Skip to main content
GitHub CopilotCodexAI automation

Чому Codex раптом став надто обережним

Користувачі скаржаться, що Codex у Copilot став надто обережним, ставлячи забагато уточнювальних запитань перед дією. Офіційного підтвердження прихованої зміни системного промпту немає, але це важливий сигнал для ШІ-автоматизації: поведінка агента могла змінитися через оновлення моделі чи налаштувань, що впливає на швидкість і передбачуваність розробки.

Технічний контекст

Я б не поспішав кричати про «таємний системний промпт». За наявними даними офіційного підтвердження прихованого оновлення немає. Натомість є цілком приземлене пояснення: у травні та червні GitHub перетрусив моделі в Copilot, і саме після таких замін ШІ-автоматизація починає поводитися «наче її підмінили».

Що я бачу з фактів: GPT-5.3-Codex стала базовою моделлю для частини сценаріїв Copilot, GPT-5.2-Codex почали прибирати, а розгортання відбувалося не одномоментно. У таких переходах і виникають дивні ефекти: вчора агент був занадто автономним, а сьогодні гальмує й допитується по кожній дрібниці.

Окремо мене зачепила частина про memory.md та інтроспекцію за тредами. Це вже не схоже на одну кнопку або один режим. Якщо в асистента є пам’ять, внутрішні інструкції та різні поверхні продукту, то зміна поведінки може йти не від «системного промпту» в чистому вигляді, а від комбінації нової моделі, пам’яті та оркестрації.

І отут я б копав не в бік теорій, а в бік відтворюваності. На якому обліковому записі це почалося, в якому режимі, на якій саме поверхні Copilot, з якою моделлю, що в memory.md і чи зникає ефект після скидання контексту. Без цього всі розмови про /plan mode залишаються на рівні чату зі здогадками.

Що це змінює для бізнесу та автоматизації

Якщо ви будуєте інтеграцію ШІ в розробку, така поведінка б’є одразу по двох місцях: швидкості та передбачуваності. Агент, який раніше виконував завдання за один прохід, тепер вставляє зайвий шар узгоджень. На маленьких завданнях це просто дратує. На пайплайні команди перетворюється на прихований податок на час.

Кому це може бути навіть корисним? Командам із жорсткими вимогами до якості та безпечних змін. А програють ті, хто розраховував на швидкий напівавтономний потік правок без постійного діалогу.

Я бачу такі зсуви регулярно: модель поміняли, а архітектура ШІ-процесу залишилася старою, і раптом усе починає буксувати. У Nahornyi AI Lab ми якраз розбираємо такі вузькі місця на практиці: де потрібен більш самостійний агент, де жорсткі рамки, а де пам’ять і маршрутизацію краще взагалі переробити. Якщо у вас Copilot або внутрішній кодовий асистент раптом почав гальмувати команду, можна спокійно проаналізувати робочий процес і зібрати розробку ШІ-рішень під реальну роботу, а не під очікування від попередньої версії.

Нещодавно ми висвітлювали запуск Codex у ChatGPT на Android, де асистент уперше став доступним для мобільної розробки. Ця інтеграція показує, як розширюються можливості Codex, що безпосередньо пов’язано з його поведінкою, зокрема з тією самою схильністю ставити сотні уточнювальних запитань.

Поділитися статтею