从写代码到编排智能体：如何用 Codex 构建一个「代理型组织」

Sat, 06 Jun 2026 09:00:00 +0800

一个让人意外的场景

想象一下这个画面：一家服务银行和保险公司的全球软件企业，法务部门拿着几千页合同走进会议室，要求工程团队按特定标准做合规审查。按照传统流程，光是法务和工程师之间的需求对齐就要花上几周时间，反复开会、写文档、确认理解偏差。

但现在，他们做了一件不一样的事。团队录下了和法务长达两小时的深度讨论，把录音转写稿直接丢给 Codex。几个小时后，一份完整的需求规格书就生成了。几周的工作被压缩到了一天之内。

这不是某个黑客的个人实验，而是 Endava 这家在全球三个大洲都有业务的软件服务商，正在规模化推行的工作方式。他们甚至给自己贴上了一个新标签：「代理型组织」（Agentic Organization）。

这个词听起来像是又一个企业 buzzword，但 Endava 的定义很具体。代理型组织的核心理念是：把资深专家的判断力编码到 AI 代理中，让这种判断力在每个任务执行时自动流动到团队成员手上。

用大白话说，以前一个高级架构师的隐性知识（他为什么选择这个方案、他如何评估风险、他怎样做技术取舍），只能通过师徒制、代码审查、一次次项目复盘慢慢传递给 junior 工程师。现在，这些知识被结构化地写进了 Codex 的配置里，每次 Codex 执行任务时都会自动应用。

Endava 的欧洲区域 CTO Joe Dunleavy 说得很直白：「我们从自己写代码，转变成了监督 Codex 产出的工作质量。」

这个转变意味着什么？高级工程师不再把时间花在敲键盘上，而是花在定义标准和约束上。分析、设计、构建不再是三个依次交接的阶段，而是被 Codex 打包成一个统一的工作流。

Endava 的转型不是一夜之间发生的。他们经历了一段有意识的基建过程，以下是他们总结出的六个核心步骤。

这一步看似基础，但做好了才能让后续所有工作顺畅运转。在 ChatGPT 的 Codex 侧边栏里授权 GitHub 访问后，Codex 每次接任务都会把仓库克隆到一个隔离的云端沙箱里，外网访问是关闭的。这种隔离机制让它可以安全地拥有较宽的权限，因为每次运行都在独立环境中，不会影响你的生产系统。

如果你用的是 CLI 版本，建议从 suggest 模式开始（Codex 提出修改建议，你手动应用），等验证了它在你的技术栈上的判断力后，再逐步升级到 full-auto 模式。

AGENTS.md 是放在仓库根目录的 Markdown 文件，Codex 在每次会话开始时会先读取它，然后才开始处理任务。把它想象成你给一个通宵加班的外包同事写的交接文档：项目目标是什么、怎么构建和测试、有哪些已知的坑、架构决策背后的理由。

这里有两个容易踩的坑：

第一，自己写，不要让 Codex 自动生成。 苏黎世联邦理工学院的研究发现，在 8 个测试场景中，有 5 个场景里 LLM 自动生成的 AGENTS.md 反而降低了任务成功率，推理成本还增加了 20% 到 23%。人工编写的配置文件效果更好。