首页 / 资料
AI 生成 Rust 现状：30% vs 90%+，Signature-first / Test-first（@mylifcc 线程，RustChinaConf 2026）
⚠️ 帖中所有数字均为作者转述、待核实。 这是 @mylifcc（lifcc）对 RustChinaConf 2026 一场演讲的二手转述，不是演讲原文或论文原文；〔本地文件〕 也注明"帖中数字为作者转述，未经核实" 本地导入。下方「链接核查」只说明链接是否存在、标题是什么，以及论文摘要与议程页原文写了什么，不等于核实了线程的数字。
🔖 另：2026-10-23 例行 ingest 发现 Jack 也把第 3 帖加入了 X 书签（书签新，未归文件夹），同一条合并记为 📥🔖。
📥 主动分享：Jack 2026-10-22 21:02（台北时间）经 TARS chat 分享，说"mark" 本地导入。
- 原件目录：〔本地存档〕（〔本地文件〕 = 3 帖线程全文；〔本地文件〕，type
x_post） - 帖子：Jack 分享的第 3 帖 https://x.com/mylifcc/status/2113163444144726314；线程首帖 https://x.com/i/status/2113163443184218259；发布时间 2026-10-22 15:00（台北时间）本地导入
- 相关页：Rust 与系统软件、Agent 工程与编程 Agent、AI 代码审查
线程要点（作者转述，数字待核实）
- 演讲与数据来源：帖称 RustChinaConf 2026 主会场上，月之暗面唐飞虎基于 Multi-SWE-bench（"239 个真实 Rust PR 评测"）、Rust-SWE-Bench（"500 个仓库级任务"）及大量真实 vibe-coded 仓库，给出 AI 生成 Rust 的现状报告 本地导入。
- 核心对比："30% vs 90%+"——放任 AI 自由 vibe coding 与"契约驱动人机协同"在真实 Rust 仓库中的差距 本地导入。
- 跨语言断层：帖称在 Multi-SWE-bench（帖注"NeurIPS 2025"）横评中，顶级模型从 Python 进入 Rust 真实工程（帖中提到"rustbench_study/RustForger 等复杂依赖"）后解决率断崖式下跌，"天花板仅约 30%" 本地导入。
- AI 的短板：缺乏全局所有权视图，容易在异步闭包跨线程传递（Arc<Mutex
> 滥用、生命周期悬垂）和冷门 crate 版本 API 上产生连锁幻觉 本地导入。 - Signature-first：人类预先定义类型签名与生命周期标注，帖称"相当于帮大模型剪枝了 80% 的无效搜索空间" 本地导入。
- Test-first：配合预先写好的单元测试，Agent 利用编译器报错自我修复，帖称"收敛速度提升数倍，实测代码可用率突破 90%" 本地导入。
- 作者观点：AI 没有消灭硬核系统工程，反而让"类型系统设计"和"测试边界定义"成为程序员最值钱的壁垒；结尾问读者是先手写接口签名再让 AI 实现，还是直接丢需求 本地导入。
帖中给出的链接（照录）：
- RustChinaConf 2026 议程：https://rustchinaconf.org/zh-CN/schedule/
- Rust-SWE-Bench 仓库：https://github.com/GhabiX/Rust-SWE-Bench
- 论文《Evaluating and Improving Automated Repository-Level Rust Issue》：https://arxiv.org/abs/2602.22764
链接核查（2026-10-22 21:0x 台北时间，WebFetch；只核存在性与原文表述）
| 链接 | 是否存在 | 标题 / 原文写了什么 | 与线程数字的关系 |
|---|---|---|---|
| arXiv 2602.22764 | 存在 | 全称 Evaluating and Improving Automated Repository-Level Rust Issue Resolution with LLM-based Agents（帖中标题少了 "Resolution with LLM-based Agents"）；ICSE '26；作者 Jiahong Xiang、Wenxiao He、Xihua Wang、Hongliang Tian、Yuqun Zhang（南方科技大学、蚂蚁集团）。摘要原文：提出 Rust-SWE-bench，500 个任务、来自 34 个 Rust 仓库；ReAct 类 Agent 最高解决 21.2%；作者提出的 RustForger（Claude-Sonnet-3.7）解决 28.6%，比最强基线提升 34.9%，并独家解决 46 个任务 | 摘要没有出现"30% 天花板""90%+""signature-first""test-first""80% 搜索空间"等说法。"500 个仓库级任务"与摘要一致。正文提到 Multi-SWE-bench 含 239 个 Rust 实例，与帖中"239"一致（但这是论文对 Multi-SWE-bench 的描述，不是演讲结论）。论文中 RustForger 是作者提出的 Agent 方法，帖中把它写成"复杂依赖"，表述有出入 |
| GitHub GhabiX/Rust-SWE-Bench | 存在 | 仓库名 Rust-SWE-Bench；抓取页没有描述文字（显示 0 star、0 fork）；论文"Data Availability"引用的就是这个仓库 | 不涉及线程数字 |
| RustChinaConf 2026 议程 | 存在（额外抓取） | 列有「月之暗面｜AI 生成 Rust 项目分析」，讲者唐飞虎（月之暗面开发者关系负责人和研发工程师）。议题简介原文：基于 Multi-SWE-bench、Rust-SWE-bench 等公开基准与真实 vibe-coded 仓库……"顶级 Agent 仅能解决约 30% 的真实仓库级问题；采用测试优先、签名优先的人机协同流程，可用性可提升至 90% 以上"。议程位于 10-17 标题之前的主会场日（会场说明称 16–17 日为主会场，推断为 10-16） | 说明"约 30%""90% 以上"确为演讲方自己的说法（议程简介），仍未经独立核实；"80% 搜索空间""收敛速度提升数倍""NeurIPS 2025"在议程简介中没有出现 |
同一议程页还列有贺程的《Rust × AI：vivo 蓝河操作系统的架构创新与实践》，即 蓝河 OS（BlueOS） 书签里提到的那场分享（议程页，非 raw 来源）。
与已有主题的关系
- Rust 与系统软件：同为 RustChinaConf 2026 的内容，补充"AI 写 Rust"这一面。
- Agent 工程与编程 Agent：签名优先、测试优先本质是给编程 Agent 设约束与验证闭环，和 poteto 演讲"让 Agent 自证""纠错优先级"属同类思路（两份资料各自的说法，并列而已）。
- AI 代码审查：test-first 与编译器报错自修复，对应"lint/编译器/CI 强于风格指南"的纠错层级。