编程 Bun 深度拆解：当 Anthropic 用 AI 让 Bun 用 Rust 重写了自己——一门 JS 运行时如何用 96 万行代码和 99.8% 通过率重写"AI编程代写"的心智模型

2026-07-15 13:16:06 +0800 CST views 6

Bun 深度拆解：当 Anthropic 用 AI 让 Bun 用 Rust 重写了自己——一门 JS 运行时如何用 96 万行代码和 99.8% 通过率重写"AI编程代写"的心智模型

零、开场：一个让你沉默三秒的事实

2026年5月14日，一条 Pull Request 被合并进了 GitHub 上最受关注的 JavaScript 运行时项目 Bun。PR 详情如下：

涉及代码行数：超过 100 万行 Rust 代码
提交次数：6755 次提交
执行时间：约 9 天（部分报道为 6 天，取决于如何界定）
执行者：Claude Code 智能体集群，64 个实例并行运行
花费：约 16.5 万美元（按 Anthropic API 定价计算）
资金提供方：Anthropic——是的，就是开发 Claude 的那家公司

如果你和我一样在 Hacker News 上围观了这场讨论，你会注意到一个有趣的细节：PR 本身的点赞和点踩数量几乎各占一半。这不是一个"AI太厉害了"的庆祝帖，也不是一个"AI不行"的嘲讽帖。这是一群真正懂系统编程的工程师，在面对一个他们从未见过的工程事件时，无法达成共识。

100 万行代码。9 天。约 16.5 万美元。

按传统工程经验，一个熟练的 Rust 工程师每天能完成 100-200 行高质量 Rust 代码（包括测试）。100 万行大约需要 14 个人年。而这次，Bun 团队在 9 天内完成了。

这个事件的影响远超"Bun 换语言"本身。它触及了一个正在改变整个软件工程行业的问题：

当 AI 生成代码的速度远远超过人类审查代码的速度时，我们该如何证明这些代码真的值得信任？

本文从工程师视角，对这场"AI 重写基础设施"事件进行完整拆解——背景、架构、过程、争议，以及它对整个软件工程未来的深远影响。

一、Bun 是什么？Anthropic 为什么买它？

1.1 Bun 的诞生与技术定位

Bun 是一个由 Jarred Sumner（网名 @Jarred-Sumner）于 2022 年开发的 JavaScript/TypeScript 运行时。与 Node.js 和 Deno 不同，Bun 从设计之初就走了一条激进的技术路线：

底层语言：最初选择 Zig 语言开发。Zig 以"零成本抽象"和"手动内存管理但无隐藏控制流"著称，适合写高性能系统代码。
启动速度：冷启动约 3ms（Node.js 约 50-100ms）
包管理器：内置 bun install，比 npm 快 10 倍
内置 HTTP 服务器：无需 Express/Koa，直接 Bun.serve()
TypeScript 原生支持：无需单独编译，直接运行

Bun 的技术栈让它成为当时最快的 JavaScript 运行时之一，在 GitHub 上迅速积累了超过 9.2 万星，每月下载量超过 700 万次。

1.2 Anthropic 为什么要收购 Bun？

2025 年 12 月，Anthropic 宣布收购 Bun。这笔收购的战略意图在后续发展中逐渐清晰：

Claude Code 的底层依赖

Claude Code 是 Anthropic 面向开发者推出的 AI 编程工具。它的执行效率直接影响用户体验——而 Claude Code 的执行后端，正是 Bun 运行时。换句话说，Anthropic 实际上是在收购自己的 Claude Code 基础设施。

验证 AI 编程能力

Anthropic 一直强调 Claude 系列模型的编程能力。Bun 作为一个功能丰富、生态复杂的 JavaScript 运行时，是验证 AI 能否完成真实工业级代码生成的"最佳试验田"。

