Руководитель направления разработки в OpenAI Вайбхав Шривастав (Vaibhav Srivastav) опубликовал методику превращения часто повторяющихся рабочих процессов в Codex в переиспользуемые навыки и субагенты. Подход предполагает анализ истории сессий и выявление шаблонных задач, таких как проверка сборок CI или ревью пул-реквестов.
Шривастав, отвечающий в OpenAI за опыт разработчиков, предложил использовать возможности модели Codex для оптимизации рутинных операций. В основе метода — автоматический анализ предыдущих сессий пользователя с целью выявления повторяющихся задач, которые можно формализовать в виде навыков (skills) или субагентов (subagents). К типовым сценариям он отнёс проверку причин падения CI, ревью кода, написание чейнджлогов, отладку и рефакторинг изменений.\n\nПо словам Шривастава, навыки подходят для воспроизводимых рабочих процессов, тогда как субагенты — для делегирования конкретных задач с чёткими границами. В обновлённой версии методики он расширил подход, включив анализ данных из инструментов Codex Memories и Chronicle. Модель должна оценивать частоту повторения задач, их трудоёмкость и потенциальную выгоду от автоматизации, прежде чем предлагать создание нового навыка или субагента.\n\n«Сначала сформируйте компактный шорт-лист с повторяющимися рабочими процессами, подтверждающими доказательствами, рекомендованной формой и обоснованием целесообразности», — уточнил Шривастав в детализированной инструкции. Он также подчеркнул необходимость избегать дублирования существующих решений и создания избыточно широких или спекулятивных активов.\n\nМетодика вызвала интерес сооснователя OpenAI Грега Брокмана (Greg Brockman), который прокомментировал её как «промпт для самосовершенствования Codex». В OpenAI пока не комментировали планы по интеграции подобных подходов в продукты компании.