ИИ написал 100 тысяч строк на Rust: контракты, спецификация и производительность

Чэн Хуан потратил около 6 недель на создание движка консенсуса Multi-Paxos на Rust, предназначенного для модернизации библиотеки реплицированных состояний Azure (RSL). Проект включал более 130 000 строк кода на Rust (около 100 000 написано за 4 недели AI-агентами, плюс 3 недели оптимизации) и позволил увеличить пропускную способность с 23 000 до 300 000 операций в секунду.

Хуан использовал несколько AI-агентов для кодирования: GitHub Copilot, Claude Code, Codex CLI, Augment Code, Kiro и Trae. Его основная конфигурация теперь — Claude Code + Codex CLI из терминала, а VS Code используется только для просмотра различий и мелких правок. Он поддерживает две подписки ChatGPT для обхода ограничений по частоте запросов (одна с понедельника по среду, другая с четверга по воскресенье).

Контракты кода — написанные AI

Основная стратегия корректности: сгенерированные AI контракты кода, которые определяют предусловия, постусловия и инварианты для критических функций, преобразуемые в утверждения времени выполнения во время тестирования. Хуан обнаружил, что GPT-5 High отлично пишет контракты; Opus 4.1 тоже хорош, но требует больше проверки. Например, метод process_2a (обрабатывающий сообщения фазы 2a Paxos) содержит 16 контрактов. Затем контракты используются для генерации целенаправленных тестовых случаев и проверок на основе свойств, исследующих случайные входные данные — один контракт выявил тонкое нарушение безопасности Paxos, которое могло вызвать проблемы с согласованностью репликации.

Облегченная разработка на основе спецификаций

Изначально Хуан попробовал жесткий подход на основе спецификаций: markdown требований → markdown дизайна → markdown списка задач. Он счел его слишком негибким для итеративных изменений. Теперь он использует более легкую версию SDD: начинается с краткой спецификации, AI генерирует код, затем контракты и тесты итеративно уточняются. Полная система включает более 1300 тестов, охватывающих модульные, интеграционные и тесты с внедрением отказов в несколько реплик.

Оптимизация производительности

Этап оптимизации (3 недели) повысил пропускную способность с 23 000 до 300 000 операций в секунду. Ключевые архитектурные изменения: добавлен конвейер (запросы больше не ждут голосования в полете), поддержка энергонезависимой памяти (NVM) для сокращения времени фиксации и поддержка RDMA для современного оборудования дата-центров Azure.

Что дальше

Хуан хотел бы, чтобы AI лучше поддерживал генерацию тестов на основе свойств из контрактов и более плавную обработку критических изменений в кодовых базах объемом более 100 000 строк.