100K Líneas de Rust con IA: Contratos, Desarrollo Guiado por Especificaciones y Rendimiento
Cheng Huang dedicó aproximadamente 6 semanas a construir un motor de consenso multi-Paxos en Rust diseñado para modernizar la Biblioteca de Estado Replicado (RSL) de Azure. El proyecto involucró más de 130 mil líneas de código Rust (~100 mil escritas en 4 semanas por agentes de IA, más 3 semanas de optimización) y logró un salto en el rendimiento de 23 mil a 300 mil operaciones por segundo.
Huang utilizó múltiples agentes de codificación de IA: GitHub Copilot, Claude Code, Codex CLI, Augment Code, Kiro y Trae. Su configuración principal ahora es Claude Code + Codex CLI desde la terminal, usando VS Code solo para diferencias y ediciones menores. Mantiene dos suscripciones a ChatGPT para manejar límites de tasa (una de lunes a miércoles, otra de jueves a domingo).
Contratos de código — escritos por IA
La estrategia central de corrección: contratos de código generados por IA que especifican precondiciones, postcondiciones e invariantes para funciones críticas, convertidos en aserciones en tiempo de ejecución durante las pruebas. Huang encontró que GPT-5 High escribe excelentes contratos; Opus 4.1 es bueno pero requiere más revisión. Por ejemplo, el método process_2a (que maneja mensajes de fase 2a de Paxos) tiene 16 contratos. Luego, los contratos se usan para generar casos de prueba específicos y pruebas basadas en propiedades que exploran entradas aleatorias: un contrato detectó una sutil violación de seguridad en Paxos que podría haber causado problemas de consistencia en la replicación.
Desarrollo ligero guiado por especificaciones
Huang inicialmente probó un enfoque rígido guiado por especificaciones: markdown de requisitos → markdown de diseño → markdown de lista de tareas. Lo encontró demasiado inflexible para cambios iterativos. Ahora usa una versión más ligera: comenzar con una especificación concisa, dejar que la IA genere código, luego refinar contratos y pruebas de forma iterativa. El sistema completo incluye más de 1300 pruebas que abarcan pruebas unitarias, de integración y de inyección de fallos en múltiples réplicas.
Optimización del rendimiento
La fase de optimización (3 semanas) aumentó el rendimiento de 23 mil a 300 mil operaciones por segundo. Cambios arquitectónicos clave: adición de pipelining (las solicitudes ya no esperan por votos en curso), soporte para memoria no volátil (NVM) para reducir el tiempo de confirmación, y conocimiento de RDMA para hardware moderno de centros de datos de Azure.
Próximos pasos
Huang desea un mejor soporte de IA para la generación de pruebas basadas en propiedades a partir de contratos y un manejo más fluido de cambios disruptivos en bases de código de más de 100 mil líneas.
📖 Lee la fuente completa: HN AI Agents
👀 Ver también
Desperdicio de tokens en Claude Code: Una autoauditoría muestra que las correcciones conductuales superan al cambio de modelo
Un usuario midió el uso de tokens en Claude Code y descubrió que usar /clear entre tareas, planificar antes de editar y prohibir la relectura de archivos ya editados ahorraba más tokens que cambiar de modelo. La disciplina práctica supera a los envoltorios.
Consejos Prácticos de Flujo de Trabajo con Claude para Proyectos de Desarrollo Complejos
Un usuario de Claude Pro comparte estrategias específicas de flujo de trabajo para desarrollar complementos de audio complejos, incluyendo el uso del modo de planificación para funciones principales, la creación de archivos de contexto, la gestión del uso de tokens y la implementación de pasos de validación.
Rutina de precodificación con Claude Code: 5 servidores MCP antes de escribir una línea
Un desarrollador comparte una rutina de 60-90 segundos que utiliza 5 servidores MCP (memoria, grafo de código base, búsqueda Tavily, documentación Context7) y hooks de seguridad para reducir drásticamente las alucinaciones y ediciones desperdiciadas.
¿Gastaste $850 en OpenClaw en un mes? Arregla tu arquitectura, no tu modelo
Un desarrollador gastó $850 en un mes en una configuración multiagente de OpenClaw, con $350 desaparecidos en un solo día. La solución no fue un modelo más barato, sino el diseño del sistema: poda estricta del contexto, reinicios de sesión, n8n para tareas que no requieren razonamiento, y un nivel de enrutamiento para modelos baratos frente a modelos potentes.