AI 手搓 Linux 编译器?两周搞定 10 万行 Rust 代码

近日，Anthropic 安全团队研究员尼古拉斯·卡利尼（Nicholas Carlini）公布了一项令人瞩目的实验成果：仅用两周时间，16 个 Claude Opus 4.6 大模型智能体协作，从零开始开发出一个能编译 Linux 内核的 C 语言编译器。

这项实验不仅展示了当前大模型在复杂软件工程中的潜力，也暴露出其在可维护性、代码质量与系统级开发上的明显短板。

两周、2 万美元、10 万行 Rust 代码

在为期 14 天的实验中，16 个 Claude Opus 4.6 智能体并行工作，累计进行了近 2000 次编码会话，共生成约 10 万行 Rust 代码。整个过程通过 Anthropic 新推出的“智能体团队”功能实现 —— 模型可在半自主状态下协作，无需人工逐行干预。

最终产物是一个功能完整的 C 编译器，成功编译出可在 x86、ARM 和 RISC-V 三大主流架构上启动的 Linux 6.9 内核。项目总 API 调用成本约为 2 万美元。

值得一提的是，Anthropic 同期发布了 Claude Opus 4.6，支持高达 100 万 token 的上下文窗口，为此次长周期、高复杂度任务提供了基础支撑。

无中央调度，靠 Git 自治协作

实验采用去中心化架构：每个智能体运行在独立的 Docker 容器中，共享一个 Git 仓库。它们通过创建文件锁自主分配任务，提交代码后自动合并。最令人震惊的是整个流程没有“主控智能体”，所有代码冲突均由模型自行解决。

这种“多智能体 + Git 协作”的模式，被视为迈向自主软件工厂的重要一步。

能力惊艳，但短板同样明显

该编译器已开源至 GitHub，并展现出不俗的通用性：

• 成功编译 PostgreSQL、SQLite、Redis、FFmpeg、QEMU 等大型开源项目；

• 在 GCC torture 测试套件中通过率达 99%；

• 甚至能跑起经典游戏《毁灭战士》（Doom）。

然而，问题也随之浮现：

• 缺少 16 位 x86 后端：无法完成 Linux 引导阶段所需的实模式编译，仍需依赖 GCC；

• 自研工具链不成熟：汇编器和链接器存在 bug；

• 生成代码效率低：即便开启优化，性能仍远逊于 GCC；

• 代码质量下滑：当项目规模突破 10 万行后，修改一处常导致其他功能崩溃，模型难以维持整体一致性。

卡利尼坦言：“模型已经达到了它能管理代码库连贯性的极限。”

其实没那么简单

尽管 Anthropic 将该项目称为“洁净室”开发（即运行时无网络访问），但这一说法引发争议。毕竟，Claude 的训练数据包含大量公开代码，其中就包括 GCC 和 Clang 的源码，相当于站在巨人的肩膀上“重新发明轮子”。

此外，2 万美元的成本仅指 API 调用费用，未计入模型训练开销和人力投入。实际上，真正的工程难点不在写代码，而在搭建支撑环境。

卡利尼为此专门设计了一整套适配大模型特性的 CI/CD 系统：

• 限制测试日志输出，避免填满上下文窗口；

• 引入“快速测试模式”，仅抽样验证 1%~10% 的用例（因模型没有时间概念）；

• 当多个智能体卡在同一个内核 bug 上时，临时调用 GCC 并行推进任务。

这些工程技巧，或许比编译器本身更具借鉴价值。

意义重大，但安全隐忧不容忽视

卡利尼对结果既惊喜又忧虑。他坦言：“我没想到在 2026 年初，AI 就能做出一个能跑 Linux 的多架构编译器。”要知道，一年前这几乎是天方夜谭。

但他也警告：如果程序员开始部署自己从未亲手审查过的 AI 生成代码，将带来严重的安全隐患。作为渗透测试专家，他深知“黑盒代码”在关键系统中的风险。

这次实验并非证明 AI 已能完全替代程序员，而是人类负责设计框架、制定规则、构建验证机制，AI 负责填充细节、执行重复劳动。

未来，真正高效的 AI 编程或许不在于模型有多聪明，而在于我们能否为它打造一套可靠的操作系统。

附注：该项目代码已开源，感兴趣的技术爱好者可在 GitHub 搜索 “Anthropic compiler agent” 查看完整实现。

https://github.com/anthropics/claudes-c-compiler