OpenAI 用 GPT-6 维护代码库：两周删掉 80 万行的一手实践

原创

一个不正经的黑客
一个不正经的黑客

一个不正经的黑客

2026年10月16日 19:34
广东

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

工程实践 · AI ENGINEERING

OpenAI 用 GPT-6 维护代码库：两周删掉 80 万行的一手实践

GPT-6 Astra / GPT-6.1 Sol · Codex

1400+ PR · 删 800k 行 · 镜像瘦身 48%

一句话结论

OpenAI 官方博客披露了 Core Experimentation 团队用 GPT-6 系列维护代码库的完整做法：几个提示词，两周合并 1400 多个清理 PR、删除超过 80 万行代码、把一个服务的容器镜像砍掉 48%。

值钱的不是模型本身，而是写进提示词里的取证标准和小步验证再放大的落地路径。

一清理死代码：一句故意写得很模糊的提示词

在 agentic coding 之前，查死代码靠静态分析加运行时日志，边界情况太多——反射会干扰静态分析，一条没人调的路径可能是留着救火用的，误删事故谁都遇到过。

GPT-6 Astra 发布后，团队直接测试了一个故意写得很模糊的请求，连拼写错误都没改：

●●●提示词 · 清理死代码（GPT-6 Astra）

帮我找出并清理仓库里的死代码。可以随意查看 Slack、

Statsig（我们用的功能开关和实验平台）或任何需要的来源，

确认这些东西确实不再被使用、可以清理或简化。

Astra 自己处理了模糊性：

翻过去的 PR、从 Slack 讨论串里找上下文、查内部项目跟踪器，还读了生产环境的性能分析表，确认待删的代码行从未被执行。

每次删除都在 PR 里给出理由，评审跟着快了。

五位工程师在多个代码库里跑这个提示词的变体，两周、兼职，合并了 1400 多个 PR，删掉超过 80 万行代码。

附带收益：

一个服务的容器镜像从 3.31GB 压到 1.72GB，少了 48%；另一组清理从测试套件里移除了约 400 个视觉快照变体。

工程点评

关键不在模型够不够聪明，而在删除动作被绑在证据上。

提示词没列任何文件清单，只给了一条规则：

确认生产零调用才准动手。

Astra 自己去 Slack 和 profiling 表里取证，等于把「敢不敢删」这个最怕出错的判断，换成了「有没有证据」这个可以评审的事实。

静态分析做不到的不是找候选，是取证。

二过期实验与功能开关：更难啃的骨头

清理过期实验比删死代码难：

代码可能还在生产里跑，资格评估随时在变，静态分析更难下结论。

团队过去的做法是确定性静态分析加数据库查询，用 GPT-5.6 Sol 写和维护脚本——假阴性一堆。

这次他们让 Astra 参与头脑风暴，提示词本身就是 Astra 帮忙写的。

第一版只扫两个项目：

●●●提示词 · 清理过期实验（GPT-6 Astra）

在项目 {A} 和 {B} 中，找出与陈旧的、已常量化的 Statsig 开关/配置、

或被放弃实验相关的大块死代码并移除。核实线上 Statsig 配置，

检查 git 历史和重叠的 PR。保持生产行为、运维保护手段，

以及作为 killswitch 之类用途的开关/配置不动。忽略 SDK 兜底和本地覆盖值。

每个清理单独提一个小草案 PR，在摘要里附上对应的 Statsig 配置控制台链接。

担心清理项太多排不出优先级，Astra 自己建议了第二版，把扫描范围扩到整个代码库：

●●●提示词 · 全库审计（GPT-6 Astra）

/goal 找出整个仓库中所有陈旧、常量化、已废弃或已全量上线、

且可以在不改变生产行为的前提下安全移除的 Statsig 开关、配置、实验和 layer。

审计所有 Statsig 项目和清单，不限于被标记为陈旧的对象。

通过枚举、常量、包装函数、别名、schema、动态拼接的名称和跨服务调用方

寻找间接引用。核对每一个被生产引用的常量，不要给出保守清单就停手。

评估每个对象的云资源占用（包括 CPU），有生产遥测和 profiling 数据

就用来找出昂贵的无用判断。

【此处省略：Astra 生成的详细指令，涉及验证生产行为、优先处理老对象、

保留有意设置的保护手段、如何理解 SDK 兜底。】

生成一份 Markdown 报告，把所有验证过的候选按归属和文件

分成可并行处理的工作流，附上生产取值、证据、负责人、调用点

和观测到的评估/CPU 开销。不要修改线上配置或服务。

报告直接可用：

Astra 给每个过期实验算了 CPU 成本，排名最前的是多年没人认出来的过期实验。

完整清理移除了数百个实验和功能标志。

有个典型案例。

几年前一位工程师建了个 Statsig 标志，允许内部开发者一键覆盖某个新功能相关的所有其他标志，方便测试。

