在軟體開發的傳統流程中，當客戶提出功能需求時，通常會經歷一個漫長的過程：產品經理記錄需求、進入待辦清單 Backlog、經過優先級排序、分配給工程師開發，最後才交付給客戶確認。這種模式最大的痛點在於回饋循環 Feedback Loop 過長，導致開發出來的功能可能與客戶的真實想像有落差。
Braintrust 作為一家專注於 AI 產品可觀測性與評估的平台，他們嘗試改變這個流程。透過導入 OpenAI 的 Codex（一種專為程式碼生成設計的大語言模型），他們將原本需要數天甚至數週的開發週期，縮短到了分鐘等級。
縮短回饋循環的實務操作
Braintrust 的核心做法是將客戶的需求直接餵給 Codex，並迅速將生成的代碼部署到預覽分支 Preview Branch。預覽分支是指在正式環境之外，為特定功能創建的臨時獨立版本，讓開發者可以在不影響主程式的情況下，讓客戶能即時看到功能的實際運作效果。
這種方式將開發過程從漸進式的排程，轉變成了實時的協作。工程師不再是單向地接收需求，而是能與客戶在即時對話中共同迭代想法。當客戶提出需求，工程師在幾分鐘內產出原型並展示，客戶立即給予反饋，工程師再快速調整，這種極速的迭代讓產品能更精準地解決用戶痛點。
從手動提示到自動化實驗的思維轉變
對於初級工程師來說，使用 AI 寫程式最直覺的方式通常是 Prompting，也就是透過撰寫提示詞來要求 AI 寫出一段特定的函數。然而 Braintrust 的執行長 Ankur Goyal 指出，當 AI 工具的生成速度達到一定水準時，開發者的工作模式會發生質變。
在速度較慢的模型中，工程師必須花大量時間精雕細琢提示詞，以確保 AI 一次就寫對，因為嘗試的成本太高。但當 Codex 的速度快到可以忽略不計時，Braintrust 採取了一種更接近自動化測試的策略。
他們不再試圖用文字描述問題，而是先撰寫一個能證明問題存在的測試案例 Test Case，並建立一個沙盒環境 Sandbox（一個隔離的測試空間，讓程式碼在不影響系統安全的情況下運行），然後讓 Codex 在這個環境中自主運行並嘗試解決問題。
這種從提示詞導向轉向環境導向的開發模式，大幅降低了實驗成本。工程師定義問題的邊界，由 AI 在快速迭代中尋找解法，這讓團隊能夠嘗試更多原本因為太耗時而放棄的工程實驗。
速度如何定義開發效率
在許多人的認知中，速度僅僅是工具的性能指標，但 Braintrust 的案例證明，速度會直接改變工程師與工具的互動方式。當生成代碼的速度快到足以支持實時對話時，它就不再僅僅是一個輔助寫程式的工具，而是一個能將客戶需求直接轉化為可執行代碼的橋樑。
這種轉變的核心意義在於將開發重心從寫代碼本身，移轉到了驗證想法與解決問題上。
來源：openai.com
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。