予 Mac 隐私权限,以及偶尔会在未经用户同意的情况下切换模型。
💡 Main Points
Codex 成功完成了 3 项复杂的软件任务:开发网页版发票应用、根据含糊的报告修复全部 9 个 Bug,以及制作准确的定价对比表格。
每项测试都展现了 Codex 理解需求、编写可运行代码、执行自动化测试并产出正确结果的能力,而且全程无需后续提示,体现了它端到端的软件开发能力。
发票应用用时 6 分 21 秒完成,是一个 27KB 的独立 HTML 文件,支持准确计算、自适应移动设备布局和 PDF 导出。
应用能将总金额精确计算到分、处理计时器条目、支持编辑条目,并能在移动设备上流畅运行。不过,由于本地预览受到限制,Codex 无法自行测试浏览器中的功能。
Codex 根据含糊的 Bug 报告修复了预算追踪应用中预设的全部 9 个 Bug,无需后续提示。
这些 Bug 包括文本拼接问题、余额计算错误、NaN 错误、数据加载问题、删除错项、舍入误差、安全漏洞和移动端布局问题;作者逐一验证后确认全部修复。
电脑操作功能需要配置 Mac 隐私设置,而且可能在没有提示的情况下失败,并转而使用 Excel 等替代格式。
智能体两次尝试使用 Numbers 均因隐私设置而失败,随后自动将文件保存为 Excel 格式;手动更新权限后,它才成功在 Numbers 中完成任务。这说明非技术用户可能会遇到配置方面的困难。
不同订阅档位的模型选择和使用限制各不相同;GPT-6 Astra 的消息额度不固定,而免费版仅能使用轻量级的 Luna 模型。
Plus 用户每 5 小时可获得 5–45 条 Astra 消息的少量额度,Pro 用户的额度更多;免费档只能使用 Luna,可能会打断高强度用户的工作流程。
💬 Key Quotes
Codex 根据一份含糊的报告修复了预设的全部 9 个 Bug,全程无需任何后续提示。
Codex 无法在浏览器中打开自己开发的应用,因此用户必须自行验证结果。
直到更新 Mac 隐私设置并授予访问权限后,电脑操作功能才成功;此前它失败了两次。
发票中包含正确的 3 条记录,没有把 10 月的工作和另一位客户的工时算进去。金额计算也精确到了分。
我根据自己的 Bug 清单逐项检查:9 个 Bug 全部修好了。
📊 Article Meta
AI Screening: 88
Source: Unite.AI
Author: Janine Heinrichs
Category: 人工智能
Language: 英文
Read Time: 16 min
Word Count: 3971
Tags:
AI 与智能应用 , AI 编程 , 开发者工具 , AI Agent , AI电脑操作
这篇文章分析得很透彻,收藏了!
这个观点很中肯,深有同感。
讲解得很细致,新手也能看懂。
不错不错,已加入书签。
整理得太全面了,省了我不少时间。
这个观点很中肯,深有同感。
支持作者,持续关注中。
这个观点很中肯,深有同感。
支持作者,持续关注中。
思路清晰,干货满满。
思路清晰,干货满满。
写得挺用心的,支持一下。