OpenAI报告：编码代理加速科学软件构建

OpenAI近日发布了一份现场报告，追踪了八个科学计算项目，这些项目使用编码代理（包括OpenAI的Codex和Anthropic的Claude Code）来加速软件构建。报告显示，代理在五个项目中独立使用Codex，另外三个项目则结合了Codex和Claude Code。值得注意的是，这是一家供应商发布的自有产品在科研场景中的应用调查，案例由贡献者撰写。

尽管存在利益偏差，但报告指出的模式值得关注：科研软件普遍存在维护问题。为单篇论文开发的工具，由小型学术团队编码，缺乏专业工程支持，往往积累技术债务，无人承担清理责任。OpenAI认为代理可以解决这一债务，其引用的八个项目涵盖基因组学、免疫学、统计学和RNA测序等领域。

代理承担的任务大致分为三类：打包和构建系统清理、现有代码性能优化、以及完整的语言或后端移植。例如，用于读取基因组变异文件的Python库cyvcf2，其旧版构建和打包系统被替换为更统一的流程；DNA测序读段模拟器HI.SIM经过两次自主优化，在代表性测试集上运行时间减少31%，且输出不变；用于PacBio HiFi读段基因组组装的Hifiasm，在优化目标上运行时间减少25%。

在迁移方面，MHCflurry（预测T细胞蛋白片段）从TensorFlow/Keras后端迁移到PyTorch，同时保持与已发布模型权重的兼容性；bayesm-rs（R语言bayesm包的Rust移植）在单线程上运行速度提升2.3–2.7倍，八线程时达到4.4–9.5倍。此外，rustar-aligner、svb和kuva等项目涉及Rust构建，包括完整重建已失去维护的广泛使用的RNA序列比对工具STAR。RustQC将15个独立的RNA测序质量控制工具整合为单个程序，运行时间缩短60倍，磁盘I/O减少25倍。HelixForge是突变模拟工具BAMSurgeon的GPU原生重建，运行时间缩短约60倍。

所有案例的共同点是：代理能很好地处理范围明确的实现请求，但无法判断自身输出是否科学合理。贡献者描述代理对含有明显错误的工作表现出自信，这迫使人类构建验收测试。项目通常分阶段进行，代理快速生成初稿，剩余时间用于边缘情况和数值差异。

报告指出，降低工程成本有利有弊。一方面，过去需要资助的工程岗位现在可由两人团队完成；另一方面，不同实验室可能轻易产生三个不兼容的工具版本。报告强调，在代理生成第一行代码之前，应决定谁拥有重建的工具并确保承诺。最终，OpenAI的报告指向一个具体选择，而非普遍认可：确保工具的所有权和维护承诺。