思科给工程师无限 AI token 重写遗留代码

重写的范围与目标

• 许多评论者指出，文章从未清楚说明为什么“98% 的遗留代码”必须重写，或者思科究竟想要什么具体结果（性能、安全性、可维护性、功能对等、整合等等）。
• 也不清楚“遗留代码”具体涵盖什么：内部工具、产品固件（例如 IOS/IOS-XR）、特定产品线（交换机、防火墙、协作产品），还是以上全部。
• 一些人担心，触及核心网络固件可能会带来严重的稳定性和互操作性后果。

AI 驱动重写的可行性

• 乐观的声音认为，2026 年末的 LLM 已经可以翻译和重构大型代码库、逆向旧二进制文件，并在很短时间内生成海量代码和测试。
• 有人表示，自己曾在一名中级开发者监督下，配合适度的 token 花费，在几个月内成功重写了嵌入式/遗留系统。
• 另一些人则认为，这项任务远比 CEO 的叙事更难，尤其是像思科网络操作系统这样的复杂系统。

遗留行为、bug 与测试

• 人们强烈担心，遗留系统的怪异特性、把 bug 当功能的行为，以及互操作性“绕过方案”（与其他厂商、奇怪硬件、细微的协议边界情况），往往没有文档，也很难重新发现。
• 多位评论者强调，真正的挑战不是生成代码，而是：
  • 通过大量回归测试和端到端测试来捕捉现有行为。
  • 在不破坏客户的前提下，决定哪些 bug 应保留、哪些应修复。
• 人们认为 AI 擅长：
  • 编写测试和文档。
  • 重构和解释代码。
    但在不知道哪些行为重要，或者没有专家指导的情况下，AI 更难设计真正有效的测试套件。

可靠性、风险与客户影响

• 许多人担心，这可能会扰乱依赖高可靠性的基础设施客户，不像普通的 SaaS 那样。
• 有人建议并行运行、重度仿真，或者采用 A/B 灰度发布；也有人担心客户会事实上成为测试场。
• 对于“无限 token”和一个小团队能否安全复现几十年来积累下来的、来之不易的 bug 修复，评论者普遍持怀疑态度。

组织与公关层面

• 一些人将这则故事视为公关/炒作稿：强调“AI 原生”的年轻人、“无限 token”和英雄式叙事，而不是工程细节。
• 有人把它解读为向投资者传递信号（“我们非常 AI”），或者是裁员的前奏。
• 还有一些批评性讨论涉及思科历史上的软件质量、不断扩张的产品线以及客户的不满，这让部分人怀疑此举是否真能改善现状。