2026 年 5 月 20 日，OpenAI 发布了一篇关于 Ramp 的客户案例。这家金融科技公司把代码审查流程重构为围绕 Codex（GPT-5.5）展开。效果立竿见影：过去需要等几小时才能拿到首轮审查反馈的工程师，现在几分钟内就能收到实质性反馈。
有意思的部分不是"AI 能做代码审查"。有意思的是 Ramp 把代码审查识别为正确的瓶颈来优化，并在这个过程中揭示了一个大多数工程团队正在忽视的模式。
所有人都看到、但没人优化的瓶颈
现代软件交付有一个管道：写代码，提交 PR，等待审查，处理反馈，合并，部署。过去两年，AI 编码工具显著加速了第一步。Cursor、Copilot、Codex、Claude Code 使得在几分钟而非几小时内生成大量代码变更成为可能。
但约束在这里：更快的代码生成意味着更多的 PR。更多的 PR 意味着更多的审查负担。更多的审查负担意味着更长的等待时间。管道的吞吐量没有提升，只是把排队从一个阶段转移到了另一个阶段。
Ramp 的工程团队意识到了这一点。负责 AI 开发者体验的 Austin Ray 观察到，工程师写代码更快了，但仍然要等好几个小时才能拿到有意义的反馈。瓶颈已经不是代码生产，而是代码审查。
这是一个教科书般的案例，一个适用于软件之外的原理：在任何管道中，系统的吞吐量由最慢的阶段决定。优化瓶颈以外的任何阶段只会制造库存（未审查的 PR），而不会改善交付速度。工程师写代码写得更快了，结果只是等更久让人来读。
Ramp 实际做了什么
Ramp 把 Codex（GPT-5.5）集成到他们的审查工作流中。结构性的变化比具体的技术细节更重要。
引入 Codex 之前，审查流程是：开发者提交 PR，等待人类审查者有空，审查者读完整个 diff，给出反馈，开发者迭代。总周期时间主要由等待人类注意力主导，而非审查本身。
引入 Codex 之后，流程变成：开发者提交 PR，Codex 立即基于完整代码库上下文进行彻底审查，开发者收到并处理自动反馈，然后人类审查者聚焦于 Codex 无法评估的架构和业务逻辑问题。
结构性的洞见在于 Codex 并没有替代人类审查者。它过滤了审查工作负载。通过处理机械性问题、风格违规、潜在 bug 和一致性检查，Codex 释放了人类审查者，让他们聚焦于判断密集型的工作。约束从"我们能多快读完所有这些代码"转移到"我们能多快对这段代码做出好的架构决策"。
Austin Ray 的评价很直接："Codex 的代码审查能发现我遗漏的东西，其他工程师遗漏的东西，以及其他 AI 代码审查工具肯定遗漏的东西。"关键句是"发现我遗漏的东西"。这不是关于替代人类注意力，而是用另一种注意力来补充它，一种能在数千行代码中保持完美一致性的注意力，同时人类审查者聚焦于真正需要判断的部分。
On-Call Agent：瓶颈再次转移
Ramp 没有止步于代码审查。Ray 用 Codex 构建了一个内部工具叫 On-Call Assistant，一个处理 on-call 值班负担的 Agent：调查事故、关联事件、在复杂的分布式系统中追踪根因。
Ray 描述这个挑战："大量的复杂性，包括并发 bug、内外部事件的平衡、长时间的事故调查。"他对 Codex（GPT-5.5）在这个任务上的表现评价是"它处理起来毫不费力"。
这就是瓶颈原理的持续运作。一旦你消除了代码审查这个约束，下一个约束就会出现。对 Ramp 来说，是 on-call 事故响应。工程团队已经看到 AI 能处理结构化的、上下文密集的任务比如代码审查，on-call 调查是一个自然延伸：它需要读日志、关联事件、形成假设，所有这些任务中，穷尽性覆盖比创造性洞察更重要。
这个模式值得注意：每次你优化一个瓶颈，下一个就变得可见。那些只为代码生成采用 AI 工具但到此为止的团队，会发现他们的交付管道被下一个最慢的阶段约束。获得最大价值的团队，是那些持续识别和解决约束的团队。
Ramp 的三个实践教训
Ramp 的经验为考虑采用 AI 的工程团队提供了三个实用教训。
