UsługiNarzędzia AI do kodowania

Przygotowanie twoich repozytoriów i zespołów do pracy z OpenAI Codex

Przygotowujemy repozytoria do pracy z Codex, ustalamy reguły sandboxa i zatwierdzania zgodne z twoimi zasadami, porządkujemy dostępy i modele oraz szkolimy twoje zespoły z pracy z CLI, rozszerzeniem IDE i agentem w chmurze.

Porozmawiaj z inżynierem

AGENTS.mdPrzykład

## Build and test
- Install: pnpm install --frozen-lockfile
- Fast tests: pnpm test:unit (no network)
- Lint: pnpm lint

## Do not edit
- src/generated/, vendor/, db/migrations/

## Definition of done
- Unit tests and lint pass with no new warnings
- Keep each task to one diff that is easy to review

Czego każde repozytorium potrzebuje najpierw

Zaczynamy od świeżego klonu w sandboxie i patrzymy, co się tam buduje i uruchamia. Sprawdzamy dane uwierzytelniające, lokalne usługi, prywatne rejestry i wygenerowany kod. Potem zajmujemy się miejscami, w których uruchomienie przez agenta najbardziej różni się od lokalnego uruchomienia przez inżyniera.

Wpisy w AGENTS.md dotyczące budowania, testowania i lintowania kodu
Krótkie notatki o tym, jak zorganizowany jest kod, jakie konwencje obowiązują i kiedy zadanie uznaje się za skończone
Szybki target testowy, który przy każdym uruchomieniu daje ten sam wynik, oraz oznaczenie każdego zestawu testów, który jest wolny lub niestabilny
Ścieżki, których agent nie może ruszać: migracje, infrastruktura, wygenerowany kod i zależności skopiowane do repozytorium

Gdzie działa Codex i co mu tam wolno

CLI działa w lokalnym checkoucie inżyniera, na jego koncie i według skonfigurowanych przez ciebie zasad. Agent w chmurze klonuje repozytorium do środowiska hostowanego przez OpenAI, w którym sekrety, konfigurację środowiska i reguły sieciowe ustawia się osobno. Aplikacja desktopowa i rozszerzenie IDE mogą łączyć się jeszcze inaczej, dlatego każde z nich dostaje własne zasady.

Nawet gdy CLI działa lokalnie, twoje prompty i powiązany z nimi kod trafiają do skonfigurowanego dostawcy modelu. Spisujemy, jak przepływają te dane. Osoba, która odpowiada u ciebie za dane i za umowę z dostawcą, porównuje to potem z warunkami tej umowy.

Tryb sandboxa i polityka zatwierdzania dla każdego repozytorium
Do czego Codex może sięgać przez sieć, w tym do rejestrów pakietów
Rodzaj konta, dostęp do modeli i to, kto pełni rolę administratora
Ustawienia dla całego zespołu, zapisane w wersjonowanych plikach konfiguracyjnych
Które repozytoria i dane wchodzą w zakres, ustalone przed pilotażem

Kiedy Codex może działać bez nadzoru

Pilotaż jest interaktywny: mała grupa inżynierów bierze na siebie kilka typowych zadań, w ramach procesu review i wymaganych checków, których już używasz. Uruchamianie Codex bez nadzoru, w CI albo w chmurze, to osobna decyzja, bo nikt nie obserwuje uruchomienia w chwili, gdy coś idzie nie tak. Zalecamy to tylko przy wąskiej, jasno opisanej pracy. Potrzebne są też checki, na które agent nie ma wpływu, kod pipeline'u, który sam decyduje o pushach i merge'ach, oraz dane uwierzytelniające ograniczone do tego jednego zadania.

Najpierw praca interaktywna, z zadaniami na tyle krótkimi, by wystarczyło jedno review
Uruchomienia bez nadzoru tylko tam, gdzie agent nie może ruszyć testów ani review
Reverty, poprawki i to, co wychodzi w review, zapisywane dla modelu, zadania i zespołu, nigdy dla konkretnej osoby

Szkolenia i przekazywanie zadań agentowi w chmurze

Na szkoleniu pracujemy na prawdziwych zadaniach z twojego backlogu. Inżynierowie ćwiczą dzielenie pracy na diffy, które recenzent jest w stanie prześledzić, oraz decydowanie, co powinno trafić do AGENTS.md. Uczą się też, kiedy nowa sesja da więcej niż dalsze sterowanie i jak oceniać zmiany, których sami nie są autorami. Delegowaniu zadań agentowi w chmurze poświęcamy osobną sesję. Uruchomienie, którego nikt nie obserwował, wymaga innego rodzaju review niż zmiany prowadzone krok po kroku.

