Я пару дней пользовался OpenAI Codex. Это не панацея, но при этом прорывная в своем роде штука.

Codex - это среда для AI + Coding. Сразу предупрежу, что качество работы с кодом примерно сравнимо с тем, что уже можно получить с Cursor + Gemini Pro 2.5. Тут нет ничего нового.

Есть один нюанс. Разработку в Cursor + Gemini Pro 2.5 или Aider надо вести самостоятельно, выдавая задачи, отслеживая проблемы и проверяя результаты. За один раз можно вести один проект.

Есть еще альтернативный подход к разработке - запускать агентов, которые сами будут что-то планировать и копошиться в папке с проектом. Но, как я писал, иногда агенты только создают иллюзию работы, растягивая на 30-120 минут задачи, которые можно решить одним промптом в чате.

А что нового предложил OpenAI Codex?

Они сделали все красиво и удобно. Можно к своему аккаунту подключить несколько github repositories и запускать задачи текстом (примеры ниже). Это похоже на работу DeepResearch, но с кодом. Поставил задачу и пошел по своим делам, а reasoning планировщик от OpenAI проследит за выполнением работы. Он заберет код, прочитает инструкции, сам найдет нужные файлы, попробует изменить их, прогонит тесты итп. А в итоге упакует все изменения в Pull Requests, который можно будет по отдельности просмотреть и принять либо отклонить.

И тут есть две фишки.

Во-первых, планировщик OpenAI работает достаточно хорошо. Примерно треть его Pull Requests можно отправлять прямо в код (половину, если проект простой).

А ведь еще можно допилить проект, чтобы Codex-у было удобнее работать. Докинуть AGENTS.MD с инструкциями, добавить хорошие тесты, модульную архитектуру и комментарии. Все фишки оформления проектов для работы с AI+Coding, про которые мы говорили на вебинарах в прошлом году - тут как раз применимы.

И это все работает стабильно потому, что OpenAI выбрали всего несколько инструментов для своего “агента”, очень хорошо протестировали и отладили все. Это было возможно потому, что у Codex нет кучи инструментов - только консоль и работа с файлами.

Хотя, казалось бы, дай кодексу возможность работать с любыми MCP серверами, как это нынче сделала Microsoft, и получится продукт-бомба. Но OpenAI хорошо понимает, что в таком случае ни о каком покрытии тестами нельзя вести речь. А значит и прощай стабильность и привет галлюцинации.

Во-вторых, в Codex можно запускать одновременно несколько задач. Каждая из них будет запущена в отдельном контейнере. И вот это как раз кардинально меняет весь подход. Можно, скажем, сказать:

(1) добавь мне шифрование паролей с bcrypt
(2) перепиши доступ к БД с sqlite3 на синхронный better-sqlite3
(3) отладь вот эту ошибку в тестах

и сразу в другом проекте, который совершенно не относится к первому:

(4) напиши тесты к wifi_manager component
(5) сделай, чтобы система переподключалась при проблемах с wifi или websocket

и идти пить кофе. А потом вернуться, посмотреть отчеты с Pull Requests и задать новые задачи.

Получился очень классный продукт для разработки. Это как несколько очень усидчивых Джунов, которые могут помогать разрабатывать несколько проектов одновременно.

Понятно, что есть пара нюансов:

(1) OpenAI Codex - не панацея, он дополняет опытных разработчиков, не заменяет
(2) Среда очень ограниченная, и там есть нюансы (например, e2e browser testing я так пока там не смог запустить)
(3) нужна практика, чтобы освоить инструмент и научиться так формировать проекты, что Codex будет с ними хорошо работать.

Ну и самое главное, OpenAI наглядно показали, что агенты могут работать очень хорошо, если собрать правильный продукт, докинуть туда хорошую reasoning модель и обеспечить приемлемое качество. И тут хорошо выстреливает модель - выдал задания и ушел по своим делам/пить кофе.

Теперь осталось подождать, пока другие компании воспользуются этим примером! Особенно будет интересно увидеть подобные решения не в кодинге, а в бизнес-задачах.

Ваш, @llm_under_hood 🤗

PS: Хотите запустить локально без красивого UI? См OpenAI Codex CLI