GitHub用AI Agent把Copilot核心运行时迁移成超过80万行Rust，项目主要由一名开发者推进，听起来像“代码生成速度”的胜利。但最值得开发团队带走的结论恰好相反：Agent在读文件、搜索和诊断上的活动约是编辑的十倍。大规模AI开发的瓶颈，不是把语法写出来，而是理解移动中的系统并证明行为没有变。

发生了什么

GitHub 9月16日发布了长篇工程复盘。Copilot CLI、Copilot应用和SDK共用的Agent运行时，原先基于TypeScript、Node.js与V8。团队用Copilot应用和CLI完成迁移，最终在8月21日达到832,378行生产Rust、468,689行Rust单元测试和174,675行端到端TypeScript测试；独立SDK仓库另有约13万行多语言端到端测试。

项目历时约十四个半星期，AI写了大部分代码，经128个拉取请求进入主干。期间发布135个CLI版本，其中100个预发布、35个稳定版。GitHub称，过去若按传统方式估算，可能需要一个团队一到两年；这次主要由一名开发者在数月内完成。不过这是项目方复盘，不是受控实验，不能把工期差异简单归因于模型。

一手来源：GitHub工程文章。

技术策略：原地、原子、持续发布

团队没有在长分支上做“大爆炸重写”，也没有长期保留两套可切换实现。每个拉取请求只迁移一个组件：用薄适配层从TypeScript调用Rust，同时删除旧实现。所有现有端到端测试立刻跑在新组件上，主干始终可发布。

原地迁移的价值，是让每次变化足够小，问题能和最近版本关联。难点则在边界：会话编排拥有可变状态、双向回调并穿过许多子系统，无法轻易同时跑两套实现再比较。越是耦合的组件，越需要先拆边界、补测试，而不是让Agent一次吞下。

数据揭示了Agent真正做什么

日志里，Agent调用PowerShell约63万次、查看文件约59万次、使用rg搜索约28万次；相较编辑工具，读取、搜索和诊断活动约多一个数量级。Git检查约30万次，pnpm test约1.38万次，cargo test约8437次。这个结构比“生成了多少行”更能说明生产开发：Agent不断确认当前状态、分支漂移、依赖关系和测试结果。

性能收益也并非只来自换语言。官方测试中，“客户端、会话、单轮交互”从5.25秒降到进程内Rust的292毫秒；恢复32轮会话从5.64秒降到264毫秒。不同部署路径、硬件和测量条件会影响数字，不能当作Rust对Node.js的通用倍数。

回归没有消失

截至9月14日，团队追踪并修复了数十个已知迁移回归，包括不完整迁移、状态与生命周期、行为契约不一致、宿主边界和错误测试神谕。有的实现深拷贝260MB事件日志，有的在持续事件流中保留异步句柄直到V8堆耗尽。AI减少了搬运成本，但跨语言边界、并发和资源所有权仍需工程判断。

“测试神谕”是判断输出对不对的规则。旧测试如果把历史Bug当成正确行为，新实现越忠实，问题越会被永久保留；旧测试只看返回值，也可能漏掉时序、内存与取消语义。迁移前应把协议兼容、错误类型、日志副作用、资源释放和并发顺序写成契约，再让不同层级测试分别守住。

我的判断

这不是“一个人替代一个团队”的通用证明，而是“强测试资产把Agent产能变成可控变更”的案例。 代码行数是最耀眼也最不可靠的指标；主干可发布、回归可定位、性能可比较，才是迁移能落地的原因。

它也给管理者一个提醒：不要按Agent生成量规划项目。应按可验证切片数量规划，给每个切片明确的旧行为、测试神谕、性能基线和回滚路径。没有这些资产，生成越快，未被理解的变化越多。

适用边界与行动建议

这种方式适合边界可以逐步隔离、已有端到端测试、能频繁发布的系统。不适合缺乏观测、数据迁移不可逆、协议含大量隐式兼容行为的核心系统。安全或财务代码还需要领域专家复核，不能仅依赖Agent互审。

要试点，可先挑解析器、序列化、格式化或纯计算模块；冻结输入输出样例；让Agent先解释现有行为，再实现新版本；同时运行基准、属性测试和模糊测试；预发布后观察真实错误渠道。目标不是一周写十万行，而是一周完成一个可证明等价的切片。

团队还应保存每个切片的决策记录：为何迁移、哪些行为刻意改变、哪些兼容问题暂缓、发现过哪些回归。Agent会话可以加速调查，却不应成为唯一知识库；几个月后处理线上事故的人，需要读得懂稳定的文档和提交历史。

如果让AI迁移你的核心系统，你会先挑哪类“纯逻辑组件”试水？

关注「蜗牛聊AI」，一起看懂技术变化背后的真正机会。