兩週搬完一百萬行代碼：Anthropic用Claude把多年不敢碰的語言遷移壓進一個週末
重點摘要
Anthropic 利用自家 AI Claude 在短時間內完成了大規模程式碼遷移，包括將 Bun 從 Zig 遷至 Rust（兩週百萬行）與 Python 轉 TypeScript（一個週末 16.5 萬行）。他們將這套方法提煉為六步流程，強調透過模型協作、自動化隊列與對抗審查，把過去需要數年的遷移項目壓縮到數日內完成。
把一門程式語言整套換掉，放在過去幾乎等於替公司立下一個兩年以上的軍令狀。工程師們聞之色變，預算委員會避之唯恐不及，許多老舊的程式碼就這樣卡在原地動彈不得。然而，Anthropic 在 7 月 16 日發表的一篇文章，直接改寫了這條鐵律：過去一個月內，他們內部的開發者利用 Claude Fable5、Opus4.8 以及動態工作流，將十個包含數萬到數十萬行程式碼的軟體包，乾淨俐落地遷移到全新的語言上。這不再是未來式想像，而是真實發生在他們身上的事實。 其中最引人注目的兩個案例，猶如兩根釘子，把想像牢牢釘進現實。Bun 的共同創辦人 Jarred Sumner 使用 Claude Code，在不到兩週內將整個 Bun 從 Zig 遷移到 Rust，產出一百萬行程式碼；合併進主幹之前，整條 CI 測試鏈以 100% 通過率過關，合併後僅出現 19 個迴歸錯誤，如今已全數修復，Rust 版本早在 6 月就隨著 Claude Code 發佈。另一邊，Anthropic Labs 的聯合負責人 Mike Krieger，只用一個週末就將一套 Python 程式庫搬成了 16.5 萬行的 TypeScript，裡面包含數百個代理、8 道階段閘門、3 輪對抗審查，最後還用奇偶校驗逐字比對每一條命令的輸出。 Anthropic 把這套打法提煉成一句話：你修的不是程式碼，而是生產程式碼的那個流程本身。一旦看透這點，那些被無限期擱置的遷移計畫，就不再是不可觸碰的禁區。團隊啟動遷移的時機通常來自於技術地形與現實需求的脫節：可能是當初權衡的優點如今成了瓶頸，可能是出現了更好的路徑，也可能是原先生態正在萎縮。Jarred 當年選擇 Zig，是看中它 C 級別的性能和極致簡單，讓一位創始人在奧克蘭的小公寓裡用一年寫出 Bun；但簡單也有代價。到了 2026 年，Bun 的指令列工具月下載量突破一千萬，這些代價已足以凍結路線圖，卻仍沒有人願意押上數季資源去動它。 現在情況不同了。最壞的結果不過是刪掉那條分支，重新再來。當然，商業帳還是要算。一百萬行級別的遷移，雖然不必再像四年專案那樣燒掉三四百萬美元工程師資源，但落地仍需花費數萬到數十萬美元。Bun 那次遷移消耗了 59 億個未緩存輸入 token 和 6.9 億個輸出 token，按 API 定價約合 16.5 萬美元；Mike 的遷移也燒了 2700 萬 token。真正驅使 Mike 下定決心的，是編譯速度這道坎。他的團隊以單一二進位檔案交付內部工具，用 Python 工具鏈編譯每個平台需約八分鐘，整個建構矩陣一輪要等三十分鐘；遷移後，同樣的編譯只需兩秒，二進位啟動速度快了六倍，還順手淘汰了一條獨立的部署管線。 為什麼 AI 能算平這筆舊帳？因為大規模程式碼遷移剛好是高階模型的絕佳場景。這項工作天然可以並行處理：檔案、crate 等成百上千的獨立單元可以讓代理同時開工，上下文既清晰又完整，舊程式碼本身就是最好的規格說明書，測試套件則充當鐵面無私的裁判。隊列會自己產生：編譯器或測試一掛，下一個要修的任務就自動排上。流程本身讓偏差無處藏身，審查員每一條發現都得引用背後規則，一次違規變成一個待辦項，而不是悄悄分叉。 Anthropic 從這兩場遷移中提煉出了一套可複用的六步法。第一步是備好一個鐵面無私的裁判。這個裁判必須能站在同一標準上同時評判原始碼和目標碼。用原語言寫的測試套件往往依賴目標碼裡不存在的內部函數，因此得先用 Claude 分類測試、改寫成能同時跑在兩種版本上的斷言，再派對抗代理驗證改寫沒有削弱斷言力度。第二步是立規矩、畫依賴圖、列缺口清單。規則手冊的內容取決於是否沿用舊結構：沿用結構就像一張翻譯查表，徹底重做則是一份設計文檔。依賴圖要摸清檔案間的關係，才能有效切分並行流；缺口清單則記錄新舊語言之間的硬差距，例如 Zig 轉 Rust 差在手動記憶體管理，Python 轉 TypeScript 差在介面與契約。 