Ramp 工程团队使用 Codex（基于 GPT-5.5）将代码评审从数小时缩短到数分钟，并用同一技术构建自动值班助理来减轻 on‑call 负担，提升交付速度与信心。团队强调亲身试用、与供应商建立反馈闭环，以及把工程师培养为能驾驭 AI 的“编排者”。
背景
- 公司：Ramp
- 工具：OpenAI Codex（GPT‑5.5 支持）
- 目标：加速代码评审、构建内部 agentic 工具（如 On‑Call Assistant）
Codex 在代码评审中的应用
- 时间节省：从等待数小时到在几分钟内获得实质性 PR 反馈。
- 深度推理：Codex 能基于代码库做深入推理，发现人类和其他 AI 工具经常漏掉的问题。
- 多种工作方式：支持 CLI 工作流，也提供可视化应用以辅助理解与操作。
On‑Call Assistant（内部 agent）
- 目的：承担值班期间的大部分认知负担，处理业务逻辑、并发问题和长期故障调查的复杂上下文。
- 效果：使用 Codex 加速开发、提高发布改进的信心。
领导和落地经验
- 以效果为导向：优先评估工具是否真正改变交付速度，而不是停留在演示层面。
- 亲身引导：让工程师安装并体验 Codex 的首次完整会话，以建立信任并促使更广泛采用。
- 反馈闭环：与 Codex 团队建立直接反馈通道，快速修正问题并迭代集成。
未来展望
- 技能转变：顶尖工程师将从手写每行代码转向如何指挥和校验 AI 工具，成为“编排者”。
引用
- Ramp AI DevEx 负责人 Austin Ray：”Codex 是行业金标准”、”它帮助我们更快交付”。
Codex 在真实工程流里的落地案例说明，高质量大模型能显著提升审查效率，但仍需通过引导与反馈机制来建立团队信任。