Asana 兩週完成五年工程:Codex 驅動 AI 遷移舊系統

文章摘要

Asana 利用 OpenAI Codex,一個由先進模型驅動的 AI 工具,在約兩週內完成了預計需時五年的工程任務。此專案旨在移除公司舊的測試系統 Enzyme,該系統因停止維護,已成為阻礙 Asana 前端堆疊現代化的瓶頸。透過簡單的提示詞,Codex 驅動的多個編碼代理(coding agents)協同工作,自動化移除 Enzyme 的過程。Asana 的工程師只需每日兩次檢查進度並審核 AI 提出的變更。此舉不僅將原本預估耗時五年、約 600 萬美元的專案,以約 1.2 萬美元的成本與短時間內完成,更顯著提升了 Asana 工程團隊解決長期軟體問題的信心與可行性。此技術目標使用者為 Asana 的工程師,其影響在於為工程師爭取更多專注於技術精進的時間,並讓過去因難度或時間成本而被視為不可能的專案變得值得嘗試。目前已知限制是並非所有長期專案皆能如此快速轉換。

AI 大叔解析

【核心判斷】
Asana 這次透過 OpenAI Codex,在短短兩週內完成原預計需要五年、高達六百萬美元成本的舊測試框架 Enzyme 移除工作,實際花費僅一萬兩千美元。這清楚地展示了大型語言模型(LLM)驅動的 AI Agent,在執行「明確、大規模且重複性高」的程式碼重構與技術債清理任務時,具有極其驚人的效率與成本優勢。

傳統上,這類專案的真正瓶頸在於「高昂的人力與時間成本」,以及「資深工程師被重複性高的重構工作綁架」。Asana 的案例顯示,AI Agent 能大幅縮短這些任務的執行時間,同時將成本壓低到一個令人難以置信的程度。然而,新的限制也浮現了:AI Agent 仍需要「資深工程師全程監控與審核」其產出(原文提到每天檢查兩次並審核所有變更),以及「指令設計需要夠簡潔明確」才能發揮最佳效果(原文指出簡潔指令效果更好),證明 AI 的自主性與處理複雜語意能力仍有上限。因此,單一的最大瓶頸尚未完全消除,只是從純人力移轉為人機協作下的指導與審核效率。

【毒舌吐槽】
Asana 拿 OpenAI Codex 搞定五年工程,成本從六百萬砍到一萬二,這數字光看就夠唬爛的,啊不是,是夠震撼的。但我說啊,各位看官別高興得太早。它裡面明明白白寫著「工程師每天檢查兩次、審核所有變更」,還有「簡潔指令比複雜設定效果更好」。這不就表示 AI 還是在當個超級碼農,寫了一堆 code,最終還是要我們這些老屁股去擦屁股、當 QA 兼 PM 嗎?根本是把工程師從「寫 code」這坑,換到「審 code 兼下指令」這個效率高一點的新坑而已。要是沒有這些工程師全程盯著,AI Agent 會不會把整個程式碼搞爛,原文是沒說啦,但用膝蓋想也知道不可能完全放飛吧?

【為什麼重要?】
這個案例最大的亮點,就是它把「技術債務」這隻吞噬企業資源的巨獸,變得前所未有的「划算」且「可控」。過去,移除老舊函式庫、升級框架這類技術債務專案,往往因為投入產出比太低、耗時耗力,被公司擺在優先順序的後段班。很多時候,這些累積多年的程式碼,最終只能走向痛苦的重寫一途。但 Asana 的經驗證明,透過 AI Agent,企業現在可以用極低的成本與時間,來處理這些過去被視為「不可能任務」的工程項目。這不只影響專案的排程,更可能徹底改變企業看待和處理技術債務的策略,從被動承受轉為主動清理。

更深層的影響是,它可能重新定義了資深工程師的價值與角色。當 AI Agent 能處理大量重複性高的程式碼遷移工作,工程師就能從枯燥的「搬磚」中解放出來,將心力投入到更需要創造力、架構設計、系統優化和解決複雜問題的「工藝」層面,就像 Asana CTO 說的,有更多空間去專注於「craft」。這表示未來的工程師,其核心技能將從單純的程式碼撰寫,轉變為「如何有效地與 AI 協作、定義問題、指導 AI 解決問題,並確保最終品質」。這對軟體產業的生產力與工程師的職能發展,都是一個關鍵的轉捩點。

【影響對象與建議】
* **軟體開發主管 (Engineering Managers / VPs of Engineering):** 應立即評估公司內部哪些「技術債務」或「大規模程式碼重構」專案,符合「目標明確、重複性高」的特徵。考慮導入 AI Agent 工具進行試點,並規劃工程師與 AI 的協作模式及程式碼審核流程,以最小成本加速技術棧現代化。
* **資深軟體工程師 (Senior Software Engineers / Architects):** 開始學習如何精準地撰寫指令 (prompts) 來引導 AI Agent 執行程式碼任務,並精進程式碼審核能力,從「寫 code」轉向「定義問題、引導 AI、把關品質」。這將是未來提高個人工程影響力的關鍵技能。
* **新創公司 CTO / 研發長:** 重新審視公司的技術債務清單與策略。過去因成本高昂而卻步的重構項目,現在可能因 AI Agent 的出現而變得可行。這有助於保持技術競爭力,加速產品迭代,並提升開發效率。

【一句話總結】
Asana 用 AI Agent 兩週解決五年技術債,證明 AI 在特定程式碼重構的效率與成本效益,但仍需工程師緊盯把關。

【逆風觀點】
原文雖然展示了 AI Agent 的高效能,但也間接揭示了其在「複雜性」和「可靠性」上的限制。它提到「簡潔指令比複雜設定效果更好」,這表明 AI Agent 目前可能擅長執行「定義明確、拆解簡單」的任務,但對於需要深度領域知識、抽象設計思考或跨模組複雜整合的專案,其自主解決能力仍有待驗證。此次成功案例是針對一個特定且明確的舊系統移除,其「可複製性」與「通用性」在面對更多元的工程挑戰時,原文尚未提供足夠證據證明其效果。這意味著 AI Agent 只是將部分重複勞動外包,而非全面取代工程師的思考與判斷。

想更了解這個話題?