推荐大家去听一期Lenny's Podcast，嘉宾是OpenAI Codex的产品负责人Alexander Embiricos。

Alexander说，现在限制AGI发展的最大瓶颈，不是模型能力，不是算力，而是人类的打字速度。

就好像你有个特别聪明的实习生，他一小时能写完你一天的代码量。

但问题是，他写完之后，你得花三个小时去审核这些代码，确保没有bug，不会让生产环境崩溃。
结果你发现，瓶颈根本不在写代码这件事上，而在审核上。

这就是现在AI编程工具面临的尴尬处境。

先跟大家说一个非常震撼的案例。

Sora的安卓应用，你知道花了多久开发出来的吗？
18天做出内测版，28天正式上线，然后直接冲到App Store第一。

而且，这个项目只有2到3个工程师。
以前需要一个十几人的团队干几个月的活，现在两三个人一个月就搞定了，这背后全程都是Codex在帮忙写代码。

你可能会想，那工程师是不是很轻松？
实际情况恰恰相反。Alexander说，现在工程师反而变得更累了，因为编写代码这个过程本来是工作中最有趣的部分，现在变成了不停审核AI生成的代码。

所以，Codex团队在思考一个非常核心问题：什么才是真正的超级助手？
他们给出的答案很有意思，不是一个被动响应的工具，而是一个具备主动性的团队成员。

现在大部分AI工具的使用方式是：你想起来了，打开软件，输入需求，等它完成，然后关掉。
一天下来，你可能主动调用AI几十次。

但如果真有一个高智能的助手，这个数字应该是成千上万次。

问题来了，你不可能一天主动调用AI成千上万次，因为太累了。
所以真正的解决方案应该是让AI主动提供帮助，而不是等你来问。

Alexander用了一个特别形象的比喻，就像电子游戏里的情境交互按键，你走到一个物体旁边，按X键，角色就会自动做出正确的动作。
它不需要你说"请帮我开门"或者"请帮我捡起这个东西"，它知道在这个情境下你需要什么。

这里要说说Codex的产品策略，这个特别值得学习。

Codex最早的版本叫Codex Cloud，是个纯云端产品。
你把任务扔给它，它在云端异步处理，处理完了通知你。听起来很先进对吧？

但这个产品的使用门槛太高了，你需要配置运行环境，学习怎么写Prompt，而且全程都是异步沟通，没法实时交流。

后来团队做了个关键决策，把产品下沉到IDE和命令行里，让它直接在你的电脑上跑。

这个改变带来了什么？
首先，AI可以在沙箱环境里直接执行命令，遇到问题立刻问你，形成快速反馈循环。
其次，你在和它协作的过程中，不知不觉就完成了配置，为后续把更大的任务交给它打好了基础。

这个思路其实可以迁移到很多产品上。
不要一上来就给用户最先进的功能，先从他们最熟悉的使用方式切入，然后慢慢引导。

回到开头那个观点，为什么说人类的打字速度是瓶颈？
Alexander给出了一个清晰的逻辑链：
第一步，AI现在已经能做很多事了，但它不知道什么时候该做，需要你告诉它。
第二步，你告诉它需要打字输入Prompt，这个速度很慢。
第三步，AI做完之后，你还要验证结果，这个速度更慢。

所以真正拖慢整个系统的，不是AI的处理速度，而是人类的输入和验证速度。

那怎么解决呢？
答案是打破这个循环，让AI默认就能提供有效帮助，而不需要你每次都手动输入Prompt；让AI能自己验证工作成果，而不需要人类每次都从头检查。

OpenAI内部已经在尝试了，他们让Codex参与自身训练的应急值守。
也就是说，在模型训练过程中，不再需要人工一直盯着各种数据图表，而是让Codex持续监控，发现异常自动处理或者提醒人类。

这就是混合主动系统的雏形，人类和AI共同主导工作流程，而不是人类单方面指挥AI。

从Codex的故事里，我看到的不只是一个工具的快速增长，更是一种思维方式的转变。

或许用不了多久，我们讨论的就不再是AI能不能做某件事，而是AI和人类如何更好地协作，以及如何突破人类自身的认知和操作瓶颈。