第三步是壓一壓規則，進行一場迷你遷移當試航。Jarred 派一個代理照手冊翻三份檔案，另一個像資深工程師那樣翻三份，再用第三個代理拿著兩份差異去提煉新規則；就在這個階段他逮住了兩個致命問題，否則等到攤開全部 1448 個檔案時麻煩就大了。壓力測試只對結構保持型遷移有效；若是重設計，就該用對抗審查員轟炸設計文檔，再以一次可丟棄的端到端跑通驗證。翻出來的檔案全部扔掉——這一步只是磨利規則，不是累積進度。 第四步是翻譯一切。剩下的步驟都跑同一套多代理循環：實現、審查、修復。實現這類苦力活可以交給小模型，審查留給大模型；任務隊列要機械到無聊——一個批次腳本根據翻譯後的檔案是否在磁碟上來決定完工與否。代理有時會過於謹慎，解法就是一條帶著上下文的指令，提醒它下一步編譯器會替它抓錯。翻譯器沒把握的地方就標上 TODO，留給第四步。從這裡開始，待辦清單自己會寫：編譯器數出錯，冒煙測試逮住崩潰，測試套件報出失敗。兩個對抗審查員用各自的上下文打分，意見相左就交給第三個代理。當同一種錯誤在多個檔案中反覆出現時，修法不是逐檔案打補丁，而是在規則手冊裡加一句話，把受影響的批次重新生成。 第五步是編譯。取決於語言與規模，它通常會與第三步融合。Jarred 用一個編排腳本在整個工作區調一次編譯器，修復代理並行掃描錯誤清單，對抗審查同步進行，建構重跑，如此往復。翻錯誤清單能幫你抓出系統性毛病的根因，例如他修完循環依賴後冒出幾千個 Rust 模塊錯誤，便給循環加了一段邏輯來分類處理。第六步是行為比對，也就是把預備階段那套測試套件套上去跑，失敗的交給修復代理對著兩套程式碼審查，對抗審查員再查它們的修法。Mike 更進一步，讓 Claude 自己設計端到端測試套件，通宵自主運行，連跑四個晚上，逮住了任何場景清單都預測不到的細微破綻。 這套打法跑下來，有幾條實踐在每個專案上都站得住腳。別盯著單點失敗——那是循環的活兒，修復代理會替你磨平；讓審查保持對抗、讓驗證保持機械；把 token 開銷集中在循環裡，小模型扛高吞吐的實現鋪開，最大模型留給審查員和規則手冊的撰寫者。把人的工時前置，規則手冊和壓力測試最耗時間，之後基本上就是隊列在燒。回到結果本身：Jarred 的 Bun 遷移已經上線生產，雖然約 4% 的 Rust 程式碼留在 unsafe 區塊裡，但新程式庫明顯更好——記憶體洩漏全修乾淨，二進位在 Linux 和 Windows 上小了 19%，HTTP 服務與 next build、tsc 等真實負載上快了 2% 到 5%。那些你一直忍著沒動的程式庫，也許是時候重新算算這筆帳了。挑出那個容忍最久的傢伙，問問 Claude，為它做一場遷移到底長什麼樣。
Related
相關文章
一級市場的月之暗面和DeepSeek，估值敘事「溢價」從何而來
賬號設置我的關注我的收藏申請的報道退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務尋求報道36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI自助報道廣東最新創投汽車科技專精特新直播視頻專題活動搜索尋求報道我要入駐城市合作一級市場的月之暗面和DeepSeek，估值敘事「溢價」從何而來明亮公司·2026年07月17日 12:30月之暗面更多是“財務性溢價”和“性能溢價”， DeepSeek有很多非“財務性溢價”因素。月之暗面D+輪北京市2023-04AI初創大模型公司36氪報道前沿技術我要聯繫 稍早前，月之暗面（MoonShot AI）發佈了其最新版本的模型Kimi K3，憑藉在各項評分上的領先表現，引起資本市場的高度關注。據月之暗面在X上的介紹，K3是一款擁有2.8萬億參數的多模態模型，支持 100萬token上下文，具有原生視覺能力，並採用多項創新技術。 Artificial Analysis 稱，Kimi K3在Artificial Analysis 智能指數（Artificial Analysis Intelligence Index）上得分為57。其智能水平可與Opus 4.8和GPT-5.5相當，但仍落後於Fable 5和 GPT-5.6 Sol。月之暗面已表示計劃發佈這個2.8T參數模型的權重，這將使其成為領先的開源模型。 在AI Arena Code的排名上，K3甚至領先於Anthropic的Fable 5、Gpt5.
