Asana 两周完成五年工程量：Codex 的降本增效实战

Asana 作为全球领先的项目管理平台，近期在内部工程领域进行了一次大胆的尝试：利用 OpenAI 的 Codex 模型，将原本预计需要五年才能完成的测试系统迁移工作，压缩到了两周之内。这不仅是一次技术突破，更为开发者群体提供了一个关于如何利用 AI 智能体进行复杂代码重构的绝佳范本。

面临的挑战：被遗忘的 Enzyme 系统

在 Asana 的前端技术栈中，Enzyme 曾是一个重要的测试工具。然而，随着时间的推移，该项目已不再得到积极维护，逐渐沦为技术债务。它不仅难以升级，还成为了 Asana 前端现代化进程中的主要障碍。传统的迁移方式意味着需要数年的规划和人力投入，这显然是团队无法长期等待的。

核心策略：多智能体并行协作

Asana 团队没有选择传统的线性开发模式，而是转向了 AI 智能体 的协作模式。他们利用 Codex 前沿模型，部署了最多四个编程智能体，并采取了以下关键步骤：

• 并行处理：每个智能体被分配一份独立的代码库副本，同时开展工作，极大地提高了处理速度。
• 简明指令：工程师只需输入一段五句话的提示词，系统便能理解复杂的迁移目标，这比繁琐的手动配置更高效。
• 人机协作：虽然 AI 负责执行，但工程师并未被完全替代。相反，团队实行了高频的人工审查机制，工程师每天检查两次进度，并严格审核每项拟议的代码变更。

数据对比：惊人的成本节约

这种模式带来的效率提升是颠覆性的。在累计投入了约 1.5 周的工程人工工时后，Enzyme 系统被彻底移除。

• 时间成本：从 5 年缩短至 2 周。
• 金钱成本：模型与基础设施总成本仅为 1.2 万美元，相比之下，若采用传统人力方案，估算成本高达 600 万美元。

开发者启示：重新定义“不可能”

Asana 首席技术官 Amritansh Raghav 指出：“并非每个耗时数年的项目都能压缩到几周内完成。但智能体能让工程师有更多空间精研技艺，也让曾经不可能完成的工作值得一试。”

这次实践不仅让 Asana 节省了巨额预算，更重要的是它改变了团队对长期软件项目的评估标准。现在，团队可以更自信地启动那些曾被认为需要数年才能完成的重写和迁移工作。对于开发者而言，这意味着未来的工程挑战将更多聚焦于如何设计高效的智能体工作流和编写精准的提示词，而非单纯的代码编写。

实用建议：如何复制这种成功

如果你也想尝试类似的 AI 辅助工程工作，可以参考 Asana 的经验：

1. 识别高价值债务：找出那些阻碍技术升级的遗留系统。
2. 利用智能体并行：将大型任务拆解，分配给多个智能体处理不同模块。
3. 保持人工监督：设置定期的代码审查点，确保 AI 输出的质量。
4. 简化提示词：复杂的配置往往不如清晰、具体的自然语言指令有效。

通过这种方式，我们不仅能降低成本，更能让工程师从重复性劳动中解放出来，专注于更具创造性的技术难题。