开发者Chris在社交平台分享的一则实验，让AI领域掀起热议：他仅向OpenAI的Codex发出“赚5美元”的简单指令，22小时后，这款AI工具竟自主完成开源安全审计任务，通过提交代码修改（PR）并跟进维护者，最终成功获得16.88美元赏金。这一过程被Chris视为“AI替人类赚钱”愿景的早期验证，也引发了对AI劳动价值的重新思考。
根据Chris公开的流程，Codex首先定位到GitHub上的赏金任务平台，随后读取项目代码、修复漏洞、提交PR，并与维护者通过评论互动完成审核。尽管缺乏独立第三方验证，但Chris公布的收款截图和对话记录显示，这一链条确实跑通。值得注意的是，Codex的“找活”能力或与其接入的GitHub Agent HQ功能相关——该平台为AI智能体提供了专用工作区，整合了任务分配、代码沙箱、PR审核等关键接口，大幅降低了AI参与开发的门槛。
OpenAI官方将Codex定义为“云端软件工程智能体”，其核心能力包括代码读写、测试运行、提交PR等。此次实验中，Codex展现的“安全审计赏金路径”与OpenAI推出的Codex Security功能方向一致，该功能可扫描GitHub仓库并验证漏洞。然而，Codex在执行任务时默认关闭互联网访问，仅在安装依赖阶段开放网络权限。若Chris的描述属实，此次任务可能涉及手动开启网络或通过GitHub等工具组合完成，凸显了“模型+工具+权限”的协同作用。
尽管Chris按当前API定价估算，若每日重复操作月收入可达506美元，但这一模式仍面临多重限制。首先，Codex作为订阅制产品，其任务额度与API裸计费逻辑不同，Chris未公开2200万token中输入输出的具体比例，也未说明是否依赖订阅配额。其次，任务失败率、重试成本及人工排查时间等关键数据缺失，导致盈利模型缺乏说服力。Chris本人更倾向于将此次实验视为“技术闭环信号”，而非可复制的商业模式，他预测随着模型成本每年下降10倍，未来利润空间将显著扩大。
GitHub在此次实验中扮演了关键角色。其Agent HQ平台不仅为Codex提供了“工位”，还通过四个接口重构了AI开发工作流：任务接口整合了Issue、PR及第三方赏金平台；执行接口提供代码沙箱与测试环境；沟通接口支持PR评论与@提及机制；支付接口则与Algora等平台打通，实现PR合并后自动结算。这种“智能体友好”的整合，使得AI从“找活”到“收款”的全流程得以在单一平台内完成。
Codex的成功并非孤例。GitHub Octoverse报告显示，2025年平台月均合并PR达4320万个，AI相关仓库同比增长178%，智能体驱动的开发正从实验走向规模化。目前，Claude等工具也已接入Agent HQ，Codex的路径具有可复用性。然而，当前实验仍需人工介入配置账号、开启网络权限及最终审核代码，OpenAI明确要求用户验证所有AI生成的代码。这意味着，尽管AI已能独立完成端到端任务，但人类仍需扮演“监督者”角色，确保流程合规性与结果可靠性。
此次实验中，16.88美元的赏金对应中小型漏洞修复，任务难度与维护者沟通轮次均处于较低水平。若将场景扩展至高复杂度任务，AI的稳定性、成本效益及法律责任等问题仍需进一步验证。例如，代码漏洞可能涉及法律风险，AI生成的代码权属如何界定？若任务失败导致项目损失，责任应由开发者还是AI提供商承担？这些问题的答案，将决定“AI自主赚钱”能否从技术实验升级为可持续的商业模式。
