Codex logging bug local SSDs पर TBs लिख सकता है

मूल लेख ↗ Hacker News चर्चा ↗

लॉगिंग बग और प्रभाव

  • Codex की trace-level logging लगातार एक लोकल SQLite DB में लिखती रहती है, जिसमें WAL फ़ाइलें दर्जनों GB तक बढ़ती हैं और समय के साथ TBs तक पहुँच सकती हैं।
  • उपयोगकर्ता रिपोर्ट करते हैं कि idle sessions भी फिर डिस्क पर लगातार भारी I/O कर रहे हैं; कुछ लोगों को यह समस्या केवल iotop जैसे टूल्स से पता चली, या तब जब मशीनों में जगह खत्म हो गई या वे hang हो गईं।
  • अन्य AI टूल्स (जैसे Claude Code, ChatGPT macOS app) में भी इसी तरह का भारी logging व्यवहार नोट किया गया है, जिसे कभी-कभी logs को tmpfs पर symlink करके कम किया गया।
  • Codex repo में एक fix commit किया जा चुका है और इसके अगले release में आने की उम्मीद है।

Workarounds और mitigations

  • सुझाए गए mitigations में शामिल हैं:
    • logs table में सभी inserts को ignore करने के लिए SQLite trigger।
    • oversized DB files को छोटा करने के लिए VACUUM FULL चलाना।
    • scripts के जरिए WAL files delete करना या logs को RAM-backed filesystem पर move करना।
  • कुछ उपयोगकर्ता SSD wear के डर से बस Codex uninstall कर देते हैं या tools बदल लेते हैं।

Vibe coding, slopware, और engineering process

  • कई लोग इस bug को “vibe coding” का नतीजा मानते हैं: AI-generated code जो बहुत कम human review या design के साथ ship कर दिया गया।
  • टिप्पणीकार बताते हैं कि AI अक्सर देखने में plausible लेकिन सूक्ष्म रूप से गलत code बनाती है, जिससे review कठिन हो जाता है और over-trust बढ़ता है।
  • इस बात पर frustration है कि flagship AI कंपनियाँ, “coding solve” करने का दावा करते हुए, फिर भी fragile, opaque Electron/Rust apps severe regressions के साथ ship करती हैं।

Testing, QA, और accountability

  • कई लोग पूछते हैं कि basic QA या integration tests ने unbounded logging या resource usage को क्यों नहीं पकड़ा।
  • अन्य लोगों का तर्क है कि ऐसे bugs छूट सकते हैं, जब तक कि आप long-running usage और resource ceilings के लिए explicitly test न करें।
  • developers द्वारा AI को दोष देने पर कड़ा विरोध है: humans अभी भी उस code के लिए ज़िम्मेदार हैं जिसे वे ship करते हैं, tool चाहे जो भी हो।

User experience और resource usage

  • Codex, Claude Code, Cursor, और अन्य AI tools पर व्यापक शिकायतें: high CPU/GPU use, memory leaks, laggy UIs, background VMs, और unconfigurable behaviors।
  • एक छोटा समूह कहता है कि ये tools उनके लिए “काफी अच्छे” काम करते हैं और polish से ज़्यादा features को प्राथमिकता देते हैं।

AI और उद्योग पर व्यापक प्रभाव

  • इस घटना का उपयोग इस दावे पर सवाल उठाने के लिए किया जाता है कि AI ने programmers को अप्रासंगिक बना दिया है या “coding solved” हो गई है।
  • कुछ लोगों के लिए यह software-quality crisis और “10x with AI” बनने के लिए hype-driven management pressure का प्रतीक है।
  • अन्य लोग नोट करते हैं कि humans भी catastrophic bugs ship करते हैं; समस्या inadequate process और incentives की है, सिर्फ AI की नहीं।