Heim
„Zero People Coding“: OpenAI-Ingenieure stellen KI-Destillation für Agenten als den ultimativen Teamkollegen vor – 10 Millionen Zeilen Code

Ryan Lopopolo, Ingenieur bei OpenAI, veröffentlichte kürzlich einen ausführlichen Artikel mit dem Titel „Harness Engineering“, in dem er detailliert beschreibt, wie stark sich die internen Teams auf Codex stützen. Aus diesem Experiment entstand eine „Geisterbibliothek“ namens Symphony, die ein neues Paradigma in der Softwareentwicklung begründete.
Kernexperiment: Die Vorgabe „Keine manuelle Programmierung“
Ryan legte zu Beginn des Experiments eine drastische Einschränkung fest: Es durfte niemals manuell Code geschrieben werden.
Von der Frustration zum Durchbruch: Anfangs hatte das Modell Schwierigkeiten mit komplexer Logik, wodurch die Entwicklung zehnmal langsamer verlief als bei menschlicher Arbeit.
Weiterentwicklung der Tools: Damit der Agent selbstständig arbeiten konnte, entwickelte das Team ein hochentwickeltes „Harness“-System (Entwicklungskonsole) .
Exponentielle Effizienzsteigerungen: Mit der Verbesserung von Modellen wie GPT-5.4 übertraf die Effizienz des Systems schließlich die jedes einzelnen Entwicklerteams.
Wichtige Taktiken: Die Build-Zeit unter „einer Minute“ halten
Bei OpenAI hängt die Effizienz des Agenten von extrem schnellem Feedback ab:
Innerer Regelkreis: Das Team baute das Build-System iterativ neu auf (von Makefile über Bazel bis hin zu Nx) und hielt die Build-Zeiten strikt unter 1 Minute.
Logische Zerlegung: Wenn sich die Builds verlangsamten, teilte der Agent den Build-Graphen automatisch in kleinere Teile auf, bis die Komplexität unter den Schwellenwert fiel, wodurch der Fokus des Agenten erhalten blieb.
Paradigmenwechsel: Menschen werden zum Engpass bei der PR-Prüfung
Da sich Code leicht parallelisieren ließ, war die Aufmerksamkeit der Menschen die eigentliche knappe Ressource.
Überprüfung nach dem Merge: Das Team automatisierte die Überprüfungen vor dem Merge und verlagerte den Großteil der manuellen Überprüfung auf die Zeit nach dem Merge, um die Qualitätssicherung und die Erfassung von Wissen zu gewährleisten.
Beobachtbarkeit als Befähigung: Ingenieure konzentrieren sich nun darauf, den Agenten mit Traces (Tracing) und Beobachtbarkeitstools auszustatten und ihm Selbstheilungsfähigkeiten zu verleihen, anstatt Fehler selbst zu beheben.
Erfahrungsdestillation: Erfahrene Entwickler kodifizieren ihr implizites Wissen in Skill-Dokumenten und Tests und betten es so in den Systemkontext ein.
Zukunft der Branche: Ghost-Bibliotheken und Internalisierung von Abhängigkeiten
Ryan stellte eine provokante Vision vor: Da die Token-Kosten gegen Null tendieren, könnten Software-Abhängigkeiten verschwinden.
„Ghost Libraries“: Entwickler müssen lediglich eine hochpräzise Spezifikation definieren, woraufhin der Agent diese lokal rekonstruiert und implementiert.
Internalisierung von Abhängigkeiten: Bei Drittanbieter-Bibliotheken mittlerer bis geringer Komplexität kann der Agent diese direkt in das Repository einbinden, dabei überflüssigen Code entfernen und einen vollständig in sich geschlossenen Tech-Stack schaffen.
Fazit: Vom Copiloten zum autonomen Teamkollegen
Laut dem Frontier-Team von OpenAI wird die zukünftige Softwareentwicklung eher auf die Lesbarkeit für Agenten als auf menschliche Gewohnheiten optimiert und die gesamte Codebasis entsprechend umstrukturiert. Wenn Agenten den gesamten Lebenszyklus verwalten – vom Schreiben des Codes über die CI-Bereitstellung bis hin zur Produktionsüberwachung –, werden menschliche Ingenieure vollständig in die Rolle des „Hüters“ der Systemarchitektur wechseln.
Verwandter Artikel
Ctrip Business Travel stellt ein KI-Ökosystem mit 7 Branchenagenten und 17 Kernfunktionen vor
Ctrip Business Travel hat offiziell das „Ctrip Business Travel AI Ecosystem“ vorgestellt, das mithilfe großer Sprachmodelle das Reisemanagement von Unternehmen grundlegend neu gestaltet. Dieses umfass
Stripe übernimmt OpenRouter – Routing auf Basis von KI-Modellen gewinnt an Dynamik
Stripe hat die Übernahme von OpenRouter vereinbart, einer Plattform für das Routing von KI-Modellen, die Entwicklern über eine einzige Schnittstelle Zugriff auf Hunderte von Modellen bietet. Durch die
Der ehemalige OpenAI-Forscher Barrett Zoph kehrt zu Google zurück, um die Entwicklung von Gemini voranzutreiben
Barret Zoph, der zuvor aufgrund von Meinungsverschiedenheiten mit Miriam Mularati, der Geschäftsführerin von Thinking Machines Lab, überraschend das Unternehmen verlassen und zu OpenAI gewechselt war,
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)

Ryan Lopopolo, Ingenieur bei OpenAI, veröffentlichte kürzlich einen ausführlichen Artikel mit dem Titel „Harness Engineering“, in dem er detailliert beschreibt, wie stark sich die internen Teams auf Codex stützen. Aus diesem Experiment entstand eine „Geisterbibliothek“ namens Symphony, die ein neues Paradigma in der Softwareentwicklung begründete.
