实战

用 LLM 把 TypeScript 编译器搬进 Rust:这场实验的意义不只是性能

pingdotgg 开源 ts-rust,尝试让 LLM 全自动完成编译器+类型检查器+LSP 的跨语言移植。HN 56 分 98 条评论,值得拆开看。

字号

HN 首页这两天飘着个奇怪的仓库:pingdotgg/ts-rust。56 分、98 条评论,比很多正经开源项目都热闹。

它的目标很直白:用 LLM 主导,把 TypeScript 编译器、类型检查器、LSP 三大件从 TypeScript/JavaScript 移植到 Rust。

听起来像又一个「AI 重写一切」的噱头。但仔细看完 README 和 HN 评论区,我觉得这事比标题更值得拆开聊。

这个项目到底在做什么

ts-rust 在 GitHub 上的描述很克制:「LLM-driven TypeScript compiler port to Rust」。注意两个词:

  • LLM-driven——不是「AI-assisted」,是「LLM-driven」。主力是模型,人是监督。
  • compiler——不是某个 lib,不是某个 tool,是编译器本体,包括 checker 和 LSP。

目前的 TypeScript 工具链是 TS 写的,由 Microsoft 在维护。问题大家都知道:冷启动慢、内存占用大、装个依赖要等半天。社区里 swc、oxc、biome 这些 Rust 重写者早就证明过——把 JS/TS 工具链用 Rust 写一遍,性能能提升一个数量级。

那 ts-rust 跟 swc/oxc 有什么区别?

  • swc:人手写 Rust,遇到 TS 新特性要追版本。
  • oxc:人手写 Rust + 部分借鉴 rustc 经验。
  • ts-rust:让 LLM 自己写 Rust,人类只在关键节点兜底。

这是工具链层面的 AI 自动化实验。代码不是人写的,是模型吐的。

我翻了下 commit history,目前仓库里大约几千行 Rust,README 里直接承认「auto-generated code with human review」。全自动程度有限,但工作流跑通了。

为什么这件事比想象的难

把 TS parser 用 LLM 翻译成 Rust,不难。AST 是结构化的,token 流有现成规范。难的部分是 TS 的灵魂——类型系统。

举几个只有写过 TS 编译器才知道的硬点:

  • 条件类型里的递归:T extends infer U ? U : never 套三层,模型很容易写成一个不会收敛的实现。
  • 跨文件类型推导:A 文件 export 的类型依赖 B 文件的某个全局类型,LLM 容易在局部上下文里写出「看起来对」但破坏了 soundness 的代码。
  • 增量检查(incremental):tsc 的杀手锏是只重算改动影响的那部分图。这个数据结构本身是 TS 编译器里最微妙的部分,比 parser 难十倍。
  • LSP 的位置映射:报错位置要从 Rust 内部表示映射回源码行列号,细节繁多。

HN 评论区有人提到,LLM 写完一个 pass test 过了;但把整套 type checker 端到端跑通,「目前还是幻想」。这不是模型不够强,是正确性优先的系统根本不适合纯生成。

我自己的体感:让 LLM 写一段看着对的算法,难度 3;让它写一段所有输入下都对的算法,难度 8。编译器正好属于后者。

HN 评论区在吵什么

98 条评论,分成几个阵营:

乐观派:「如果跑通了,单文件分发 + 50ms 冷启动,TS 体验直接追平 Go。」

怀疑派:「看 commit history,AI 写代码,人类在后面疯狂修 bug。这叫 AI-driven 还是 AI-assisted?」

路线派:「与其折腾移植,不如投资 oxc。oxc 已经覆盖 80% 场景,人手写 Rust 质量更高。」

元观点派:「不管最后跑不跑得通,这个工作流本身就是产物。可以迁 jQuery、迁 Babel、迁老 C++ 库。」

最后这条最有意思。

我的判断:这事真正值得看的不是代码

ts-rust 的代码能不能跑通 TS 的全部 corner case,我打 50% 赌不能。TS 类型系统的复杂度摆在那,光 infer 的边界情况就够写一本小书。

但这件事的真正产物不是那个 Rust 编译器,而是这套迁移工作流。

想象一下:

  • 你公司有个 1998 年的 C++ 库,没人敢动。
  • 现在有人搭了一条流水线:LLM 生成 Rust 初稿 → 测试用例比对 → 人类 review 关键路径。
  • 三个月后,库迁移完毕,旧的 C++ 可以下线。

这才是 AI 重写老古董的现实价值。

类似的事情已经有人在做:

  • c2rust(人手迁移 C 到 Rust)
  • Babel 的 SWC 替代(人手迁移 JS parser)

但 ts-rust 想做的是——把「人」这个最贵的环节,换成 LLM + 人工 review 的组合。如果能把 review 比例压到 20%,单次迁移成本可能降到原来的十分之一。

HN 评论区里有人已经在类比了:「swc 是 Go 时代的答案,AI 迁移是 Rust 时代的答案。」

我同意前半句,不同意后半句。AI 迁移不是答案,是工具。Go 时代的答案依然是「人手写、机器编译」。

编辑思考

这件事的象征意义在于:它第一次把「LLM 主导编译器级跨语言迁移」摆到了台面上。不管最后成不成,它定义了一个新的工种——AI 迁移工程师。

我的反共识观察:未来 12-18 个月,最值钱的不是「AI 写新代码」,而是「AI 重写老代码」。新代码有 Copilot、有 Cursor,老代码没人碰。如果 ts-rust 这条路跑通,"AI 重写 COBOL""AI 重写 jQuery""AI 重写 Rails 2"会变成一个独立的开源运动。

这次具体和过去哪些事不同?过去所有的代码迁移项目都是人主导(c2rust、tsc→Rust 实验、Python 2→3),AI 只是辅助。这次是 AI 主导,人是 defense——权力关系颠倒了。这种颠倒能不能稳定运行,我不知道。但它至少证明了一件事:正确性优先的系统,已经进入了 AI 的射程。

不确定的地方:ts-rust 目前还没跑通完整的 TS test suite。我不会押重注在它能 100% 替代 tsc 上。但工作流本身,值得每个做迁移的人认真看一眼。

来源: https://github.com/pingdotgg/ts-rust