虎科技 搜索

OpenAI搭建性能工厂,让AI代理自动诊断系统故障

来源:互联网编辑:瑞雪

11月19日,OpenAI在官方推文中介绍,Codex除了参与ChatGPT的开发,也开始承担让ChatGPT运行更顺畅的任务。用户遇到对话中断或图片加载失败时,后台可能已经有一个AI代理在定位原因。

这套内部系统被称为“性能工厂”。当线上服务变慢或出现报错,监控告警会触发任务单,Codex随后接手排查,提出修复建议,并在修复上线后继续观察指标是否恢复。若仍未恢复,调查会回到重新分析环节。

性能压力与更新节奏有关。到2026年2月,ChatGPT每周使用人数已超过9亿;2025年10月,OpenAI披露使用Codex的工程师每周合并的代码变更请求增加了70%。功能不断上线,每次都会从同一份速度预算中占用一部分,单次影响不大,累积后却可能形成明显卡顿。

在具体流程中,Codex先确认哪些指标发生变化、变化从何时开始,再查阅代码、日志和请求链路,检查CPU与内存使用情况。若同一问题触发多条告警,它会合并信息并排列优先级,同时起草修复方案交给工程师审核。过去三个多月,性能工厂处理了1700多次故障调查,平均每天启动17次,其中600多起问题找到了根因。

这套流程并非一开始就自动运行。早期性能团队依靠人力排查,积累了30多个专用工具;后来工程师让Codex协助翻查数据,再由人解读结果;再往后,团队把排查经验整理成可复用技能,Codex收到告警后便能按步骤生成诊断。随着调查量增加,工程师把告警直接接入Codex,报告自动发送到Slack,任务单由多个代理逐站处理,性能工厂由此成形。

AI诊断的可信度仍需要约束。OpenAI曾抽查100条根因判断,其中70条准确,其余部分要么分析不足,要么证据不够。早期代理容易抓住第一个看似合理的解释就结束调查。为此,OpenAI加入对抗性审查:让一个独立的Codex专门尝试推翻前一个Codex的诊断。

官方博客记录过一次被审查员拦下的判断。当时一批ChatGPT对话连续失败,调查代理发现图片下载出错后便认定已找到原因;审查代理却注意到,负责定位文件的内部服务早已恢复正常,而图片请求仍在报错,于是这份诊断被打回重查。修复方案也要经过类似审查,确认是否对准根因,以及是否可能引入新问题。

即便通过审查,修复也不能直接上线。OpenAI规定每个方案必须由工程师审核确认。原因在于,部分选择涉及产品取舍,例如增加缓存可以提升响应速度,却可能让用户看到过期内容。AI能计算延迟变化,却无法替代人判断体验优先级。代码上线后,代理继续盯着指标,直到恢复后才结案。

安全方面,这些代理使用独立服务身份运行,权限设有边界,每个动作都能追踪到具体AI。除被动响应故障外,OpenAI还有主动巡检的专项代理,持续关注CPU、内存、网络请求和数据库查询,寻找性能优化空间。这些代理以团队中擅长相应领域的工程师命名,例如Ben代理和Brendan代理,把顶尖工程师的经验转化为全天候运行的自动程序。

内容已过时效,如需查阅请联系编辑

相关阅读

全部频道

Copyright © 2010-2026 虎科技 HUKEJI.COM

鲁ICP备11015305号-21