Atlas關停，AI瀏覽器沒有未來了嗎？
賬號設置我的關注我的收藏申請的報道退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務尋求報道36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI自助報道廣東最新創投汽車科技專精特新直播視頻專題活動搜索尋求報道我要入駐城市合作Atlas關停，AI瀏覽器沒有未來了嗎？字母AI·2026年07月17日 12:27Agent正在吃掉搜索，但不會終結瀏覽器。 OpenAI放棄了自己的AI瀏覽器。 根據OpenAI官方文檔，Atlas將於2026年8月9日停止運行。用戶需要提前遷移想保留的數據，包括書籤、打開的標籤頁和瀏覽歷史記錄在內的瀏覽器數據，均不會自動轉移。 這款瀏覽器於2025年10月上線，從發佈到停止服務，生命週期不到一年。 但Atlas並非一次沒有意義的嘗試。在這段時間裡，至少它探索了一個重要方向：當AI從回答問題走向執行任務時，瀏覽器能否成為Agent連接真實互聯網的操作環境。 OpenAI最終放棄了Atlas這個獨立入口，卻保留了它探索出的能力。 官方表示，隨著“將基於瀏覽器的智能體能力引入ChatGPT和Codex”，公司將棄用Atlas，並基於從Atlas中獲得的經驗，為ChatGPT帶來更強大的瀏覽器體驗。 Atlas死於ChatGPT。OpenAI已經意識到，AI瀏覽器註定沒有未來。 Atlas，死於ChatGPT 去年10月，在Atlas出現的時候，AI瀏覽器有非常充分的存在理由。 OpenAI推出ChatGPT Atl
Kimi新模型K3刷屏，Coding得分超越Fable 5
Kimi新模型K3刷屏，Coding得分超越Fable 5飛向TAI空2026.07.17 12:29 · 來自北京全文2337字00:00 / 06:27Arena發佈的測評顯示，K3發佈後以1679分登頂前端代碼競技榜榜首，超過了Anthropic的Claude Fable 5。截圖來自KiMi國產模型繼續追近與全球頂尖模型的能力差距。7月16日，月之暗面（Moonshot AI）發佈新一代旗艦開源基礎模型Kimi K3，參數規模達2.8萬億，擁有100萬Token的上下文窗口，成為迄今為止全球參數規模最大的開源模型。這款模型隨即刷屏科技圈，開發者Chetaslua在社交平臺X上發帖稱其“碾壓谷歌”“將成為開源社區的又一個DeepSeek時刻”，美國著名科技記者、主持人羅伯特·斯考伯（Robert Scoble）轉帖並表示“我的信息流裡全是Kimi K3的消息”。截圖來自社交平臺X性能迫近全球最強模型對於基礎模型，性能的比拼依然最具吸引力。在Kimi官方給出的測評結果中，K3的綜合能力僅次於Anthropic的Claude Fable 5和OpenAI 的GPT-5.6 Sol，而這兩款模型是目前全球最頂尖的大參數旗艦模型。這一對比被開發者社區、媒體廣泛引用，被認為一方面代表了中國模型追近美國頂尖模型的現實，另一方面也被認為是開源模型再次拉近與閉源模型能力差距的例證。美國知名科技媒體Axios發佈報道稱“Kimi新模型的性能讓AI世界感到震驚”。此前，曾有媒體援引知情人士消息稱，K3被月之暗面內部視為對標Anthropic的Opus 4.8的關鍵產品，足以挑戰中國模型與美國頂尖模型水平相差8-12個月的認知。此外，UC Berkeley研發的AI評測平臺Arena也發佈了一份“戰報”，稱K3發佈後以1679分登頂前端代碼競技榜榜首，超過了Claude Fable 5。圖
誰在給AI眼鏡值夜班？
在今年的世界人工智能大會（WAIC）上，全場焦點集中在大型語言模型與機器人，但過去一年裡，終端硬體中成長最快速的品類其實是AI眼鏡。去年此時，它還是極客手中的實驗品；今年，小米、阿里巴巴及Rokid等品牌的眼鏡已經擺上貨架，成為正式商品。拆開其中最受矚目的小米AI眼鏡，主板上並列著兩顆晶片：大的那顆是高通產品，供應鏈報價約55美元；小的那顆約7美元，絲印上印著三個字母——BES，代表上海晶片設計公司恆玄科技。這家公司如何登上這塊主板，故事要從2015年說起。
具身智能的真機數採，到了分水嶺
具身智能的真機數採，到了分水嶺AGI-Signal2026.07.17 11:06 · 來自上海全文5972字00:00 / 16:20人類數據由於成本可控、採集更靈活，更有望Scaling。具身智能正在經歷一次關鍵的瓶頸認知切換。過去兩年，行業角逐的焦點是本體，誰能造出更能跑、更能跳的機器人。但進入2026年，競爭的重心正在從硬件轉向數據。