数十年来，Cisco 一直在构建和运营世界上一些最复杂、最关键任务的软件系统。随着生成式 AI 从实验走向真正的运营能力，Cisco 立足其最擅长的领域：在严苛的真实环境中规模化应用先进技术。

这种方法已经在影响 Cisco 构建新产品的方式，包括 AI Defense；在该项目中，Codex 帮助将关键工程工作从几个季度压缩到数周。

Cisco 并未将 Codex 视为独立的开发者工具，而是开始将其直接集成到生产工程工作流中，让它接触庞大的多代码库系统、以 C/C++ 为主的代码库，以及全球企业的安全、合规和治理要求。

在这一过程中，Cisco 帮助将 Codex 塑造成一种与开发者生产力工具有根本不同的存在：一个能够以企业规模运行的 AI 工程队友。

Cisco 在 AI Defense 上的工作展示了这种模式在实践中的样貌。AI Defense 是 Cisco 的端到端 AI 安全解决方案，用于防范 AI 引入的安全与安保风险。

Cisco 团队使用 Codex 编写了 AI Defense 的大部分内容，以及 Cisco 正在构建的几乎所有新功能。

这项工作也体现了 Cisco 在推进 AI 安全方面更广泛的角色。Cisco 是参与 OpenAI Daybreak 计划的领先安全组织之一，该计划将 OpenAI 模型、Codex 和安全合作伙伴汇聚在一起，以加速网络防御并持续保障软件安全。作为该计划的一部分，他们对 GPT‑5.5‑Cyber 的访问进行了治理；GPT‑5.5‑Cyber 是面向网络防御人员的模型。

Cisco 还使用 Codex 帮助构建其 Defense Squad，这是一款开源工具，从构想到进入开发者社区用时不到一周。

Cisco 已经运营着一个成熟的工程组织，并有多项 AI 计划正在推进。让 Codex 具有吸引力的并不是代码补全或表层自动化，而是智能体能力。Codex 展示了以下能力：

• 理解大型、相互关联的代码库并进行推理
• 熟练处理复杂语言
• 通过基于 CLI 的自主编译-测试-修复循环执行真实工作流
• 在现有审查、安全和治理框架内运行

通过直接与 OpenAI 合作，Cisco 工程师能够反馈这些能力在真实环境中的表现，进而塑造工作流编排、安全控制以及对长时间运行工程任务的支持等领域；这些都对企业使用至关重要。

一旦 Codex 嵌入到日常工程工作中，团队便开始将其应用于一些最具挑战性且最耗时的工作流：

跨代码库构建优化：Codex 分析了 15 个以上相互关联代码库中的构建日志和依赖关系图，识别低效环节。结果是：构建时间减少约 20%，并在全球环境中每月节省超过 1,500 小时工程时间。

大规模缺陷修复（CodeWatch）：Cisco 使用 Codex-CLI，在大规模 C/C++ 代码库上通过迭代式、智能体式执行来自动修复缺陷。过去需要数周手工完成的工作，现在可在数小时内完成，使缺陷解决吞吐量提升 10-15 倍，并让工程师能够专注于设计和验证。

以天而非周完成框架迁移：当 Splunk 团队需要将多个 UI 从 React 18 迁移到 React 19 时，Codex 自主处理了大量重复性变更，将数周工作压缩到数天，并让工程师专注于需要大量判断的决策。

Cisco 从真实生产使用中持续提供反馈，帮助 OpenAI 加速 Codex 面向大型企业的就绪程度，尤其是在合规、长时间运行任务管理，以及与现有开发流水线集成等领域。

对 Cisco 而言，这次合作确立了一种采用下一代 AI 的可复用模式：深度技术合作、真实工作负载，以及从第一天起的领导层协同。

如今，Codex 已在 Cisco 多个业务部门中使用，提高了生产力、代码质量和解决问题所需时间。团队不再只按传统工作量指标估算工作，而是越来越多地问：“那次 Codex 运行需要多长时间？”