用Claude Code编写10万行Rust代码的经验总结

开发工程师Cheng Huang于2025年12月1日发布博客，分享了用Claude Code编写10万行Rust代码的经验总结。他利用AI编程智能体构建了一个完整的multi-Paxos共识引擎，该引擎不仅实现了Azure Replicated State Library的全部功能，还针对现代硬件进行了优化。这次实践相当于用AI复刻并升级了支撑Azure核心服务的底层框架。

AI写Rust代码到底靠不靠谱？要知道，共识引擎这类分布式系统对正确性和性能要求极高，一丁点逻辑错误都可能导致数据不一致。而Cheng Huang的结论是挺让人意外的：在Claude Code的辅助下，他成功完成了整个系统的核心逻辑，代码质量甚至优于许多手工编写的同类项目。这就引发了一个真问题——AI生成的Rust代码，凭什么能搞定如此复杂的系统？

这次实践的妙处在于采用了“规范驱动开发”模式。工程师先定义清晰的接口规范和测试用例，然后把具体的实现工作交给Claude Code。这样做的好处很明显：人类把控架构和边界条件，AI负责填充细节代码。10万行代码听起来很多，但通过规范约束，AI生成的代码风格统一、逻辑一致，减少了大量手工调试时间。

速度确实惊人。整个项目在几个月内完成迭代，从设计到实现，Claude Code几乎参与了每一行代码的编写。不过搞Rust的人都清楚，这门语言的借用检查器可不是吃素的，哪怕是一行不严谨的代码都可能导致编译失败。好在AI在内存安全方面表现不错，生成的代码多数能一次通过编译器检查。

踩过的坑其实也不少。比如AI有时会生成过于复杂的宏定义，或者在不该使用unsafe代码的地方滥用unsafe。另外，Rust的所有权模型对AI来说是个难点，有时候明明可以借用，AI却偏要克隆数据。这些都需要人工介入修正。但话说回来，把AI当成一个高级结对编程伙伴，效率提升是实实在在的。

为什么非得用Rust呢？因为共识引擎需要极致的性能和确定性，Rust的零成本抽象和内存安全特性恰好完美契合。如果换成Go或Java，吞吐量和延迟控制很难达到同样水平。Cheng Huang的选择说明：在基础设施软件领域，Rust配合AI开发完全能走通，而且可能是未来的一个重要方向。

这次实践给业界带来一个清晰的信号：10万行规模的Rust代码库，AI已经能够深度参与甚至主导开发。关键不在于AI完全取代程序员，而在于开发者能不能用好规范驱动、分而治之的方法。把复杂系统拆解成清晰的模块和接口，让AI去实现，人类做审核和兜底——这或许才是AI时代写代码的正确姿势。