实现只有一行 Python，把一个标志映射到所有功能，藏在几百个类似映射里。

Astra 发现这行造成了明显的 CPU 扇出——但它同时看到这个标志在控制台里被标为 Permanent，可能有运营用途，于是只交证据，留给人工评审。

评审后移除，给主要受影响服务省下约 0.42% CPU。

工程点评

提示词是 Astra 参与写的、审计范围是它建议扩的——agent 开始参与流程设计。

更该看的是它的克制：

标了 Permanent 的标志它不动手，只交证据。

这个边界不是模型自发有的，是提示词里「保留 killswitch、不改线上配置」这类条款喂出来的。

安全条款写得多具体，agent 的胆子就有多准。

三成本对比：便宜模型够不够用

团队随后在相同提示词下对比了不同模型和努力程度，审计一个仓库的特定子目录——超过 6000 个文件、100 万行代码，覆盖 Python、TypeScript、Go 和 Rust。

成本按标准 API 定价算，包含研究子代理和 Codex 为达成目标自动跑的后续轮次。

GPT-6.1 Sol Ultra 用 14% 的成本拿到了 Astra Ultra 92% 的发现。

漏掉的主要是被其他标志当作依赖的常量标志——Astra 能认出来，Sol 会漏。

摸清这类错误模式就能写纠正提示，把便宜模型拉到接近贵模型的水平；但新模型一发布，纠正提示可能就过时了，提示词要跟着模型换代重审。

四另外三个可以直接抄的提示词

官方建议先用 GPT-6.1 Sol Medium 试，结果有前景再提高努力程度做更大范围的审计。

●●●提示词 · 减轻 CI 负载（GPT-6.1 Sol Medium）

对减轻这个仓库的 CI 负载有什么想法？把想法列成表格，

根据本仓库的历史运行记录，按每天预估节省的 CI 分钟数排序。

●●●提示词 · 修不稳定测试（GPT-6.1 Sol Medium）

/goal 查看所有最近的 CI 运行记录，找出偶发失败的测试。

对每个不稳定测试尝试修复，成功就提 PR。

你的任务是针对简单问题找到明确的修复方案，

不是穷尽修复所有不稳定测试。

●●●提示词 · 给 AGENTS.md 做自检（GPT-6.1 Sol Medium）

翻一下我最近的 Codex 会话记录，找出一条误导了 agent

或导致无效工作的 AGENTS.md 指令。选出当时的那条会话提示词，

用相同的仓库快照和模型重放两次：一次保持现有 AGENTS.md 指令不变，

一次只移除或修正这一条指令。对比任务质量、agent 行为、工具调用、

token 消耗、运行时间和成本。展示这条指令，并说明修改是否有效。

第三条最讲究：

同一仓库快照、同一模型、同一个会话重放两遍，只改一条指令，对比质量和成本——等于给 AGENTS.md 做 A/B 测试。

CI 那组提示词最后落地了约 30 个优化 PR：CI 完成时间中位数从约 10 分钟降到 4.5 分钟，P90 从 12.5 分钟降到 6 分钟。

后续一个修复里，补上一个缺失的 mock，把一个 63 个测试的 resolver 套件从 592.6 秒压到 29.8 秒——少了 95%，63 个测试一个没删。

五落地路径：从小处着手，评审，再放大

团队累计合并了超过 1400 个源自 GPT-6 提案的维护 PR。

但文章也明说：

有些提案增加的复杂度超过收益，优先级排序和度量仍是工作流的一部分。

官方给的路径是：

从一个小维护任务开始（死代码、过期标志、不稳定测试都行）→ 让 Codex 找一个实例、收集证据、提一个小草案 PR → 在小任务上对比不同模型和努力程度 → 小范围验证成功后扩到子目录或范围明确的项目 → 每一步把评审反馈喂回下一个提示 → 对模型表现有信心了，再扩到整个代码库。

六工程点评：值钱的不是提示词，是流程

这篇披露最值钱的部分不是模型跑分，而是一套能复制的工程纪律：删除必须有生产证据，清理必须保留救火开关，便宜模型够不够用拿对照实验说话。

提示词本身会过时——文章自己承认新模型发布就要重审提示词——但取证标准和评审纪律不会。

另一个信号在过程层面：

提示词由 agent 参与撰写、清理范围由 agent 建议扩大，人退到了评审位。

这不是「AI 写代码」的故事，是AI 开始接管维护流程的开端。

OpenAI 把提示词原文公开，本身就是在给 Codex 的企业落地打样。

七读者须知

来源: developers.openai.com · GPT-6 维护实践

本文内容整理自上述公开博客，仅用于技术交流与工程实践参考，帮助读者了解 AI 编码代理在大规模代码库维护中的用法与边界。

文中提示词为公开披露的工程实践，不构成任何产品的使用建议；在自己的代码库中试用时，请先小范围验证，并保留人工评审环节。

一个不正经的黑客　·　十年信息安全老兵

© 2026 一个不正经的黑客　保留所有权利