
2025 年底,OpenAI 公開了一段實務的工程案例:
一支由 4 名工程師組成的團隊,在短短 28 天內完成從 0 到上線的 Sora Android App,而約 85% 的程式碼由 AI 智能體 Codex 自動生成。
這不是學術實驗、也不是概念 Demo,而是一款正式商用產品:
- 上線當日登上 Google Play Store 榜首
- 安卓用戶在 24 小時內生成超過 1,000,000 條影片
- 實現 99.9% 無崩潰率 的高品質交付
本文以工程視角全方位拆解這次 AI × 軟體開發的實際運作方式,以及對未來開發流程的深度啟示。
一、Sora Android 開發關鍵統計與成果


這次開發的核心數據如下:
| 指標 | 數值 |
|---|---|
| 開發期間 | 2025/10/08 – 2025/11/05(28 天) |
| 開發人員 | 4 位工程師 |
| AI 參與 | Codex 負責約 85% 程式碼實作 |
| Token 用量 | 約 50 億 tokens |
| 內部版本交付 | 18 天完成 |
| 公測發布 | 10 天後正式上線 |
| 無崩潰率 | 99.9% |
官方指出,他們採用的正是對所有開發者開放使用的 GPT-5.1-Codex 版本,並非內部封閉模型。
二、精簡團隊+AI 協作:效率的真諦
在發展 Sora Android 時,OpenAI 並未如傳統擴大人力,而是選擇與 AI 密切協作。這背後反映了一個核心理念:
「添加更多工程師並不一定使專案更快完成。」
這正是 Brooks 定律(Brooks’ Law)在現代 AI 開發場景下的另一種展現。
一般情況下,工程團隊會:
- 增派人力
- 加上更多流程與同步機制
但這會提升溝通與集成成本;反而 OpenAI 反其道而行:
固定小隊 × AI 智能體 = 高密度協作效率。
三、將 Codex 當成「資深工程師」而非工具
OpenAI 將 Codex 的定位比喻為:
「剛加入但能力強大的資深工程師。」
這一定位意味著:
- 人類工程師主要負責 決策、架構、整體把控
- Codex 則負責 大部分實作、單元測試、自動修正建議
工程師給 Codex 的不是單純指令,而是:
- 專案上下文
- 架構模式
- 既有程式庫與規範
這樣 Codex 才能在大尺度任務中「知道什麼是該做的」。
四、AI 的限制:為什麼人類仍無可取代
儘管 Codex 很強,但它不能:
- 感知實際執行狀態 — 它無法在真機上感受交互是否流暢。
- 推測隱性規範/優雅架構 — 若無明確指示,它會選擇「能跑」而非「最潔淨」的實作方式。
- 自行學習產品策略與使用者行為 — 需人類提供導向與框架。
因此,在開發流程中必須建立:
- 明確的 AGENTS.md 指南
- 模組化架構
- 測試與程式風格規範
才能確保 AI 產出的品質與團隊一致。
五、Codex 的強項:實作、測試與平行協作
Codex 在以下方面表現尤為突出:
✅ 大型代碼庫解析能力
因為熟悉多種語言,能快速理解現存架構與模式。
✅ 測試產出密度大
Codex 熱衷生成不同情境的測試,有益於防止回歸 Bug。
✅ 反饋效率高
CI Fail 時直接把 log 給 Codex ,它能提出修復建議。
✅ 多會話平行實驗
多個 Codex 會話可同時測試不同模組,如播放功能、搜尋、錯誤處理等。
✅ 提供設計與優化建議
在設計記憶體優化等議題時,Codex 可掃描 SDK 並提出人類未曾深入的見解。
六、先規劃再執行:AI 開發的黃金流程
OpenAI 採用了如下流程:
- 先讓 Codex 讀懂現有系統
- 與工程師一起制定計畫(如微型設計文件)
- 逐步讓 Codex 執行計畫
- 針對計畫而非代碼進行 Code Review
這種方法讓:
- 長任務可跨 session 延續
- Review 更有依據
- 出錯時可先檢查計畫再檢查執行結果
讓 AI 的「無監督運作」變得更可控。
七、跨平台開發的 AI 超能力
OpenAI 在 Sora Android 的開發中充分利用了:
- 已有 iOS 版本作為「語義參考」
- 同時提供 iOS 與 Android 程式碼上下文
Codex 能將:Swift 的應用邏輯 → 對應的 Kotlin 實現
這意味著:
AI 不再只是工具,而是跨平台邏輯遷移的橋樑。
八、工程師的未來新技能
這次經驗帶來的核心結論是:
AI 不會取代工程師,但會重塑工程師的工作內容
未來工程師的價值:
- 深刻理解系統架構
- 精確定義工程規範
- 與 AI 長期協作與監督
- 將注意力從打字轉向決策與品質
未來趨勢/實務建議
- AI 協作流程制度化
- 建立 AI Friendly 的程式庫與風格規範
- 可重複的 AI 任務模板與 AGENTS.md
- 工程師技能升級
- 從寫程式轉向架構與設計能力
- 強化測試、品質與產品感知能力
參考資料
- OpenAI 官方工程師部落格:How we used Codex to build Sora for Android in 28 days
- Ars Technica 報導摘要:How OpenAI is using GPT-5 Codex to improve the AI tool itself




