PostHog 工程师通过长时间运行的 Claude Code 会话，成功用 Rust 重写了核心 SQL 解析器，并大幅提升了系统性能。原先的解析器基于 C++ 和 ANTLR 构建，虽然功能完备但受限于通用解释器的运行开销。在开发过程中，作者并未直接让 AI 一次性编写代码，而是构建了一套包含基于属性的测试（PBT）、定制 SQL 生成器以及“影子模式”验证的复杂工程闭环。通过将两个独立的 AI Agent 会话分别专注于性能优化和逻辑兼容，并利用旧解析器作为“预言机”进行自动化的差异测试，最终生成了 1.6 万行手工级质量的递归下降解析器代码。测试结果显示，新解析器在基准测试中提速 70 倍，而在处理长查询的生产环境中更是实现了 454 倍的性能飞跃，且在数百万次解析中与旧系统保持了完全一致的行为。
事件分析
该案例标志着 AI 编程从简单的代码片段补全向复杂系统级架构构建的跨越。技术层面上，作者证明了利用大模型配合严格的测试生成工具，可以产出比通用解析生成器（如 ANTLR）更高效、针对性更强的手写级代码。这一过程实质上是将人类专家的“编写逻辑”工作转化为“编写测试生成器与验证逻辑”的工作，通过极高的算力投入替代人力脑力。这种“AI 代理 + 模糊测试”的组合拳，可能预示着未来编译技术与中间件开发的新范式：即利用 LLM 生成特定领域的高性能执行代码，而传统的通用代码生成工具将逐渐沦为提供“预言机”或语法定义的辅助角色。
💡 核心观点：“AI 生成 + 严格验证”的工程闭环已具备编写高性能底层系统的能力，传统编译生成工具的护城河正被打破。
原文链接：Hacker News
AI周刊：大模型、智能体与产业动态追踪