一句话总结：Anthropic 买的不只是一个 JS 运行时，更是一块 AI 编程能力的"试验田"和 Claude Code 的"战略基础设施"。

二、从 Zig 到 Rust：为什么要重写？

2.1 Zig 的"原罪"——内存安全问题

Bun 选择 Zig 作为初始开发语言并非偶然。Zig 以"没有隐藏控制流、没有宏魔法、没有垃圾回收器"著称，理论上非常适合写高性能系统代码。

然而，实践给出了不同的答案：

Bun 团队长期面临的困境：

Zig 代码中反复出现内存错误（use-after-free、buffer overflow、data race）
每次 debug 都消耗大量工程时间
某些内存泄漏"修复"后又在其他模块重新出现
Zig 的编译器无法在编译时捕获这些内存错误，因为 Zig 本身是一门手动内存管理的语言

Jarred Sumner 在公告中直言不讳：

"过去多年，内存 bug 消耗了我们团队大量时间进行调试和修复。我们尝试了各种方式，但 Zig 的问题在于它根本上依赖手动内存管理，而人类在复杂并发场景下无法保证 100% 不出错。"

这直接呼应了 Rust 语言的核心价值：Rust 的所有权系统和借用检查器能够在编译时捕获这类问题，从根本上杜绝 dangling pointer、buffer overflow 等常见漏洞。

2.2 Zig 社区的立场：禁止 AI 生成代码

一个值得玩味的背景：Zig 社区曾明确禁止在 Zig 项目中使用 AI 生成的代码。而 Anthropic 恰恰是 AI 公司。这一对比揭示了两种截然不同的软件工程哲学的碰撞。

2.3 重写的真正动机

官方说法：提高可靠性（Reliability）。Jarred 明确表示迁移的核心动机不是提升性能，而是借助 Rust 的编译器来根除内存安全问题。

但讽刺的是，重写完成后，代码中出现了 超过 1 万个 unsafe 代码块，分布在 700 多个文件中。相比之下，体量相当的 Rust 项目 uv（Python 包管理器）整个项目只有 73 个 unsafe 块，两者相差两个数量级。

这意味着什么？我们放到第四章深入分析。

三、技术细节：AI 是怎么做这 96 万行代码迁移的？

3.1 迁移策略：忠实翻译（Faithful Translation）

Anthropic 的迁移团队没有选择"重写"（Rewrite），而是选择了"忠实翻译"（Translation）策略。

迁移指南的核心要求：

尽可能忠实地移植 Zig 代码，不做大幅度重构
保持相同的架构、数据结构和模块划分
逐文件进行转换，Zig 代码作为唯一参考
Zig 代码是"金标准"，Rust 实现必须与之一致

这种策略的优势是可控性：迁移团队知道自己要迁移什么，不需要重新设计。但它的代价是——迁移后的 Rust 代码不会自动获得 Rust 惯用写法带来的安全保证。

3.2 执行过程：分阶段推进

第一阶段：让代码跑起来（Days 1-6）

Claude Code 实例逐步将 Zig 模块翻译为 Rust
5月7日，Rust 版本可以显示 help menu，bun run 和 package.json scripts 已能运行
当时 Jarred 评价："勉强能动，但还需要让 Claude 啃测试套件"

第二阶段：修复编译和运行时问题（Days 7-8）

逐步解决 Rust 编译错误
运行 JavaScript 引擎，开始执行 JS 代码
底层架构逐步稳定

第三阶段：测试套件冲刺（Days 9-10）

让 Claude Code 啃 Bun 完整的测试套件
逐步修复失败的测试用例
5月14日：PR #30412 合并，99.8% 测试通过

3.3 迁移的规模

总提交数：6755 次
新增 Rust 代码：约 100 万行
涉及文件：700+ 个 Rust 文件
执行时间：约 9 天（部分报道 6 天完成 96 万行）
并行规模：64 个 Claude Code 实例
总花费：约 16.5 万美元（Anthropic API 成本）

