💡 站外导读:当 AI 编程智能体三周烧掉约 8,600 美元就把 curl 的 18.5 万行 C 代码翻译成 34 万行 Rust 时,“一键重写万物”似乎成了技术圈新信仰。curl 作者 Daniel Stenberg 近日发文并获 Simon Willison 推荐,他直接泼了冷水:就在克隆版诞生这三周,原生 curl 合入 300+ 提交并修掉 200+ Bug;更残酷的是,历史 81 个漏洞里超八成与内存安全无关。
3周烧掉8600美元、代码膨胀1.84倍:AI Agent凭什么能翻写curl?

不是大模型懂了网络协议,而是curl二十年攒好了“完美规格书”
2026 年秋季,多个由 AI 编程智能体(AI Coding Agents)驱动的实验项目在开源社区引发围观——其中既包括名为 urlx 的独立移植尝试,也出现了直接沿用 curl 名称的 Rust 重写版本。根据参与方披露的工程账单,其中一项核心移植工程调用编程智能体历时三周多,消耗了折合约 8,600 美元的 API 与订阅算力,将原生 curl 与 libcurl 约 18.5 万行 C 语言源码逐一转换为约 34 万行 Rust 代码,代码体积相较原版膨胀了接近 1.84 倍。
面对社交媒体上“传统系统软件工程师即将被一键替代”的欢呼,curl 创始人兼首席维护者 Daniel Stenberg 于 11 月 17 日发表《Actual curl rewrites in Rust》长文回应。他坦言自己既觉得有趣又颇感困惑,同时一针见血地指出了这些 AI 重写项目之所以能跑通的真正前提:大模型并不是凭空推理出了一套支持数十种传输协议的工业级网络库,而是因为 curl 过去二十余年公开沉淀了海量的技术文档、行为边界说明以及数千个现成的自动化测试用例——对 AI Agent 而言,这相当于一份严丝合缝的“完美可执行规格说明书”,外加早已渗透进所有主流预训练语料库的原始源码。
“移动靶”维护断层:原生项目三周合入300+提交,AI克隆体原地停摆
写一遍代码只需三周,追平每月200个缺陷修复却是无底洞
“把代码写出来一遍,从来都不是软件开发最难的部分。”Simon Willison 在摘录 Daniel Stenberg 的关键段落时着重强调了这一工程现实。Stenberg 特意统计了时间账本:就在 AI 智能体埋头把 18.5 万行 C 代码折腾成 34 万行 Rust 代码的这三周多时间里,真正的上游 curl 仓库并没有静止等待被超越,而是合并了超过 300 次代码提交(Commits),实打实地修复了 200 多个已确认 Bug,并顺手封堵了数个新暴露的安全漏洞。
这意味着,当 34 万行 Rust 克隆代码终于宣布“翻译完工”的那一刻,它其实已经天然落后于生产级上游 200 多个缺陷补丁。更棘手的是后续演进:Stenberg 指出,再过一个月,上游社区又会再修掉另外 200 个真实环境反馈出来的兼容性问题与边缘漏洞;而缺乏原生用户报错飞轮与长期维护团队的静态 AI 翻版,极难持续同步这种高频移动靶的迭代节奏。下表对比了原生 C 主线与 AI 一次性 Rust 翻版在工程生命周期中的真实差距:
| 对比维度 | 原生 C 语言 curl 主线 | AI Agent 生成的 Rust 克隆版 | 对企业研发决策的启示 |
|---|---|---|---|
| 代码规模与生成代价 | 约 18.5 万行高度精炼 C 代码 | 约 34 万行 Rust(膨胀 1.84x,耗时 3 周+/约 $8,600) | AI 翻译易伴随结构冗余,代码量翻倍反而推高审计负荷 |
| 同期维护演进速度 | 3 周内合入 300+ Commits,修复 200+ Bug | 静态快照,完全缺失这 200+ Bug 与新漏洞修复 | 写完初版只是起点,追不上移动靶上游就会迅速腐化 |
| 历史漏洞拦截比例 | 历史确认 81 个漏洞(靠多轮审计与 Fuzzing 收敛) | 理论上仅能免疫其中 14 个内存漏洞(占 17.3%) | 82.7% 为协议逻辑与状态机漏洞,换语言无法免除安全审计 |
| 规格与生态契约来源 | 20+ 年积累的数千条测试集与全球发行版反馈 | 高度依赖原版测试集作规格书及预训练语料 | 没有测试资产与社区反馈闭环,AI 无法独立维持可靠性 |
戳破“内存安全万能论”:历史81个漏洞中82.7%换了Rust也照样中招
14个内存缺陷 vs 67个协议与逻辑漏洞的硬核账本
