近日有科技论坛用户反馈，在使用 OpenAI Codex 相关应用时遇到了显著的系统性能下降问题。尽管未执行具体任务，电脑风扇仍持续高速运转。经排查，杀毒软件卡巴斯基持续占用 3%-5% 的 CPU 资源，并产生 0.5-3MB/s 的硬盘读取操作。该现象并非个例，GitHub 上有相关 issue 指出，Codex App 运行时会导致杀毒软件 CPU 占用飙升至 15-25%。虽然尝试将 Codex 文件加入杀毒软件排除列表，但性能改善微弱。此外，用户还发现界面操作卡顿严重，Codex 进程 GPU 占用率高达 13-15%。经测试，该问题与高刷新率显示器（240Hz）有关，通过限制帧率至 60 帧，卡顿现象得到一定缓解。此次事件暴露了 AI 编程工具在本地运行时与系统安全软件及高刷新率硬件的兼容性短板。
事件分析
本次事件反映了当前 AI 开发工具普遍存在的本地资源管理问题。首先，AI 应用程序往往采用 Electron 架构或频繁进行本地文件读写，这种高 I/O 特性容易触发杀毒软件的实时监控机制，导致 CPU 资源的额外消耗和“虚高”占用。其次，高刷新率屏幕导致 GPU 占用过高，说明部分 AI 应用前端渲染管线未针对高帧率场景进行优化，未能在后台闲置时有效降低帧率。随着 AI 工具深度集成到开发流程中，其对系统资源的敏感度要求越来越高。厂商不仅需要优化模型推理效率，更需关注客户端架构与操作系统安全机制及硬件特性（如高刷屏）的底层适配，否则极易影响开发者的编码体验。
💡 核心观点：AI 编程工具的落地门槛不仅在于模型能力，更在于客户端架构能否妥善解决系统资源占用与安全软件的兼容性难题。
原文链接：Linux.do
Codex CLI 深度
AI 模型横评
AI Agent 框架
Claude Code 订阅生存指南