OpenAI 工程师 Rodrigo Roim 在 X 上分享了一段对比：几个月前，他用 Codex 清理死代码，还得明确告诉模型去哪个位置找；现在，Codex 会自己去 Slack 里找候选，对照生产遥测核实，然后起草清理用的 PR。

成果是一组实打实的数字：五个工程师利用业余时间跑了两周，合并 1400 多个 PR，删掉 80 多万行代码。其中一个服务的容器镜像从 3.31GB 降到 1.72GB，缩小 48%。

细节来自 OpenAI 开发者博客 10 月 14 日发布的文章《Maintaining software with the GPT-6 family》。作者在 Core Experimentation 团队，负责支撑公司内部的各种实验，从前端改版到模型服务效率。

死代码：从"指定位置"到"自己找证据"

在编码智能体普及之前，团队清理没人用的代码，靠静态分析系统加运行时日志。这套办法有两个坑：反射之类的动态用法会让静态分析失准；有些代码路径看着没人走，其实是留着给未来故障兜底的开关。

GPT-5.6 Sol 进入 Codex 之后，做法变成：指定一块区域，给出验收标准，让模型自己写静态分析、自己删死代码。按需写出来的分析脚本，维护成本比通用静态分析系统低，可靠性差不多。

换成 GPT-6 Astra，提示词反而更含糊了。作者试的第一条指令很短，原文里还带着拼写错误：

请帮我找出并清理仓库里的死代码。你可以查看 Slack、Statsig(我们用的功能开关和实验平台)或者任何你需要的信息源,确认这些代码确实不再被使用,可以删除或者简化。

这条对 GPT-5.6 Sol 来说太模糊、没法完整处理的指令，Astra 做下来了。它的动作包括：翻历史 PR，从 Slack 讨论里收集上下文，查内部项目追踪工具；读生产环境的性能剖析表，确认要删的那些行从来没有被执行过；再为每一处删除解释理由。

最后一点对评审帮助很大。删代码的难点从来不只是删，更是让人相信这些代码真的没人用——把理由和证据一起交上来，评审明显快了。

过期实验：护栏写进提示词，先出报告再动手

清死代码可以给一条含糊的指令，清过期实验不行。过期实验的代码可能还在生产环境跑，依赖随时会变的资格评估，单看代码判断不了。

第二次尝试，提示词谨慎多了：

在项目 {A} 和 {B} 中,找出并删除与过期的、恒定的 Statsig gate/config或废弃实验相关的大量死代码。核实 Statsig 的线上配置,检查 git 历史和重叠的 PR。保留生产行为、运维保障措施,以及用作 killswitch 之类用途的 gate/config。忽略 SDK 回退和本地覆盖。每个清理项创建一个小的草稿 PR,并在摘要里附上对应的 Statsig 配置控制台链接。

护栏和边界占了这条提示词的大半。什么必须保留、什么不要碰、交付物长什么样，全写在明面上。模型的任务不是删代码，而是先证明某个东西确实不再被使用。

试跑满意后，作者没有直接扫全库。他先在 Astra 开出的 PR 上逐条留评论，让它读取反馈、修正做法，再由 Astra 生成一条扫描整个仓库的新指令。新指令里加了两条约束——先产出报告，不动任何线上配置或服务；报告要按"可并行的所有权/文件工作流"分组。

报告的效果很好。每个候选项都带着证据，还标了 CPU 成本，排在前面的几项是大幅的效率收益——那些实验过期好几年了，一直没人发现。作者逐一核实了较大的几项，才执行完整清理，一共移除数百个实验和功能开关。

文章里还有一个例子：一个多年前创建的内部开关，在 Python 里的映射引发了波及很广的 CPU 开销。Astra 没有直接删——这个开关被标记为"永久"，它把决定权交回了人。评审确认可以移除后，预计为主服务省下 0.42% 的 CPU。

GPT-6 系列怎么选：一组现成的账

同一个过期实验审计任务，跑在一个 6000 多个文件、约 100 万行的仓库区域上（语言包括 Python、TypeScript、Go、Rust），结果是这样的：

简单说，GPT-6.1 Sol Ultra 找到的发现数量是 Astra Ultra 的 92%，成本只有后者的 14%。成本口径里包含了研究子代理和 Codex 的自动追问轮次，按标准 API 价格计算。

两者的差距也有具体表现：Astra 能识别出"被其他开关依赖的常量开关"，Sol 经常漏掉这一类。OpenAI 的建议是把这类失败模式写回提示词，下次补上；选择上，大范围清扫用 Sol，含糊和高风险的场景交给 Astra。

可以直接照搬的部分

这套流程依赖 OpenAI 的内部工具：Slack、Statsig、内部追踪器、生产剖析表。换个团队，证据源要换成自己的，但下面几条不依赖具体工具。

含糊地找候选，严格地定边界。让模型自己决定去哪搜、看什么；但删除的边界必须写死在提示词里——保留 killswitch（紧急情况下用来关停功能的开关），忽略 SDK 回退和本地覆盖，不碰线上配置。

先报告，后动手。大规模清理前，让模型产出带证据、分好组的报告。人只核对排在前面的几项，剩下的按组并行处理。

一个清理一个小 PR。每个 PR 只做一件事，摘要里附上证据链接，评审的人可以逐个判断。

把评审反馈喂回去。作者在 PR 上留评论，让 Astra 读反馈、改做法。提示词不是一次性的，评审意见本身就是输入。

维护工作的分工在变。过去是人指出位置、模型动手；现在是模型自己找候选、自己找证据，人负责写护栏、审证据。几个月之间，维护任务的入口从"人给位置"换成了"人给护栏"。