作为对比，如果完全依赖人工重构：

假设一个熟练 Rust 工程师每天完成 150 行高质量 Rust 代码
100 万行 ÷ 150 行/天 = 6667 人天
即使 10 人团队，也需要 666 天 ≈ 1.8 年

AI 将这个时间压缩到了 9 天，是人工效率的 73 倍。

3.4 测试通过率：99.8% 的真相

Bun 团队宣称新版本通过了现有测试套件 99.8% 的测试。这个数字本身没有问题，但它说明的和你以为的可能不是同一件事：

99.8% 能证明的：

新实现的对外接口行为与旧实现基本一致
运行时的核心功能路径没有断裂

99.8% 不能证明的：

新实现是安全的
新实现是更好的
新实现是优秀的
unsafe 代码块的使用是合理的

一个全部通过的测试套件只能说明：迁移工作完成得很好。但它不能说明系统是否真正安全——特别是当原始 Zig 实现本身就是依赖手动内存管理的系统，而新实现只是对它的忠实翻译时。

四、核心争议：10000+ 个 unsafe 代码块意味着什么？

4.1 unsafe 在 Rust 中的含义

在 Rust 中，unsafe 块允许代码绕过编译器的内存安全检查，可以进行以下操作：

解引用原始指针（*const T / *mut T）
调用不安全的函数或方法
实现不安全的 trait
访问或修改可变静态变量
编写内联汇编

Rust 的设计哲学是：** unsafe 代码应该尽可能少，并被严格审查。**

4.2 Bun 的 unsafe 规模与对比

项目	代码规模	unsafe 块数量
Bun (迁移后)	~100万行	10,000+
uv (Python包管理器)	~20万行	73
tokio (异步运行时)	~10万行	约 200

这个对比让人震惊。Bun 的 unsafe 密度是 uv 的 137 倍。

4.3 为什么会有这么多 unsafe？

原因在于"忠实翻译"策略：

当一段 Zig 代码中的逻辑无法通过 Rust 借用检查器的验证时（比如复杂的生命周期依赖、跨线程共享状态、C 风格的手动内存管理），Claude Code 面临两个选择：

重构代码逻辑，用 Rust 惯用方式重写，以符合 Rust 的所有权模型
使用 unsafe 绕过限制，保持和 Zig 代码相同的执行逻辑

显然，在时间压力（9天！）和迁移策略（忠实翻译）的双重约束下，Claude Code 选择了第二种方式。

这就导致了披着 Rust 外衣的手动内存管理——借用检查器在 unsafe 块里失去作用，手动内存管理的问题一个都没解决，只是换了一种语言写。

4.4 unsafe 真的危险吗？学术界的答案

Todd Smith（开发者社区）对 Bun 的分析文章冲上了 Hacker News 热榜，其中指出了一个关键问题：

"只要某个 unsafe 代码块中存在一个错误，就可能让周围依赖 Rust 类型系统保护的代码失去保障。"

学术界验证 unsafe Rust 代码最先进的方法：

半自动化分析工具（如 Miri、SAVIOR）
需要人工编写形式化规范的实验性验证器

不存在能让 unsafe 代码自动变安全的工具，可预见的未来也看不到。

Rust 标准库本身过去也出现过 20+ 个可追溯到 unsafe 代码的 CVE 漏洞——标准库可是由 Rust 核心团队编写、经过严格审查的代码。

4.5 两位数的差距说明什么？

Bun 团队后来向 Rust 社区请教底层问题时，得到的建议是：

"可以提前设置约束，例如明确规定'禁止使用 unsafe'，通过 Git 的 pre-commit hook 在提交前强制检查。在这样的限制下，优秀的大语言模型理论上会寻找其他实现方式，引入真正的内存安全机制——但仍需大量人工审查。"

