KI schrieb eine PHP-Engine in Rust, besteht 17 % der PHP-src-Tests, rendert WordPress

Jemand, der kein Rust kann, hat von einer KI einen PHP-Interpreter in Rust bauen lassen. Das Ergebnis, Phargo, serviert eine 26 KB große WordPress-Startseite aus einer SQLite-Datenbank – mit einer Engine, die null Zeilen des eigentlichen PHP-C-Quellcodes enthält. Es ist ein von Grund auf neu geschriebener Interpreter in Rust, generiert von einem KI-Agenten, dessen menschliche Rolle reduziert ist auf: Tests ausführen, Ergebnisse prüfen, „weiter“ oder „verschlechtert, nochmal prüfen“ sagen.

Das Experiment nutzt PHP’s eigene Testsuite als unparteiisches Orakel: ~22.000 .phpt-Dateien, die über 30 Jahre angesammelt wurden, und decken alles ab, von DateTime-Sommerzeitberechnungen bis zu var_dump() auf Fließkommazahlen. Aktuelle Bestehensquote: 3.844 von 22.037 (17,4 %). Da die Suite C-Erweiterungstests (GD, curl, SOAP, MySQL-Treiber) enthält, die außerhalb des Rahmens liegen, liegt die realistische Obergrenze bei ~40-45 %. Das Projekt startete bei Null und steigt durch Fehlerhistogramme: Die KI identifiziert den größten Cluster fehlschlagender Tests, implementiert eine Korrektur, führt die gesamte 22.000-Test-Suite aus (~7 Minuten) und committet, wenn die Zahl steigt – keine menschliche Code-Überprüfung nötig.

Lehren aus der Praxis

Frühe Fortschritte stagnierten aufgrund eines subtilen Fehlers: Zeilenenden. Das Testkorpus wurde unter Windows mit CRLF-Endungen ausgecheckt, und die Anzeige verglich die Ausgabe Byte für Byte, wodurch jeder mehrzeilige Test stillschweigend fehlschlug. PHP’s eigener Test-Runner normalisiert vor dem Vergleich. Eine Zeile Normalisierungscode ließ hunderte Tests grün werden. Die Lehre: Messe deine Messung – dein Orakel ist nur so ehrlich wie die Testumgebung, die dich damit verbindet.

Eine weitere Entdeckung: Einige ältere Regressionstests allozieren absurde Strukturen oder expandieren zu unendlichen Generatoren, ursprünglich entwickelt, um in PHP’s sorgfältig abgeschirmtem CI zu laufen. Ein solcher Test startete den Entwicklungsrechner hart neu. Das Projekt filtert nun Tests, die als CI-only-Bomben bekannt sind.

Der Kreislauf

• KI erstellt ein Fehlerhistogramm über das gesamte Korpus, um den größten behebbaren Cluster zu finden.
• KI implementiert die Korrektur.
• Anzeige führt alle ~22.000 Tests aus (~7 Minuten).
• Wenn die Zahl steigt: commit, push, wiederholen.
• Wenn sie fällt: Mensch sagt „hmm, das hat sich verschlechtert, nochmal prüfen.“

Die Aufgabe des Menschen besteht im Wesentlichen im Zielen – Terminal-Ausgabe lesen wie ein mittelalterlicher König, der Seekarten überprüft, und dann die mächtigste Phrase des Entwicklers tippen: „sieht gut aus, weiter.“