Cisco 和 OpenAI Codex 企业集成

Cisco 将 OpenAI 的 Codex 直接集成到其生产工程工作流程中，将其从开发者生产力工具转变为能够在企业规模下运作的 AI 工程队友。此集成将关键工程时间线从几个季度压缩到几周，并实现了在 C/C++ 代码库中复杂的多仓库任务的自动化。

通过 AI Defense 加速产品开发

Cisco 使用 Codex 编写了其 AI Defense 解决方案的大部分内容——这是一个端到端的 AI 安全产品，旨在防范由 AI 引入的风险——以及目前正在开发的几乎所有新功能。这种开发速度的转变将将功能交付给客户所需的时间从几个季度缩短到仅几周。

此外，Cisco 使用 Codex 开发了 "Defense Squad"，这是一个从构想阶段到开发者社区不到一周时间的开源工具。作为 Daybreak 倡议的一部分，Cisco 还管理对 GPT-5.5-Cyber 的访问，这是一个专门用于网络防御者的模型。

企业代码库中的 Agentic AI 能力

与标准代码补全工具不同，Codex 提供了代理式能力，使其能够在复杂的、任务关键的环境中运行。关键技术能力包括：

• 多仓库推理：能够理解并跨大型互连仓库进行推理。
• 语言流畅度：在复杂语言（特别是 C/C++）方面具有高水平的熟练度。
• 自主工作流：执行基于 CLI 的自主编译-测试-修复循环。
• 治理集成：能够在现有的企业安全、审查和治理框架内运作。

对关键工程工作流程的影响

Cisco 将 Codex 应用于三项主要的高影响工程挑战：

跨仓库构建优化

Codex 分析了超过 15 个互连仓库的依赖图和构建日志，以识别低效率。这导致构建时间减少了约 20%，并在全球环境中每月节省了超过 1,500 工程小时。

大规模缺陷修复（CodeWatch）

通过使用 Codex-CLI，Cisco 在大规模 C/C++ 代码库上使用迭代的代理式执行自动化了缺陷修复。此过程使缺陷解决吞吐量提高了 10-15 倍，将修复所需时间从几周的人工努力缩短到几小时。

框架迁移

对于 Cisco 的 Splunk 团队，Codex 自主处理了将多个 UI 从 React 18 迁移到 React 19 所需的大部分重复更改，将时间线从几周压缩到几天。

企业就绪性和路线图

Cisco 与 OpenAI 的合作作为反馈循环，以加速 Codex 在大规模企业使用方面的准备。Cisco 提供了关于合规性、与开发流水线的集成以及长时间运行任务管理的关键数据。

"当我们停止将 Codex 视为工具，而是开始将其视为团队的一部分时，最大的收益随之而来。我们使用 Codex 生成并遵循计划文件，使审查团队能够更轻松地理解整个过程和生成的代码。"

根据 Cisco Splunk 小组的首席工程师 Ryan Brady 的说法，当工具被视为团队成员时，收益最为显著：

"当我们停止将 Codex 视为工具，而是开始将其视为团队的一部分时，最大的收益随之而来。我们使用 Codex 生成并遵循计划文件，使审查团队能够更轻松地理解整个过程和生成的代码。"