外部公开案例，非衍谷交付
Virgin Atlantic · 遗留代码重构与移动App质量
来源披露≠独立审计；编辑分析不等于客户确认。A级仅表示可定位到案例级来源，详细度不是成功评分。请先阅读下方字段分析边界；未公开细节不可当作已实施事实。
字段分析边界
- 业务问题依据
- 基于公开材料概括
- 解决方案
- 基于公开材料概括
- 技术工作流
- 公开信息与编辑推演混合
- FDE 行动（请结合分析边界）
- FDE视角编辑推演
- 结果（来源方披露）
- 厂商或客户披露
业务问题
航空App上线窗口风险高，遗留代码重构和测试覆盖需要大量时间。解决方案
使用Codex加强测试覆盖、重构legacy code，并让分析团队直接在数据仓库上构建工具。技术工作流
- 大型移动App代码库 + issue/需求 + 既有测试
- Codex读取相关代码与依赖上下文
- 生成/修改legacy code并补充单元测试
- 本地/CI测试与静态检查
- 工程师review、修正和批准
- 合并进入发布流水线；新测试提高后续Agent可验证性
技术组件
- Codex
- 代码库上下文
- 单元测试
- CI/CD
- Human code review
人工责任与复核
工程师审核代码、测试与上线；生产责任仍由航空公司团队承担。FDE 行动（请结合分析边界）
- 选择发布风险最高、又能被测试验证的工程任务切入
- 帮助团队把Codex接入真实repo和工程习惯，而不是孤立聊天
- 把测试覆盖率作为Agent工作的护栏
- 让分析/工程人员直接在原数据和代码环境工作
- 以重构周期、测试覆盖和P1缺陷等生产指标验收
结果（来源方披露）
遗留重构从约2周降到约30分钟；新App接近100%单测覆盖，发布时0个P1缺陷。核验说明
- 高：OpenAI客户案例公开披露约2周→30分钟、接近100%单测覆盖、0个P1缺陷等结果。
- 来源可直接定位到该案例；数值仍属于来源方披露，不代表独立审计。
未公开 / 仍有缺口
- 业务背景
- 改造流程
- 人机与治理
可迁移方法
- 先补测试，再扩大coding agent自治范围
- 代码场景非常适合“生成→确定性测试→人审”的Agent闭环
- 衡量上线质量而不是只看代码生成速度
来源账本
- 标题
- Virgin Atlantic：遗留代码重构与移动App质量
- 发布方
- OpenAI
- 来源类型
- 厂商官方客户材料
- 可定位性
- 案例级直接来源
- 结论披露方
- 厂商或客户公开披露
- 已记录独立核验
- 否
- 源库查阅日期
- 2026-09-19
补充来源
未补充记录证据说明
高：OpenAI客户案例公开披露约2周→30分钟、接近100%单测覆盖、0个P1缺陷等结果。编辑摘要
这个案例的关键不是单点使用AI，而是把“遗留代码重构与移动App质量”重构成可执行、可验证、有人类责任边界的生产工作流。详细度六维评分（各 0–2）
- 业务背景
- 1
- 改造流程
- 1
- 技术工作流
- 2
- 人机与治理
- 1
- 量化结果
- 2
- 来源可定位性
- 2
原始案例 ID
openai-001来源分类
OpenAI企业 / 组织
Virgin Atlantic行业
航空/旅行业务场景
遗留代码重构与移动App质量FDE 标记
企业部署案例成熟度说明
生产级主来源
https://openai.com/index/virgin-atlantic/ ↗一级行业
交通、旅行与物流成熟度阶段
已上线FDE 关系
企业部署案例证据等级
A证据等级说明
A级｜案例级直接来源详细度评分（满分 12）
9详细度分组
standard详细度说明
标准案例｜可参考但仍有缺口编辑数据：guminghao-avi contributors，MIT。导入 2026-10-02；源版本 ef550123。版权与许可证 · 原案例库。以上保留来源与证据限定，不构成衍谷效果承诺。