研究人员尝试用16个Claude AI并行协作,在无人干预下开发了一个能编译Linux内核的C编译器。该项目耗费近2000次会话和2万美元成本,最终产出10万行代码。实验探索了如何设计测试框架让AI团队自主工作、并行协作的机制,以及这种方法的局限性。

标题：用并行Claude团队构建C编译器

作者：安全团队研究员Nicholas Carlini

核心内容：

1. 实验方法

• 采用"智能体团队"新方法，让多个Claude实例在共享代码库上并行工作
• 测试案例：16个智能体协作开发基于Rust的C编译器，最终产出10万行代码
• 项目耗时：近2000次Claude Code会话，花费2万美元API成本

2. 技术实现

• 开发自动化框架使Claude持续工作：
  • 无限循环脚本保持任务连续性
  • 容器化部署确保环境隔离
• 并行处理机制：
  • 基于Git的简单同步算法
  • 文件锁机制避免任务冲突
  • 自动合并代码变更

3. 关键发现

• 测试体系设计：
  • 需要极高质量的测试用例
  • 采用GCC作为参考编译器进行对比验证
• 模型特性适配：
  • 解决上下文窗口污染问题
  • 克服时间感知缺失缺陷
• 团队分工优化：
  • 不同智能体专注代码优化/文档维护等专项任务
  • 针对Linux内核编译调整并行策略

4. 成果评估

• 产出编译器能力：
  • 支持x86/ARM/RISC-V架构
  • 可编译Linux 6.9内核
  • 通过GCC torture测试套件99%用例
• 现存局限：
  • 16位x86支持不足
  • 生成代码效率较低
  • 部分工具链组件仍依赖GCC

5. 行业启示

• 展示了LLM自主完成复杂项目的潜力
• 需要建立新的质量保障机制
• 技术发展速度超出预期（原认为2026年才可能实现）

注：原文中具体代码片段、过细的技术实现细节及致谢部分等非核心内容已做精简处理。

以下是评论内容的总结，平衡呈现不同观点并保留关键引用：

正面评价

1. 技术成就值得肯定

   • 认为能编译Linux内核是重大突破，远超之前浏览器项目的失败案例
     "This is like a working version of the Cursor blog... much more impressive than a browser" (OsrsNeedsf2P)
     "building a such a complex project like a C compiler on a 20k $ budget in full autonomy is quite impressive" (epolanski)

2. 实验设计严谨

   • 强调干净室实现、多架构支持和真实项目测试
     "clean-room implementation... can build Linux 6.9 on x86, ARM, and RISC-V" (NitpickLawyer)
     "passes the developer's ultimate litmus test: it can compile and run Doom" (btown)

负面批评

1. 代码质量低下

   • 指出生成代码效率甚至低于GCC -O0，维护性差
     "Worse than '-O0' takes skill... an equivalent of which one man can produce in under two weeks" (dmitrygr)
     "why x9? who knows?!" (dmitrygr)

2. 涉嫌抄袭训练数据

   • 质疑所谓"干净室实现"的真实性，认为依赖现有编译器知识
     "Calling it clean room... when Anthropic stole all open source is laughable" (hrgadyx)
     "obviously it can regurgitate things that are nearly identical to already existing code" (jcalvinowens)

3. 实用价值有限

   • 认为20k美元成本过高，产出物无实际应用价值
     "You could hire a dev in India for $1k —- or pay $20k for a buggy mess" (fxtentacle)
     "Microsoft... all solving the wrong problems, your problems not the collective ones" (trilogic)

中立观点

1. 技术潜力与局限并存

   • 承认突破性但也指出当前模型能力的边界
     "it's a cool little experiment... nearly reached the limits of Opus’s abilities" (NitpickLawyer)
     "while these agentic systems can do amazing things... you hit diminishing returns" (btown)

2. 需验证完整功能

   • 多次质疑编译后的内核是否能启动
     "Nothing in the post about whether the compiled kernel boots" (sho_hn)
     "it can compile the linux kernel, but does it boot?" (owenpalmer)

其他建议

• 提议开发更适合LLM的编程语言 "design a perfect programming language for LLM coding" (small_model)
• 要求公开实验细节 "All prompts used... The structure of the agent team" (akrauss)

总结：该实验在技术验证层面获得认可，但在代码质量、创新性和社会价值方面存在显著争议，反映出当前AI生成复杂系统的能力边界和伦理争议。