實戰

用 LLM 把 TypeScript 編譯器翻成 Rust:真正的價值不在效能

pingdotgg 開源了 ts-rust,想讓 LLM 全自動完成 TypeScript 編譯器、型別檢查器與 LSP 的跨語言移植。在 HN 拿下 56 分、98 則評論,這個實驗值得拆開來看。

字級

這兩天 HN 首頁冒出一個有點奇怪的專案:pingdotgg/ts-rust。56 分、98 則評論,熱度比不少正經的開源專案還高。

它的目標很直白:讓 LLM 主導,把 TypeScript 編譯器、型別檢查器、LSP 三大元件從 TypeScript/JavaScript 移植到 Rust。

聽起來又像是「AI 重寫一切」的噱頭,但仔細看完 README 和 HN 討論串,我覺得這件事比標題更值得拆開來談。

這個專案到底在做什麼

ts-rust 在 GitHub 上的描述很克制:「LLM-driven TypeScript compiler port to Rust」。注意兩個詞:

  • LLM-driven——不是「AI-assisted」,是「LLM-driven」。主力是模型,人類只是監督。
  • compiler——不是某個工具庫、某個小工具,而是編譯器本體,連 checker 和 LSP 都包含在內。

目前的 TypeScript 工具鏈是用 TS 寫的,由 Microsoft 維護。問題大家都很熟:冷啟動慢、記憶體吃很大、裝個相依套件要等半天。社群裡早就有 swc、oxc、biome 這些 Rust 重寫版本證明過——把 JS/TS 工具鏈改用 Rust 寫一輪,效能可以直接提升一個級距。

那 ts-rust 和 swc/oxc 差別在哪?

  • swc:人工寫 Rust,遇到 TS 新功能要追著改版。
  • oxc:人工寫 Rust + 部分參考 rustc 的經驗。
  • ts-rust:讓 LLM 自己寫 Rust,人類只在關鍵節點收尾。

這是一場工具鏈層級的 AI 自動化實驗。程式碼不是人寫的,是模型生成的。

我翻了一下 commit history,目前 repo 裡大約幾千行 Rust,README 也坦白承認「auto-generated code with human review」。全自動程度有限,但工作流程確實跑通了。

為什麼這件事比想像中更難

把 TS parser 用 LLM 翻譯成 Rust 不算太難,AST 是結構化的,token 流也有現成規範。真正難的是 TS 的靈魂——型別系統。

舉幾個只有寫過 TS 編譯器才知道的硬釘子:

  • 條件型別裡的遞迴:T extends infer U ? U : never 套三層,模型很容易寫出無法收斂的版本。
  • 跨檔案型別推導:A 檔 export 的型別依賴 B 檔裡某個全域型別,LLM 在局部上下文容易寫出「看起來對」但破壞 soundness 的程式碼。
  • 增量檢查(incremental):tsc 的看家本領是只重算受影響的圖。這個資料結構本身就是 TS 編譯器裡最微妙的部分,比 parser 難十倍。
  • LSP 的位置對應:錯誤位置要從 Rust 內部表示映射回原始碼行列,細節多到爆炸。

HN 討論串有人提到,LLM 寫完一個 pass、測試通過;但要把整套 type checker 端到端跑起來,「目前還是幻想」。這不是模型不夠強,而是重視正確性的系統根本不適合純粹靠生成。

我自己也是這種感覺:讓 LLM 寫一段看起來對的演算法,難度 3;讓它寫一段「在所有輸入下都對」的演算法,難度 8。編譯器剛好屬於後者。

HN 討論串在吵什麼

98 則評論大致分成幾個陣營:

樂觀派:「如果跑得通,單檔發佈 + 50ms 冷啟動,TS 體驗直接追上 Go。」

懷疑派:「看 commit history,AI 在前面寫,人在後面狂修 bug。這叫 AI-driven 還是 AI-assisted?」

路線派:「與其搞移植,不如投資 oxc。oxc 已經涵蓋 80% 場景,人工寫的 Rust 品質更高。」

元觀點派:「不管最後跑不跑得通,這個工作流本身就是產出。可以拿來搬 jQuery、搬 Babel、搬老舊的 C++ 函式庫。」

最後這個角度最值得玩味。

我的判斷:真正值得看的不是程式碼

ts-rust 的程式碼能不能跑通 TS 的所有 corner case,我下注 50% 覺得不能。TS 型別系統的複雜度擺在那,光 infer 的邊界情況就夠寫一本小書。

但這件事真正的產出不是那個 Rust 編譯器,而是整套遷移工作流。

試想一下:

  • 你公司裡有個 1998 年的 C++ 函式庫,沒人敢碰。
  • 現在有人搭了一條產線:LLM 生成 Rust 初稿 → 比對測試案例 → 人類 review 關鍵路徑。
  • 三個月後函式庫搬完,舊的 C++ 可以下線。

這才是 AI 重寫老古董的現實價值。

類似的事情其實已經有人在做:

  • c2rust(人工把 C 搬到 Rust)
  • Babel 的 SWC 替代方案(人工搬 JS parser)

但 ts-rust 想做的是——把「人」這個最貴的環節,換成 LLM + 人工 review 的組合。如果能把 review 比例壓到 20%,單次遷移成本可能降到原本的十分之一。

HN 討論串裡有人已經在類比了:「swc 是 Go 時代的答案,AI 遷移是 Rust 時代的答案。」

我同意前半句,不同意後半句。AI 遷移不是答案,是工具。Go 時代的答案依然是「人工寫、機器編譯」。

編輯部的思考

這件事的象徵意義在於:它第一次把「LLM 主導編譯器等級的跨語言遷移」攤到陽光下。不管最後成不成,它定義了一個新的工種——AI 遷移工程師。

我的非主流觀察:未來 12-18 個月,最值錢的議題不會是「AI 寫新程式碼」,而是「AI 重寫老程式碼」。新程式碼有 Copilot、有 Cursor 處理,老程式碼卻沒人碰。如果 ts-rust 這條路走得通,「AI 重寫 COBOL」「AI 重寫 jQuery」「AI 重寫 Rails 2」會變成一波獨立的開源運動。

這次和過去到底有什麼不同?過去所有的程式碼遷移專案都是人主導(c2rust、tsc→Rust 的實驗、Python 2→3),AI 只是輔助。這次是 AI 主導,人類退到 defense 位置——權力關係整個翻轉過來了。這種翻轉能不能穩定運作,我也不知道。但它至少證明了一件事:正確性優先的系統,已經進入 AI 的射程了。

不確定的地方:ts-rust 目前還沒跑完整個 TS test suite。我不會押重注在它能 100% 取代 tsc 上,但這個工作流本身,值得每個在做遷移的人認真看一眼。

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