IT资源栈近日，技术社区Linux.do的一篇帖子引发了关于AI自主编程能力的关注。一位开发者分享了其使用名为“codex-autoresearch”的技能对某开源项目进行代码审计的实战记录。根据系统右下角的计时显示，该任务已经持续运行了1天9小时（约33小时）且当时尚未结束。据悉，该技能托管于GitHub，其核心理念是构建一个由Codex驱动的、自导向的迭代系统。该系统受知名AI专家Andrej Karpathy的“autoresearch”概念启发，旨在实现无限循环的自动化工作流。其运行机制主要包含四个关键步骤：修改代码、验证结果、保留或丢弃更改，然后无限重复这一过程，直到达到预设目标。此次实验不仅展示了AI在长时间复杂任务中的稳定性，也揭示了AI智能体从简单的“对话助手”向能够独立执行复杂、长期任务的“自主代理”进化的趋势。通过将代码审计这一需要高度专注和细致排查的工作完全交给AI，该案例为自动化软件工程和安全审计提供了新的实践参考，同时也引发了业界对于AI运行成本、Token消耗以及长周期任务结果可靠性的进一步思考。
事件分析
此次事件标志着AI智能体在软件开发领域的应用正在从单一的代码补全向复杂的自主决策转变。33小时的持续运行证明了当前AI模型在处理长周期任务时具备了一定的上下文记忆和状态管理能力，这突破了传统对话式AI的交互时长限制。从技术角度看，这种“修改-验证-迭代”的闭环模式是实现自动驾驶级别AI的关键路径。在代码审计领域，AI能够不知疲倦地扫描漏洞，理论上能发现人类容易忽略的隐蔽错误，这将极大提升软件供应链的安全性。然而，长时间的无人值守运行也带来了对API成本控制和AI幻觉累积风险的担忧，未来如何对这类自主Agent进行有效的“人机回环”监督将成为技术落地的核心挑战。
💡 核心观点：AI智能体已具备执行超长周期复杂任务的能力，软件开发的未来正从“辅助生成”迈向“自主托管”，全自动代码审计时代或将提前到来。
原文链接：Linux.do
评论前必须登录！
立即登录 注册