支持“用 AI 把全网 C/C++ 基建重写为 Rust”的另一大核心论据是安全性——只要用上 Rust 的所有权与借用检查器,就能一劳永逸消除安全漏洞。对此,Daniel Stenberg 直接摊开了 curl 多年积累的 CVE 安全漏洞台账进行拆解:在历史累计已确认的 81 个 curl 安全漏洞中,真正源自缓冲区溢出、释放后使用等“内存安全问题”的仅有 14 个,占比约 17.3%;也就是说,即便完美迁移到 Rust 内存模型,能够被语言特性天然拦下的漏洞也不足两成。
剩下多达 67 个漏洞(占比高达 82.7%),全部属于协议解析逻辑歧义、TLS 证书校验状态机疏漏、URL 编码边界绕过以及非内存类设计缺陷——只要业务逻辑照搬或 AI 在翻写 34 万行新代码时引入哪怕微小的语义偏差,这些问题在 Rust 版本里不仅会原封不动复现,甚至可能因为行数翻倍、缺乏人工审计而滋生出更多原生 C 版从未出现过的新漏洞。更何况,如果克隆体脱离了原有的 API/ABI 稳定性契约,下游成千上万个依赖 libcurl 的 Linux 发行版与嵌入式设备也根本不敢贸然替换。
AI编程时代的技术选型铁律:别把“生成成本归零”错当“维护成本归零”
从“一次性重写冲动”转向“上游补丁协作与测试资产沉淀”
Daniel Stenberg 的反思并不意味着否定 AI 编程智能体的工程价值,而是为狂热的技术决策者划清了一条关键边界:AI 正在把“从零生成或跨语言转译初版代码”的边际成本急剧压低(8,600 美元即可产出 34 万行可编译代码),但它并没有自动接管后续五年、十年的软件生命周期责任。一个成熟开源或企业基础设施项目的真正护城河,在于持续涌入的真实世界边界案例反馈、跨平台回归矩阵以及对突发 CVE 的应急响应机制。
对于正在评估用 Claude Code、Codex 或自主编码 Agent 重构遗留系统的研发团队而言,最务实的落地路径应当遵循三条铁律:第一,严禁把“能跑通现有单测”当成全量替换老系统的通行证,因为测试集之外的生产长尾才是最致命的暗礁;第二,若业务必须迁往内存安全语言,优先采用 FFI 渐进式剥离高风险解析模块,而非全库推倒一次性重写;第三,把 AI 算力预算优先投向“自动生成对抗性模糊测试(Fuzzing)与复现补丁 PR”,让 AI 成为现有主线维护者的放大器,而不是制造一个注定落后的平行孤岛仓库。
📝 站长洞察 (Editor’s Insight)
Daniel Stenberg 这篇泼冷水的回应,戳破了当下自动化编程浪潮里最昂贵的幻觉:把“一次性代码翻译成功”当成“软件工程资产交付”。真正支撑 curl 稳定运行于全球数十亿台设备之上的,从来不只是那 18.5 万行 C 语法本身,而是二十余年沉淀的数千条回归用例、对畸形网络报文的条件反射,以及每周上百次提交的社区维护脉搏。一旦脱离上游的测试与反馈飞轮,AI 花 8,600 美元生成的 34 万行代码就会在落盘那一刻沦为静态标本。对技术团队而言,与其迷信“用 Agent 一键推倒重写”,不如把算力优先用于补齐测试矩阵与渐进式模块加固——代码可以批量生成,工程责任无法外包。
AI把curl重写成Rust真的更安全吗?
不一定。文中统计显示,curl 历史 81 个漏洞里只有 14 个属于内存安全问题,约 82.7% 是协议逻辑、状态机等问题。Rust 只能天然拦住一部分内存缺陷,无法自动消除大多数真实漏洞。
为什么AI重写curl三周就会落后?
因为原生 curl 不是静态不变的。就在 AI 翻译的三周多时间里,上游已合入 300+ 提交、修复 200+ Bug。软件维护是持续移动靶,缺少上游反馈和测试闭环的克隆版很快就会过时。
AI重写大型C项目最大的价值是什么?
它的价值更像“快速生成可读的迁移草稿”或辅助理解代码结构,而不是直接替代长期工程维护。对于像 curl 这样的基础设施项目,真正决定质量的仍是测试、审计、兼容性修复和持续迭代。
重写前该先补哪些安全短板?
先做漏洞分层:把内存安全、逻辑缺陷、协议兼容、供应链风险分别统计,再按高危优先级修补。若历史漏洞大多与内存无关,重写收益会被高估,先补测试、模糊测试和回归门禁更划算。
AI 重写项目怎样避免“越改越大”?
先冻结目标范围,只允许等价迁移和明确缺陷修复,不接受顺手重构。用分模块验收、差异测试、基准测试和人工抽检控制膨胀;否则 AI 很容易把“重写”做成“扩写”,成本和风险一起上升。