Każda sesja jest dla jednego zespołu i odbywa się w jego repozytoriach. Prowadzimy ją zdalnie albo na miejscu u ciebie w Polsce i w Niemczech, po angielsku, polsku lub niemiecku.

Co przekazujemy

Plik AGENTS.md i konfiguracja sandboxa w każdym repozytorium
Runbooki obejmujące onboarding i każdą późniejszą zmianę zasad
Porównania z pilotażu, z liczbami z twoich własnych zadań
Pisemne uzasadnienie każdego wybranego przez nas ustawienia

Po czym poznać, że konfiguracja działa

Odsetek zadań Codex, których wynik zostaje zmergowany
Jak często sandbox albo reguła zatwierdzania blokuje prawdziwą pracę i czy słusznie
Wydatki na jedną zaakceptowaną zmianę przy uruchomieniach w CLI, w IDE i w chmurze

Pytania

Nasze zespoły pracują już z Claude Code albo z Cursorem. Czy to nadal nas dotyczy?

Tak. AGENTS.md nie jest specyficzny dla Codex: czyta go też kilka innych narzędzi, więc jeden plik zawiera instrukcje wspólne dla nich wszystkich. Uprawnienia i ustawienia sandboxa różnią się między narzędziami i konfiguruje się je dla każdego osobno. Rzetelne porównanie narzędzi na twojej własnej pracy znajdziesz tutaj: ewaluacje agentów kodujących.

Ile zespół wyda na Codex?

Za Codex możesz płacić przez użycie zawarte w planie ChatGPT, kredyty, rozliczenie za tokeny w workspace Enterprise albo własny klucz API. Te sposoby można też łączyć. Bierzemy faktury i dane o użyciu, ustalamy, ile faktycznie wydajesz, i podajemy to jako koszt jednej zaakceptowanej zmiany.

Czy możemy zamówić samo szkolenie, bez prac konfiguracyjnych?

Tak, o ile Codex już teraz niezawodnie uruchamia twój build i testy. Potwierdzamy to przed pierwszą sesją.

O jakim Codex mówi ta strona?

O agencie kodującym od OpenAI, dostępnym jako CLI, rozszerzenie IDE, aplikacja desktopowa i wersja w chmurze. Produkty i firmy o tej samej nazwie nie wchodzą w zakres naszej pracy.

Powiązane usługi

Harness engineering

Konfiguracja, która mówi agentowi, jak budować, testować i zmieniać twój kod, trzymana w systemie kontroli wersji.

Ewaluacje na twoich repozytoriach

Narzędzia, modele lub ustawienia porównywane ze sobą na zmianach, które zostały już zmergowane, zanim wybierzesz jedno z nich.

Wdrażanie agentów kodujących

Agenci, którzy z kilku zespołów pilotażowych trafiają do reszty działu inżynierii, ze szkoleniami i jedną wspólną konfiguracją.

Optymalizacja kosztów LLM

Wydatki na agentów rozbite na zespoły i zadania, a potem obniżone dzięki ustawieniom domyślnym, budżetom i routingowi, które twój zespół platformowy może sam utrzymywać.

Z bloga

Przekazywanie zadań agentom chmurowym

Co powinno zawierać zadanie, zanim trafi do agenta kodującego w chmurze: szablon opisu, trzy pytania kontrolne i zasady oddawania pracy.

Bezpieczeństwo agentów AI

Bezpieczeństwo agentów AI do programowania i zarządzanie nimi w praktyce: prompt injection, sekrety, uprawnienia, sandboxing, uruchomienia bez nadzoru i podział odpowiedzialności.

Porozmawiaj z inżynierem

Przyjdź z jednym zadaniem, które chcesz usprawnić. Rozmowa trwa 30 minut i nie wymaga dostępu do twoich systemów ani danych.

Umów 30-minutową rozmowę

Rezerwacja odbywa się w Kalendarzu Google.

Wolisz najpierw napisać? Zostaw adres e-mail i kilka zdań, a odpowiemy, proponując terminy.