Kernexperiment: Die Vorgabe „Keine manuelle Programmierung“
Ryan legte zu Beginn des Experiments eine drastische Einschränkung fest: Es durfte niemals manuell Code geschrieben werden.
Von der Frustration zum Durchbruch: Anfangs hatte das Modell Schwierigkeiten mit komplexer Logik, wodurch die Entwicklung zehnmal langsamer verlief als bei menschlicher Arbeit.
Weiterentwicklung der Tools: Damit der Agent selbstständig arbeiten konnte, entwickelte das Team ein hochentwickeltes
Exponentielle Effizienzsteigerungen: Mit der Verbesserung von Modellen wie
Wichtige Taktiken: Die Build-Zeit unter „einer Minute“ halten
Bei
Innerer Regelkreis: Das Team baute das Build-System iterativ neu auf (von Makefile über Bazel bis hin zu Nx) und hielt die Build-Zeiten strikt unter 1 Minute.
Logische Zerlegung: Wenn sich die Builds verlangsamten, teilte der Agent den Build-Graphen automatisch in kleinere Teile auf, bis die Komplexität unter den Schwellenwert fiel, wodurch der Fokus des Agenten erhalten blieb.
Paradigmenwechsel: Menschen werden zum Engpass bei der PR-Prüfung
Da sich Code leicht parallelisieren ließ, war die Aufmerksamkeit der Menschen die eigentliche knappe Ressource.
Überprüfung nach dem Merge: Das Team automatisierte die Überprüfungen vor dem Merge und verlagerte den Großteil der manuellen Überprüfung auf die Zeit nach dem Merge, um die Qualitätssicherung und die Erfassung von Wissen zu gewährleisten.
Beobachtbarkeit als Befähigung: Ingenieure konzentrieren sich nun darauf, den Agenten mit
Erfahrungsdestillation: Erfahrene Entwickler kodifizieren ihr implizites Wissen in Skill-Dokumenten und Tests und betten es so in den Systemkontext ein.
Zukunft der Branche: Ghost-Bibliotheken und Internalisierung von Abhängigkeiten
Ryan stellte eine provokante Vision vor: Da die Token-Kosten gegen Null tendieren, könnten Software-Abhängigkeiten verschwinden.
„Ghost Libraries“: Entwickler müssen lediglich eine hochpräzise Spezifikation definieren, woraufhin der Agent diese lokal rekonstruiert und implementiert.
Internalisierung von Abhängigkeiten: Bei Drittanbieter-Bibliotheken mittlerer bis geringer Komplexität kann der Agent diese direkt in das Repository einbinden, dabei überflüssigen Code entfernen und einen vollständig in sich geschlossenen Tech-Stack schaffen.
Fazit: Vom Copiloten zum autonomen Teamkollegen
Laut dem Frontier-Team von OpenAI wird die zukünftige Softwareentwicklung eher auf die Lesbarkeit für Agenten als auf menschliche Gewohnheiten optimiert und die gesamte Codebasis entsprechend umstrukturiert. Wenn Agenten den gesamten Lebenszyklus verwalten – vom Schreiben des Codes über die CI-Bereitstellung bis hin zur Produktionsüberwachung –, werden menschliche Ingenieure vollständig in die Rolle des „Hüters“ der Systemarchitektur wechseln.
Ctrip Business Travel stellt ein KI-Ökosystem mit 7 Branchenagenten und 17 Kernfunktionen vor
Ctrip Business Travel hat offiziell das „Ctrip Business Travel AI Ecosystem“ vorgestellt, das mithilfe großer Sprachmodelle das Reisemanagement von Unternehmen grundlegend neu gestaltet. Dieses umfass
Stripe übernimmt OpenRouter – Routing auf Basis von KI-Modellen gewinnt an Dynamik
Stripe hat die Übernahme von OpenRouter vereinbart, einer Plattform für das Routing von KI-Modellen, die Entwicklern über eine einzige Schnittstelle Zugriff auf Hunderte von Modellen bietet. Durch die
Der ehemalige OpenAI-Forscher Barrett Zoph kehrt zu Google zurück, um die Entwicklung von Gemini voranzutreiben
Barret Zoph, der zuvor aufgrund von Meinungsverschiedenheiten mit Miriam Mularati, der Geschäftsführerin von Thinking Machines Lab, überraschend das Unternehmen verlassen und zu OpenAI gewechselt war,











