Codex logging bug local SSDs पर TBs लिख सकता है

मूल लेख ↗ Hacker News चर्चा ↗

OpenAI के Codex coding assistant को उपयोगकर्ताओं की machines पर भारी trace logs बनाने के लिए पाया गया है, कुछ मामलों में स्थानीय SSDs पर दर्जनों या सैकड़ों gigabytes लिखते हुए और disk wear या system instability का जोखिम पैदा करते हुए। टिप्पणीकार इसे “vibe-coded” AI-driven development का लक्षण मानते हैं: ऐसे products जो जल्दी ship किए जाते हैं, न्यूनतम review, कमजोर QA, अत्यधिक resource use, और critical issues के लिए धीमे या अनुपस्थित fixes के साथ। कई लोगों का तर्क है कि यह इस दावे को कमजोर करता है कि AI ने software engineering को “solve” कर दिया है, और इसके बजाय यह दिखाता है कि AI से developer tools बनाते समय stronger testing, safeguards, और human accountability की ज़रूरत है.

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।