OpenAI 也把工程师经验“蒸馏”进 skill 了，Harness 爆文作者曝内部玩法：一个百万行代码系统，全程零人工编码和审核

背景：工程师经验“蒸馏”技术兴起

近年来，AI在软件开发领域的应用不断深化，尤其是在自动化编程、代码生成、测试与部署等方面，AI已经展现出巨大的潜力。OpenAI作为该领域的领先者，持续推动技术边界的拓展。2025年以来，OpenAI在多个技术博客和内部研讨中提及“技能蒸馏”这一概念，即将资深工程师的开发经验、调试逻辑和系统设计思维“蒸馏”为可复用的AI技能模块，从而提升模型在复杂系统构建中的自主能力。

这一技术方向的探索，源于企业级开发场景对效率与质量的双重诉求。传统开发流程中，工程师的经验往往依赖文档或代码注释传承，存在信息碎片化、可操作性差的问题。而OpenAI试图通过机器学习与强化学习的方式，将经验编码为AI技能，并在新项目中自动调用，实现“零人工”的高效开发。

技术详情：百万行代码系统实现“零人工编码和审核”

据Harness平台的爆文作者透露，OpenAI内部正在测试一个全新的“自动化代码构建系统”，该系统可在无人干预的情况下，完成从需求分析到最终部署的全流程开发工作。该系统依托于GPT-5系列模型，特别是GPT-5.4版本，具备原生支持计算机操控的能力，可调用本地IDE、版本控制系统、CI/CD流水线等工具。

该系统的关键在于“技能蒸馏”模块的引入，其核心逻辑包括：

• 经验采集与建模：通过分析大量工程师在开发过程中的行为数据，包括提交记录、调试过程、系统设计文档等，建立工程师经验模型。
• 技能模块化训练：将不同开发场景下的最佳实践（如代码优化、错误处理、性能调优）抽象为技能模块，通过模拟环境进行强化训练。
• 自动化决策链构建：系统在接收到新需求后，自动从技能库中调用合适的模块，构建完整的开发决策链，并执行代码生成、测试、部署。

最终，该系统成功构建了一个超过百万行代码的中大型项目，且全程未有人工参与编码或代码审核环节，标志着AI在工程化落地方面迈出了关键一步。

内部玩法曝光：Harness爆文作者揭秘技能蒸馏机制

Harness的爆文作者深入剖析了OpenAI的“技能蒸馏”系统，指出其并非简单的代码生成，而是更深层次的“工程经验模拟”。作者分享了几个关键技术细节：

• 行为轨迹记录：OpenAI通过IDE插件和API接口，持续收集工程师在开发过程中的行为轨迹，包括调试路径、代码重构决策、错误修正过程等。
• 上下文理解能力：系统在执行代码生成时，不仅依赖语法和逻辑正确性，还能结合项目背景、历史决策和团队协作模式进行判断。
• 反馈闭环机制：每次自动构建完成后，系统会自动分析部署效果，并将反馈数据送回训练集，形成自我优化的闭环。

这一玩法的核心在于，将人类工程师在长期项目中积累的“隐形知识”显性化，让AI不仅能写代码，更能像资深工程师一样“思考”和“决策”。

影响：或将重塑软件开发流程与职业结构

这一技术的成熟，可能带来深远影响：

• 开发效率大幅提升：从需求到部署的周期可缩短至原来的1/5甚至更短，极大提高软件项目的交付速度。
• 降低对人工经验的依赖：初级工程师或非技术人员也能完成高质量系统构建，打破传统“经验壁垒”。
• 工程团队结构重构：未来软件团队可能更偏向于“AI协同工程师”角色，即负责设计技能模块、监控AI执行、优化训练数据等。
• 伦理与质量挑战浮现：自动化开发是否具备可解释性？系统错误的责任归属？这些问题尚未有明确答案。

业内专家认为，OpenAI的这一尝试，标志着AI从“辅助开发”向“自主开发”的关键跃迁。未来，AI不仅是一个工具，更可能成为系统的“主脑”。

展望：AI技能将成为软件工程新范式

OpenAI此次技能蒸馏的突破，预示着“AI技能”将成为软件工程的新基础设施。企业将不再仅仅依赖程序员个体的能力，而是通过构建“技能库”来实现工程能力的规模化复制。

此外，其他科技巨头如谷歌、Meta、腾讯也在探索类似的自动化开发路径。例如，谷歌推出的Gemini 3.1 Flash Live模型，已支持语音驱动开发；腾讯则推出WorkBuddy，整合AI智能体与桌面办公系统。

未来，随着AI技能的不断进化，软件开发将从“人写代码”逐步迈向“AI做系统”，工程师的角色也将从“执行者”转变为“监督者”和“技能训练师”。