OpenAI 官方：用 GPT-6 Astra / 6.1 Sol 做软件维护，两周兼职合并超 1400 个清理 PR、删掉逾 80 万行

核心背景与行业痛点

代理写代码变快后，死代码、已结束实验和脆弱测试也会堆得更快。OpenAI 开发者博客（Core Experimentation）称：传统静态分析加运行时日志仍难兜住反射、应急旁路等边角，误删还可能酿成事故。团队需要的是能自行找证据、给出可审理由并开小草稿 PR 的维护流程。

架构亮点与底层机制

以 Codex 为主：给 GPT-6 Astra 较宽目标（找死代码时可查 Slack、Statsig 等），由模型划范围、对照 PR 历史与生产剖析表并解释删除依据。陈旧实验更难——代码可能仍在跑——提示要求核对线上配置与 git 历史，保留 kill switch，忽略 SDK fallback，且每个清理单独开小草稿 PR。发现过多时用 /goal 按负责人/目录出可并行报告，并用遥测与 CPU 成本排序。

权威 Benchmark 与实测跑分对比

均为官方博文口径：约两周兼职合并超 1,400 个 PR、删逾 80 万行；一例镜像 3.31GB→1.72GB；测试去掉约 400 个视觉快照。同提示审计（约 6,000 文件 / 100 万行）：Astra Ultra 142 发现 / $109.06；Sol Ultra 131 / $15.12（约 92% 发现量、14% 成本）；Sol Medium 86 / $5.27。成本含研究子代理与自动跟进轮。一例多年 Permanent 万能覆盖开关经人审后移除，估算主服务约省 0.42% CPU。CI 跟进约 30 个 PR 后中位约 10→4.5 分钟。

开发者实战落地与开箱指南

从小处起步：选一段死代码、一个陈旧 flag 或 flaky 测试，让 Codex 找实例、凑证据、开小草稿 PR；先试 GPT-6.1 Sol Medium。把评审意见写回下一轮提示，再扩到子目录或整库。博文另附 flaky 测试、AGENTS.md 回放与按 CI 历史排序优化点子等短提示。互证见 OpenAI Developers 推文。