在第一次会话中展示价值。 Ray 的建议："让工程师安装 Codex，和他们坐下来，引导他们完成一次真正扎实的首次会话。"这不是关于培训，而是关于在怀疑情绪建立之前创造一次正面体验。被过度炒作的 AI 工具伤过的工程师不会投入时间学习新工具，除非第一次交互就有说服力。一次好体验胜过任何文档。
通过迭代建立信任，而非通过命令。 "大多数工程师并不完全理解或信任他们会有好的体验，"Ray 观察。"通过引导他们完成第一次体验，你改变了他们的看法。"自上而下的 AI 工具采用命令之所以失败，是因为它们跳过了信任建立阶段。最有效使用工具的工程师是那些自己发现其价值的人，有引导但没有强迫。
投资与供应商的反馈闭环。 Ray 强调 Ramp 直接与 Codex 团队合作反馈："那个反馈闭环才是值得投资的供应商关系。"这是一个以采购为中心的组织经常遗漏的要点。AI 工具的价值不是静态的。它随着反馈而改进。把 AI 工具当作成品的团队，错过了主动参与带来的复利回报。
更大的图景：审查者变成编排者
Ray 的前瞻性观察值得关注："工程师会变成编排者。技能不再是亲手写每一行代码，而是知道如何引导 Codex 这样的 AI 工具，什么时候信任它们，什么时候质疑它们。"
这是对角色转型的描述：从个人贡献者到 AI 能力的管理者。过去需要逐行阅读 diff 的审查者，现在阅读 AI 标记的内容，评估标记是否正确，并对整体变更做架构决策。过去花几小时追踪日志的 on-call 工程师，现在审查 AI 的调查结果，决定把人类注意力聚焦在哪里。
变得更值钱的技能是判断力：知道 AI 什么时候是对的，什么时候是错的，以及人类注意力最需要投在哪里。变得更不值钱的技能是机械性的穷尽：逐行阅读、检查每条规范、追踪每条日志条目。每当自动化进入一个行业，都会发生同样的转型。工作不会消失，它上移到了更高的抽象层。
FAQ
OpenAI Codex 是什么？
Codex 是 OpenAI 的 AI 编码 Agent，由 GPT-5.5 等模型驱动。它可以读代码、写代码、审查 PR，并在沙箱环境中执行多步骤工程任务。
Ramp 如何用 Codex 做代码审查？
Ramp 把 Codex（GPT-5.5）集成到审查工作流中。PR 提交时，Codex 基于完整代码库上下文立即进行彻底审查，在几分钟内提供实质性反馈，而非人类审查通常需要的小时级等待。
Codex 替代了 Ramp 的人类代码审查者吗？
没有。Codex 处理机械性审查任务（风格、一致性、潜在 bug），释放人类审查者聚焦于架构决策和业务逻辑。结构性变化在于审查工作负载的分配方式，而非移除人类判断。
Ramp 的 On-Call Assistant 是什么？
Ramp 工程师用 Codex 构建的内部工具。它自动化 on-call 值班期间的大部分事故调查工作：读日志、关联事件、在分布式系统中追踪根因。
Ramp 使用的 Codex 用的什么模型？
Ramp 使用由 GPT-5.5 驱动的 Codex，OpenAI 针对编码任务优化的最新推理模型。
其他团队如何复制 Ramp 的方法？
从识别你实际的交付瓶颈开始。如果代码审查是约束，引入 AI 审查来处理机械性检查，让人类审查者聚焦于判断。然后测量瓶颈是否移动了。在管道的错误阶段采用 AI 工具产生的是忙碌而非改进。
参考资料
- OpenAI. "How Ramp engineers accelerate code review with Codex." 2026 年 5 月 20 日. https://openai.com/index/ramp/
- OpenAI. "Introducing Codex." https://openai.com/index/introducing-codex/
- OpenAI. "Running Codex Safely at OpenAI." https://openai.com/index/running-codex-safely-at-openai/
- Ramp. https://ramp.com