超越代码审查：Greptile用GPT-6 Astra实现自动化应用测试

Greptile 专注于构建具备全代码库上下文理解能力的 AI 智能体（Agent），用于审查和测试代码变更。“我们的目标是减少 Bug，让全球软件运行得更加可靠，”Greptile 联合创始人兼首席执行官 Daksh Gupta 强调。在团队看来，要达成这一目标，仅停留在静态代码审查层面还远远不够，必须直接运行并验证应用的实际行为。

借助 GPT-6 Astra 具备的“计算机使用”（Computer Use）能力，Greptile 找到了在多场景下实现端到端自动化测试的可行路径。

利用视觉理解与模拟操作进行大规模测试

验证一个 Pull Request（代码合并请求）需要多重检查：逻辑是否成立、是否符合开发者预期、是否存在安全隐患，以及是否会破坏原有功能。然而，很多潜在问题在静态文本中并不明显，必须让应用跑起来才能暴露。

Daksh Gupta 举了一个典型场景：某项代码修改导致网页在 iPhone 屏幕上浏览时按钮神秘消失。借助 GPT-6 Astra，Greptile 可以直接为该分支拉起一个开发服务器，把浏览器窗口调整为 iPhone 尺寸，并模拟真实用户在页面上的滑动与点击。模型的多模态视觉理解能力让它能直接“检查”屏幕画面，精准定位原本被遮挡或未渲染的按钮。

“考虑到现代 AI 模型推动代码交付的速度有多快，如果继续依赖外包 QA 团队测试每一项变更，在效率上根本无法维系，”Daksh 解释道。通过引入 GPT-6 Astra，应用端测试得以实现全天候、规模化的自动化运转。

依托 Daybreak 筑牢安全防线

随着更强大的模型问世，攻击者利用自动化手段探测系统漏洞的门槛也显著降低。这使得更多企业面临网络安全风险，甚至包括过去不常成为攻击目标的初创团队。

“我们希望即使是初创企业，也能轻而易举地守住系统安全底线，”Daksh 表示，“借助 Daybreak，我们能以非常安全可控的方式协助客户构建防御体系，确保企业的防护手段始终领先于攻击者的破坏手段。”

知识库打通 Codex，降低代码回滚率

Greptile 搭建了专属知识库，对企业的代码资产进行索引与解析，生成人类与 AI 智能体皆可快速读懂的技术文档。随后，团队通过模型上下文协议（MCP）服务器，将这套上下文文档开放给 Codex。

接入后，Codex 编写的代码能够高度契合客户原有的工程范式与架构风格。据 Daksh 介绍，目前已有数千家客户将自身的代码知识库接入了 Codex。

为了量化实际收益，Greptile 持续跟踪了 AI 生成代码被执行“撤回（Revert）”的频率。测试表明，当为智能体注入完整的全局上下文后，代码撤回率明显下降，既为客户节约了宝贵的时间，也大幅降低了不必要的模型推理成本。省下来的研发资源可以直接投入到新功能开发中，而不是反复修复同一批变更。

Greptile 自身也深度依赖 Codex 构建产品与内部工具。“从全公司各项职能来看，尤其是工程研发团队，我们全员都是 Codex 的重度使用者，”Daksh 补充道。

面向 Ultrafast：让企业软件交付像做副业一样轻快

在 Daksh 看来，团队当前唯一的瓶颈在于“把想法转变为可用软件”的推进速度。目前的模型智力水平已经完全足以胜任绝大部分研发任务，因此更快速的推理执行能力（Ultrafast）将是进一步压缩开发周期的关键。

Greptile 的长期愿景是让改动与上线一套关键企业级系统的流程，变得像业余写个小玩具项目一样轻松，而 OpenAI 提供的底层模型与验证能力，正是让这一切落地的基石。