當我們談論 AI 輔助寫程式時，大多數人的第一反應是像 GitHub Copilot 那樣的程式碼補全工具，也就是你在輸入時，AI 幫你猜接下來要寫什麼。但對於 Cisco 這種管理著極其複雜、對穩定性要求極高的企業級軟體系統的公司來說，單純的補全是不夠的。他們需要的是一種具備 Agency（代理能力）的 AI，能夠理解整個系統的脈絡並獨立執行任務。
這就是 Cisco 與 OpenAI 合作導入 Codex 的核心邏輯。Codex 在這裡不再是一個單純的插件，而是一個被整合進生產工作流的 AI 工程隊友。
什麼是 Agency 代理能力
對於初入職場的工程師來說，理解 Agency 這個詞很重要。一般的 AI 工具是指令式的，你給它一段程式碼，它幫你修改。而具備代理能力的 AI 則像是一個實習生，你可以給它一個目標，例如修復某個 Bug，它會自己去閱讀多個相關的儲存庫（Repositories）、分析日誌、嘗試編譯、發現錯誤、修正程式碼，直到測試通過為止。這種自動化的編譯測試修正循環（Compile-Test-Fix Loop）才是真正能解放工程師生產力的關鍵。
在複雜環境中的實務應用
Cisco 的開發環境充滿了挑戰，包括大量使用 C/C++ 等底層語言，以及跨越多個相互依賴的儲存庫。他們將 Codex 應用在三個極具代表性的場景中。
首先是跨儲存庫的構建優化。在大型企業中，編譯一次程式碼可能需要很久。Codex 透過分析超過 15 個互連儲存庫的構建日誌與依賴圖（Dependency Graphs），找出低效率的環節，最終讓構建時間減少了 20%，每月節省超過 1,500 個工程小時。
其次是大規模的缺陷修復。透過 Codex CLI（命令列介面），Cisco 實現了自動化的 Bug 修復流程。以往需要工程師花費數週手動排查的 C/C++ 程式碼缺陷，現在可以在數小時內完成，修復效率提升了 10 到 15 倍。
最後是框架遷移。例如將 UI 框架從 React 18 升級到 19，這類工作包含大量重複性的修改。Codex 處理了大部分的機械式變更，將原本需要數週的工作壓縮至數天，讓工程師能專注於需要專業判斷的設計決策。
從開發工具到 AI 原生開發
Cisco 的做法改變了軟體工程的衡量標準。過去我們評估工作量是看需要多少人力、多少人日，但現在團隊開始詢問這個 Codex 任務需要跑多久。
這種轉變體現在 AI Defense 產品的開發上。這是一個保護 AI 安全的解決方案，絕大部分的程式碼是由 Codex 撰寫的。原本需要數個季度才能交付的功能，現在縮短到數週即可完成。
對企業而言，導入 AI 的最大門檻通常是安全性、合規性與治理。Cisco 並非直接使用公開版工具，而是與 OpenAI 深度合作，將企業的合規要求與長時程任務管理（Long-running task management）整合進 Codex 的開發路徑中。這意味著 AI 生成的程式碼必須符合企業的審核流程，且 AI 必須能生成計畫文件，讓人類審閱者能快速理解 AI 為什麼這樣寫。
總結與啟發
對於工程師來說，這告訴我們 AI 的進化方向：從輔助寫行，到輔助功能，最後到輔助整個生命週期。當 AI 能夠處理跨儲存庫的推理、執行自動化測試循環並遵循企業治理框架時，它就從一個工具變成了一個能分擔責任的隊友。
來源：openai.com
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。