Asana用Codex两周干完五年的活，成本从600万降到1.2万美元

8月18日，OpenAI官方博客发了一篇案例研究，讲的是Asana用Codex做遗留系统迁移的故事。说实话，看完之后我觉得这可能是目前AI编程Agent最实在的一个ROI案例了。

事情很简单：Asana有一套旧的测试框架叫Enzyme，早就过时了，需要换成新的。工程团队估算了一下，人工干的话大概需要五年，成本约600万美元。五年啊，这种活儿在哪个公司都是“排不上优先级但又不敢不做”的典型技术债。

然后他们用Codex试了一下。两周，1.2万美元。

具体怎么做的

操作流程其实很朴素。最多四个编码Agent在独立的代码库副本上并行工作，工程师给它一段五句话的提示词，告诉它要替换哪个框架、替换成什么。然后Agent自己去读代码、理解依赖关系、写新代码、跑测试。

工程师的工作变成了每天审查两次进展，逐一批准每个变更。不是让AI直接上线，而是人在 loop 里面把控质量。

总模型和基础设施成本约1.2万美元。对比人工预估的600万美元，差了500倍。这个数字不是我算的，是OpenAI官方博客里写的。

这到底说明了什么

以前我们对AI编程工具的认知大多停留在“帮你补全几行代码”或者“写个函数”的层面。但Asana这个案例不一样，它涉及的是遗留系统的框架级替换——需要理解整个代码库的依赖关系，处理跨模块的兼容性，还要保证测试不崩。

这不是简单的代码生成，这是工程级别的重构。Codex能做这件事，说明AI编程Agent的上下文理解能力和任务拆解能力已经到了一个新阶段。

但也要冷静看。Asana没有披露工程师审查花了多少时间，这部分人力成本不低。Agent写的代码不可能直接上生产，还是需要资深工程师逐行过。所以“500倍”这个倍数，实际可能打个折。

对你意味着什么

如果你是技术负责人，现在应该认真审视一下公司里的技术债清单了。以前那些因为“人力成本太高”而被无限推迟的迁移项目——换框架、升级依赖、重写测试——现在可以重新算一笔账。

人工估算五年的活，AI可能两周搞定。成本从百万美元级别降到万美元级别。这不是效率提升，这是成本结构的根本性变化。

当然，前提是你能让AI理解你的代码库。代码规范、文档完善度、测试覆盖率——这些以前被认为是“锦上添花”的东西，现在变成了AI能不能高效工作的前提条件。

一些冷静的思考

这个案例是OpenAI自己发的，带有明显的营销属性。实际效果可能没有标题看起来那么完美。几个需要验证的点：

第一，工程师审查时间没披露。四个Agent并行跑，工程师每天审两次，这个工作量可能不小。第二，代码质量没有第三方验证。替换完之后实际运行效果如何，线上稳定性怎么样，这些都没说。第三，Asana的代码库规模和复杂度没有基准，其他公司未必能复制同样的效果。

但无论如何，这是一个真实公司在真实项目上用AI编程Agent完成任务的案例，有具体的数字、有具体的流程。比起那些“AI改变了世界”的空话，这种案例有用得多。

总结

两周vs五年，1.2万美元vs 600万美元。这组数字不代表AI编程已经完美，但它代表了一个拐点——技术债的偿还成本正在发生结构性变化。以前算不过来账的项目，现在可能算得过来了。

对于每个技术团队来说，现在是时候重新审视那些“永远排不上”的待办清单了。