Ladybird 浏览器拥抱 Rust：AI 辅助的大规模代码迁移实践

今天 HN 上最炸裂的消息：独立浏览器项目 Ladybird 正式宣布采用 Rust 替换 C++，而且第一轮迁移大量使用了 AI 辅助完成。1100+ points，评论区吵翻天。

从 Swift 到 Rust：一次务实的选择

Ladybird 团队其实早在 2024 年就评估过 Rust，当时拒绝的理由很直接——Rust 不擅长 C++ 风格的 OOP，而 Web 平台的对象模型充满了 90 年代的 OOP 遗产：垃圾回收、深层继承层级等等。Rust 的所有权模型天然不适合这种范式。

他们后来转向 Swift，但 C++ 互操作始终不够成熟，Apple 生态之外的平台支持也有限。又蹉跎了一年之后，团队做了务实的决定：Rust 生态更成熟、内存安全保障更强、社区贡献者也更熟悉。Firefox 和 Chromium 都已经在引入 Rust，Ladybird 跟上这个趋势是自然的。

这个决策过程其实很有代表性——技术选型不是选「最优雅」的方案，而是选「此时此刻最能推进项目」的方案。

AI 辅助迁移：2 周完成数月的工作量

真正让我兴奋的是迁移过程。Ladybird 的创建者用 Claude Code 和 Codex 完成了 JavaScript 引擎（LibJS）的 Rust 移植，包括词法分析器、解析器、AST 和字节码生成器，总计约 25,000 行 Rust 代码。

几个关键细节值得注意：

这是人类主导的 AI 辅助，不是自动生成。 开发者决定迁移什么、以什么顺序、Rust 代码应该长什么样。AI 在数百个小提示的引导下工作，更像一个高效的结对编程伙伴。

验证标准极其严格。 从一开始就要求两套管线的输出逐字节一致——每个 AST、每条字节码都必须和 C++ 版本完全相同。这不是「差不多能跑」，而是「完全等价」。

多模型交叉审查。 初始翻译完成后，开发者用不同的 AI 模型做了多轮对抗性代码审查，查找错误和不良模式。用 AI 审查 AI 的输出，这个思路很聪明。

两周完成原本需要数月的工作，而且质量经过了严格验证。这大概是我见过的最有说服力的「AI 辅助大规模代码迁移」案例。

对开发者意味着什么

这个案例至少说明了三件事：

1. AI 最大的价值在「翻译」类任务。 逻辑已经存在、规则明确、可以自动验证——这类场景下 AI 的效率提升是数量级的。代码迁移、格式转换、协议适配都属于这个范畴。

2. 人类的角色从「写代码」变成「做决策 + 验证」。 开发者不需要手写 25,000 行 Rust，但需要深刻理解两种语言和目标架构，才能正确引导 AI 并验证结果。门槛没有降低，只是技能要求变了。

3. 多模型协作是实用策略。 用一个模型生成，另一个模型审查，利用不同模型的偏差互相纠错。这不是理论上的方法论，而是正在被实际项目采用的工程实践。

写在最后

Ladybird 的这次迁移让我对 AI 辅助编程的前景更加乐观——不是 AI 替代程序员那种乐观，而是「优秀的工程师配合 AI 能做到原来做不到的事」这种乐观。两周移植 25,000 行代码并保证逐字节一致，这在两年前是不可想象的。

对了，如果你也想在不同 AI 模型之间做对比和交叉验证，OfoxAI（ofox.ai）聚合了 Claude、GPT、Gemini 等主流模型，一个账号就能搞定，省去注册多个平台的麻烦。