AIがRustでPHPエンジンを開発、PHP-srcテストの17%を通過しWordPressをレンダリング

Rustを知らない人物が、AIにPHPインタプリタをRustで構築させました。その結果であるPhargoは、SQLiteデータベースから26KBのWordPressトップページを提供します——PHPの実際のCソースコードを一行も含まないエンジンを介して。これはRustで書かれたゼロからのインタプリタであり、AIエージェントによって生成され、人間の役割は次のように縮小されました：テストを実行し、スコアを確認し、「続行」または「後退した、もう一度確認」と言うだけです。

この実験では、PHP自身のテストスイートを公平な判断基準として使用しています：30年間に蓄積された約22,000の.phptファイルで、DateTimeの夏時間計算から浮動小数点数のvar_dump()までをカバーしています。現在の合格率：22,037中3,844（17.4%）。スイートにはスコープ外のC拡張テスト（GD、curl、SOAP、MySQLドライバ）が含まれているため、現実的な上限は約40〜45%です。プロジェクトはゼロから始まり、失敗ヒストグラムを通じて上昇します：AIは最も大きな失敗テストのクラスタを特定し、修正を実装し、全22,000テストを実行し（約7分）、数値が上がればコミットします——人間のコードレビューは不要です。

実戦からの教訓

初期の進捗は、微妙なバグによって停滞しました：改行コードです。テストコーパスがWindows上でCRLF改行でチェックアウトされ、スコアボードは出力をバイト単位で比較していたため、複数行のテストがすべて黙って失敗しました。PHPのテストランナーは比較前に正規化します。1行の正規化コードで数百のテストがパスするようになりました。教訓：測定方法を測定せよ——判断基準は、それを接続するハーネスと同じくらい正直でしかありません。

もう一つの発見：一部の古い回帰テストは、異常な構造を割り当てたり、無限ジェネレータに展開したりします。これらはもともとPHPの注意深くフェンスされたCI内で実行されるように設計されていました。そのようなテストの1つが開発マシンをハードリスタートさせました。現在、プロジェクトは既知のCI専用爆弾テストをフィルタリングしています。

ループ

• AIが全コーパスに対して失敗ヒストグラムを実行し、修正可能な最大のクラスタを見つける。
• AIが修正を実装する。
• スコアボードが全22,000テストを実行する（約7分）。
• 数値が上がれば：コミット、プッシュ、繰り返し。
• 下がれば：人間が「うーん、後退した、もう一度確認」と言う。

人間の仕事は基本的に方向付けです——ターミナル出力を中世の王が海図を確認するように読み、そして開発者にとって最も強力なフレーズ「よさそうだ、続けよう」とタイプすることです。