当 AI 编码助手从代码补全工具演进为能够独立完成复杂系统开发的协作者时，开发者需要重新思考人机协作的边界与方法论。一位开发者在三个月内借助 AI 完成了超过 10 万行 Rust 代码的多 Paxos 共识引擎实现，性能从每秒 2.3 万次操作优化至 30 万次。这一实践不仅验证了 AI 在系统级开发中的可行性，更沉淀出一套可复用的工程模式。
代码契约：AI 生成、AI 验证的安全网
在分布式系统开发中，正确性是最难保证的维度。传统测试覆盖只能发现部分问题，而代码契约（Code Contracts）通过在关键函数中声明前置条件、后置条件和不变量，构建了更深层的防护机制。
实践中，开发者采用三层递进策略：首先让 AI 生成契约描述，GPT-5 High 在此任务上表现优异，能够为复杂函数（如 Paxos 协议中的process_2a方法）生成多达 16 条契约约束；其次，基于契约自动生成针对性测试用例，AI 擅长识别边界条件和异常情况；最后，将契约转化为属性测试（Property-Based Testing），通过随机输入探索状态空间，任何契约违例都会触发 panic 暴露深层缺陷。
契约在测试构建中启用运行时断言，生产构建则可禁用以保证性能。这种设计让 Rust 的所有权模型与契约验证形成互补 —— 前者在编译期防止内存错误，后者在运行期捕获逻辑错误。
轻量级规范驱动：从僵化到敏捷的演进
早期的规范驱动开发（SDD）尝试遵循严格流程：需求文档→设计文档→任务清单。但在实际开发中，这种线性流程过于僵化，中途变更时维护文档一致性成为沉重负担。
实践者最终转向轻量级方案。以功能开发为例，首先使用/specify命令生成包含用户故事和验收标准的规范文档；随后通过/clarify让 AI 自我批判并补充遗漏场景，这一阶段占据主要审查时间；最后进入 plan 模式，将单个用户故事作为 AI 的 "甜蜜点" 工作单元执行。
单个用户故事作为工作单元的粒度经过验证最为合适。它既足够小以便 AI 在上下文窗口内完整理解，又足够大以体现业务价值。开发过程中的调整可以在同一会话中灵活处理，无需回溯修改多层文档。
性能优化的迭代闭环
Rust 的安全模型为激进优化提供了底气。在确保正确性后，开发者通过四轮迭代将吞吐量提升 13 倍：第一步让 AI 在关键路径上植入延迟指标；第二步运行性能测试并输出追踪日志；第三步由 AI 编写 Python 脚本分析延迟分布，识别瓶颈所在；第四步实施优化并重新测量。
这一循环揭示了常被忽视的性能陷阱：异步路径上的锁竞争、冗余内存拷贝、不必要的任务创建。Rust 的零拷贝技术、内存分配最小化和选择性移除异步开销，每一步优化都像剥离性能引擎上的延迟层，且无需担心内存损坏。
可落地的工程实践清单
基于上述实践，以下清单可直接应用于 Rust 项目的 AI 辅助开发：
提示工程策略
- 对关键函数要求 AI 生成前置条件、后置条件、不变量三类契约
- 明确指定 "为每个后置条件生成边界测试用例"
- 要求将契约转化为属性测试，使用随机输入验证
代码审查工作流
- 功能开发前执行
/specify生成用户故事和验收标准 - 使用
/clarify进行至少一轮 AI 自我批判和场景补充 - 以单个用户故事为单元进入 plan 模式执行
- 审查时关注契约覆盖率而非仅行数覆盖
测试生成边界
- 单元测试：针对单个函数的契约验证
- 最小集成测试：如 proposer+acceptor 组合
- 全集成测试：多副本场景配合故障注入
- 属性测试：随机状态空间探索
重构边界划分
- 保持用户故事作为最小可交付单元
- 契约变更触发关联测试的同步更新
- 性能优化前建立基准测量和追踪机制
局限与边界
当前 AI 辅助开发仍存在明确边界。端到端用户故事执行仍需人工介入 —— 开发者需要持续引导 AI 继续、建议重构、审查测试覆盖。契约工作流的部分环节可自动化，但契约本身的设计仍需人工审查。性能优化虽然可并行化实验，但在大型代码库上的端到端测量仍需人工协调。
此外，工具链的速率限制迫使实践者采用多订阅策略（如两个 ChatGPT Plus 账号分时段使用），这提示基础设施层面的成熟度仍有提升空间。
结语
10 万行 Rust 代码的实践表明，AI 辅助开发已从概念验证进入工程化落地阶段。代码契约提供了 correctness 的深层保障，轻量级规范驱动平衡了敏捷与严谨，性能优化迭代则将 AI 的分析能力与 Rust 的安全特性结合。对于系统级开发团队而言，关键不在于是否使用 AI，而在于建立清晰的人机协作边界 —— 让 AI 承担生成、验证、测量的重复性工作，让人类专注于架构决策和边界审查。
参考来源
- Cheng Huang, "Learnings from 100K Lines of Rust with AI", 2025 年 12 月
内容声明：本文无广告投放、无付费植入。
如有事实性问题，欢迎发送勘误至 i@hotdrydog.com。