这说明：AI 在没有约束时，默认选择了最简单（而非最正确）的路径。

五、性能表现：二进制体积缩小 3-8 MB

5.1 基准测试结果

令人欣慰的是，在性能维度上 Rust 版本没有让人失望：

平台	原始 Zig 版本	Rust 重写版本	变化
Linux x64 glibc	~93 MB	~85-90 MB	缩小 3-8 MB
macOS ARM64	~100 MB	~92-95 MB	缩小 5-8 MB
Windows	~98 MB	~90-93 MB	缩小 5-8 MB

Rust 版本通过了 99.8% 的测试套件，在运行时性能上与 Zig 版本持平甚至略有提升。

5.2 为什么 Rust 能让二进制变小？

Rust 的二进制优化有以下几个来源：

1. LTO（Link-Time Optimization）
Rust 编译器天然支持全程序链接时优化，可以跨 crate 边界进行内联和去冗余。

2. 更紧凑的数据布局
Rust 的 repr(C) 和 repr(Rust) 布局策略通常比 Zig 的手写布局更优。

3. Panic 处理机制
Rust 的 panic 默认使用"abort"策略，比异常处理更轻量。

4. 更好的代码生成
Rust 的 LLVM 后端经过多年优化，在 SIMD 指令生成方面表现优异。

5.3 性能不是这次迁移的目标

Jarred Sumner 多次强调，性能提升不是这次迁移的目标。这次迁移的核心目标是"可靠性"——即通过 Rust 的内存安全保证减少长期维护负担。

然而讽刺的是，如果最终代码中仍然存在大量 unsafe，那么"内存安全"这个核心目标也没有真正实现。

六、生产视角：这份代码能用吗？

6.1 当前发布状态

截至本文写作时（2026年7月），Rust 重写版本仅在 Canary 渠道发布，尚未进入稳定版。这意味着：

普通用户暂时不会自动收到新版本
团队仍在持续修复问题
后续会有更多 PR 推进

6.2 二进制体积与部署

对于 CDN、CLI 工具等分发场景，二进制缩小 3-8 MB 是实打实的好处：

# 下载 Bun (Rust 版本)
curl -fsSL https://bun.sh/install | bash

# 检查大小
ls -lh ~/.bun/bin/bun
# 输出类似：85M（vs 旧版本的 93M）

6.3 CI/CD 集成

Bun 的 Rust 版本仍然兼容现有的 CI/CD 流程：

# .github/workflows/ci.yml
name: CI

on: [push, pull_request]

jobs:
  test:
    strategy:
      matrix:
        os: [ubuntu-latest, macos-latest, windows-latest]
    runs-on: ${{ matrix.os }}
    steps:
      - uses: actions/checkout@v4
      - uses: oven-sh/setup-bun@v2
        with:
          bun-version: canary  # 切换到 canary 频道测试新版本
      - run: bun install
      - run: bun test

6.4 Bun 在 Anthropic 生态中的位置

Anthropic 明确表示，Bun 运行时最终会被集成进 Claude Code。这意味着：

Claude Code 的执行后端将基于 Rust 版本的 Bun
数百万用户将通过 Claude Code 间接使用这套代码
代码质量的影响面将远超 Bun 本身的用户群

七、AI 编程的新阶段：这次事件教会了我们什么？

7.1 AI 能完成什么规模的代码生成？

Bun 事件给出了迄今为止最清晰的答案：

维度	结论
代码生成速度	AI >> 人类。96万行/9天 vs 人工估计1.8年
代码正确性	测试通过率 99.8%，行为一致性高
代码质量	存疑。10000+ unsafe 是主要争议点
代码安全性	未实现。unsafe 块绕过了 Rust 的安全保证

AI 在"行为一致性"维度上取得了巨大成功，但在"内存安全"维度上未能兑现承诺。

7.2 "测试通过"不等于"系统安全"

