Код Клода переписывает SQL-парсер PostHog с ускорением в 70 раз – как работают тестирование на основе свойств и параллельные агенты

Инженер PostHog Робби Кумбер использовал несколько длительных параллельных сессий Claude Code для переписывания своего SQL-парсера, добившись ускорения примерно в 70 раз по сравнению с существующим ANTLR-парсером на C++. Новый парсер содержит 16 тысяч строк вручную написанного кода на Rust, а также 5 тысяч строк инструментов и тестов.

Зачем переписывать?

PostHog транслирует пользовательский SQL в сырой ClickHouse SQL для логических представлений данных и оптимизаций. Парсер преобразует SQL в AST для последующего контроля доступа и оптимизации. Старый ANTLR-парсер использовал универсальный интерпретатор обхода графа (ATN — NFA со стеком) с произвольным динамическим просмотром вперед, что было медленно, несмотря на реализацию на C++. Собственные рекурсивные парсеры с нисходящим разбором по умолчанию быстрее.

Подход: параллельные сессии агентов + оракул TDD

• Тестировались два подхода параллельно: один, ориентированный на производительность (рекурсивный спуск с синтаксическим анализом Пратта), другой — на корректность (имитация поведения ANTLR с явным кодом). Оба сработали одинаково хорошо.
• Существующий C++-парсер использовался как оракул для выявления расхождений — находились SQL-запросы, где парсеры различались, новый парсер исправлялся, и процесс повторялся.
• Property-based тестирование генерировало бесчисленные вариации SQL, включая тест на SELECT SELECT FROM FROM WHERE WHERE AND AND (допустимый SQL).
• Новый парсер согласуется с оракулом для всех реалистичных запросов; различия возникают только для патологических запросов.

Результаты

Ускорение в 70 раз при парсинге. Итоговый парсер использует рекурсивный спуск с просмотром вперед и возвратами только там, где это необходимо. Кумбер отмечает, что без ИИ написание и поддержка такого собственного парсера заняли бы месяцы и, вероятно, не оправдали бы усилий. С Claude Code это стало возможным.

Ключевой вывод

Этот пример показывает, что параллельные сессии ИИ-кодирования в сочетании с property-based тестированием и оракулом для разработки через тестирование могут радикально улучшить производительность критического кода. Метод — использование агентов для переписывания ключевой инфраструктуры с опорой на автоматическое обнаружение расхождений — применим и для других проектов.