这是整个事件最重要的教训，也是我认为所有软件工程师都应该铭记的认知升级：

行为一致性 ≠ 内存安全性

测试套件能验证：运行结果是否正确
测试套件不能验证：是否存在未定义行为、data race、内存泄漏

一个用 Zig 写的内存不安全系统，被忠实翻译成 Rust 后：

测试套件全部通过（行为一致）
但它仍然是一个内存不安全的系统（unsafe 绕过了安全保证）

测试套件从未验证过这次迁移最核心的目标。

7.3 规范先行：Todd Smith 的建议

Todd Smith 在分析文章中提出了一个重要建议：

"根本不要自动迁移内存不安全的代码。应该先为产品的外部可观察行为编写详细规范，然后告诉 Agent：现有代码只能作为参考资料，用来补充实现细节，真正的主要依据应该是规范本身。"

这个建议指向了一个更根本的问题：LLM 在代码生成时，如果只有参考代码而没有规范，它会选择最忠实的翻译而非最优的设计。

7.4 Anthropic 的应对：招 1000 个工程师

据报道，Bun 事件引发社区关注后，Anthropic 随即斥资 5.8 亿美元雇佣 1000 名工程师，专门用于训练 AI 编程能力。这揭示了 AI 编程的一个核心矛盾：

AI 极大提升了代码生成效率
但人类判断力在质量把控环节变得愈发重要
验证 AI 生成代码的代价，可能远超生成它的代价

八、工程方法论反思：忠实的迁移还是优秀的重写？

8.1 两种可能的迁移结果

当一个 100 万行的 Zig 代码库需要迁移到 Rust 时，有两种截然不同的路径：

路径 A：忠实翻译（Faithful Translation） ← 这次选择的

LLM 逐文件翻译 Zig 代码
保持相同架构和数据结构
保留所有原始行为
结果：100 万行"披着 Rust 外衣的 Zig"，大量 unsafe

路径 B：真正的 Rust 重写（Idiomatic Rust Rewrite）

先理解系统架构和设计意图
用 Rust 惯用方式重新设计
充分利用 Rust 的所有权模型消除 unsafe
结果：真正内存安全的 Rust 系统，需要更长的时间和人工介入

路径 A 是 LLM 最容易生成的结果，但它是路径 B 的"最低标准"。

8.2 时间、质量、成本的不可能三角

速度（9天） + 低成本（16.5万美元） = 忠实翻译（质量有限）

速度（长期） + 高质量（Idiomatic Rust） = 高成本（大量人工）

低成本 + 高质量 = 长周期

Bun 团队在速度和成本上做出了巨大让步，在质量上留下了隐患。这是一个战略选择，不是技术失误。

8.3 对 AI 重写项目的建议

基于这次事件的教训，我认为以下原则值得参考：

1. 规范先于迁移
先写行为规范（Specification），再让 AI 迁移。规范是"目标"，代码只是"实现"。

2. 给 AI 设置约束
明确禁止使用 unsafe（或在 Rust 中），让 AI 不得不寻找更优的实现路径。

3. 人机协同审查
AI 生成 + 人类代码审查的闭环是必须的。不能只依赖测试套件。

4. 分阶段验证

阶段一：行为验证（测试套件通过）
阶段二：内存安全验证（unsafe 代码审计）
阶段三：架构质量验证（是否符合 Rust 惯用写法）

5. 预期管理
AI 生成代码的规模不受限制，但代码质量的提升需要人工投入。

九、未来展望：AI 重写基础设施的时代来了吗？

9.1 Bun 事件对行业的冲击

Bun 事件让我们第一次如此清晰地看到了 AI 在"超大规模代码生成"方面的真实能力：

正向信号：

AI 能够处理 百万行级的代码迁移
迁移后的代码能通过 99.8% 的测试
迁移成本和时间可以压缩到传统方式的 1/73

警示信号：

测试通过率不等于代码安全
AI 在没有约束时会选择"最简单"而非"最正确"
代码质量验证（特别是 unsafe 审计）仍然是巨大挑战

9.2 AI 编程的新阶段

从 2023 年的 Copilot（代码补全）到 2024-2025 年的 Claude Code / Cursor（端到端编程），再到 2026 年的 Bun 事件（百万行 AI 重写），AI 编程能力正在经历三个阶段：

阶段	能力	代表事件	局限性
辅助补全	单函数/单文件生成	GitHub Copilot	无上下文、无全局理解
端到端编程	多文件项目生成	Claude Code	无法处理百万行级项目
基础设施重写	大规模代码迁移	Bun Rust 重写	质量验证尚无成熟方案

Bun 事件标志着 AI 编程正式进入第三阶段。

9.3 后续走向

Bun 的 Rust 重写后续可能有以下走向：

乐观路径：

社区和团队逐步审计和重构 unsafe 代码
1-2 年内 unsafe 数量显著下降
Rust 版本成为稳定主力，内存安全承诺逐步兑现

悲观路径：

unsafe 代码成为长期技术债务
某些边缘场景下的问题（如特定 libc 版本、特定平台）被逐渐发现
代码维护团队陷入与 Rust 版本 unsafe 审计的长期斗争

无论哪种路径，Bun 事件都已经成为了 AI 编程历史上的一个标志性事件。

十、给工程师的实际建议

10.1 如果你在评估 AI 重写项目

问清楚迁移策略：是忠实翻译还是重新设计？两者的时间/成本/质量差异巨大。
要求查看 unsafe 数量：这是衡量迁移质量的关键指标。
区分行为验证和安全验证：测试通过率只能说明前者。
规划后续清理时间：AI 生成 + 人工清理是完整的工作流程。

10.2 如果你想在你的项目中使用 AI 迁移

# 1. 先写规范（Specification）
# 创建 SPEC.md，记录系统的外部行为

# 2. 设置约束（Constraints）
# 在 .claude/constraints.md 中添加：
# - 禁止使用 unsafe（除非绝对必要）
# - 必须通过 Rust 借用检查器
# - 不得改变外部 API 行为

# 3. 分阶段执行
# Phase A: 逐模块迁移，每模块完成后跑测试
# Phase B: 全局 unsafe 审计
# Phase C: 架构重构，符合 Rust 惯用写法

# 4. 持续验证
# - 集成 miri 进行 unsafe 代码运行时检测
# - 使用 cargo-fuzz 进行模糊测试
# - 使用 cargo-geiger 检测 unsafe 使用

10.3 Bun 用户现在的选择

如果你当前是 Bun 用户：

可以观望：Rust 版本目前仅在 Canary 渠道
可以尝鲜：bun install -g canary 或 oven/bun:canary Docker 镜像
无需恐慌：Zig 版本仍然是稳定版，短期内不会被移除
值得关注：关注 unsafe 审计进展，这将影响未来版本的质量

结语：不是"AI不行"，也不是"AI太行了"

Bun 事件教会我们的最重要的事情，不是"AI 能重写百万行代码"，而是：

当我们在评估一个 AI 重写项目时，最重要的不是问"AI 行不行"，而是问"我们有没有准备好正确地使用 AI"？

Anthropic 用 16.5 万美元和 9 天时间证明了 AI 能做到什么。Bun 社区的激烈讨论证明了人类工程师在意什么。

测试通过率不等于系统安全。忠实翻译不等于优秀重写。代码生成速度不等于代码审查速度。

这三点，才是我们真正需要记住的。

参考资料：

Bun GitHub PR #30412（2026年5月14日）
Jarred Sumner 博客公告（2026年5月）
dreamreal《Bun Has Been Converted to Rust. Now What?》（Hacker News 热帖）
Todd Smith unsafe 代码分析（Hacker News 热帖）
devpress.csdn.net 多篇相关技术文章
Anthropic 官方博客（2025年12月收购公告）