前言：Cursor 用 AI 做瀏覽器翻車

當(dāng)前，人工智能編程正經(jīng)歷一場深刻而關(guān)鍵的轉(zhuǎn)型，技術(shù)發(fā)展路徑的分野日益顯著。

不久前，技術(shù)圈被一則消息引爆：Cursor 聯(lián)合創(chuàng)始人 Wilson Lin 高調(diào)宣布：「用 AI Agent 從零構(gòu)建瀏覽器，一周生成 300 萬行代碼」。然而，這一雄心勃勃的嘗試最終以失敗告終：生成的代碼無法編譯，模塊之間缺乏基本的接口協(xié)調(diào)，系統(tǒng)架構(gòu)嚴(yán)重缺失，功能實現(xiàn)幾近于零，被全網(wǎng)嘲諷為「AI 泔水」。

但這場鬧劇并非終點，當(dāng) Cursor 的“軟件工廠”夢碎時，一支中國團隊采取不同的技術(shù)路線，悄然用 AI 實現(xiàn)了以往不可能的任務(wù)：使用一門新編程語言在 10 天內(nèi)生成了一個商業(yè)級別的 C 編譯器，性能接近行業(yè)標(biāo)桿。

從外部視角審視，這或許并不止于“AI 寫了一個編譯器”，而在于它展示了一種相對穩(wěn)定、可持續(xù)的“用 AI 構(gòu)建軟件”的方式。換句話說重要的不是一次性生成的結(jié)果，而是一條可以自舉、可以回歸、可以持續(xù)優(yōu)化的工程曲線。

如果這種路徑并非偶然，而是可以被系統(tǒng)性復(fù)制的，那它背后那套可復(fù)用的工程機制構(gòu)建起的 AI 自動流水線生產(chǎn)的軟件工廠，對整個軟件工程領(lǐng)域都具有相當(dāng)大的意義。

用 AI 合成一個 C 編譯器
（技術(shù)實現(xiàn)過程）

MoonBit 團隊是國內(nèi) AI 編程語言領(lǐng)域的頂尖力量，也是國內(nèi)唯一具有工業(yè)級語言與工具鏈快速落地能力的團隊（世界范圍有谷歌，微軟、蘋果等）。團隊由 IDEA 研究院首席科學(xué)家張宏波領(lǐng)導(dǎo)，他們打造的 MoonBit 語言專為 AI 與云原生等場景設(shè)計，支持多后端編譯，性能卓越。目前，MoonBit 已應(yīng)用于清華、北大等高校課程，并獲海外云服務(wù)商采用，核心用戶超 10 萬 +，目前庫近 4 千個，按照增長速度推測 26 年底將有數(shù)萬個庫，屆時生態(tài)將與蘋果的 Swift 持平。

我們觀察到 MoonBit 不僅在國內(nèi)積累了大量用戶，而且已經(jīng)在海外得到廣泛響應(yīng)，特別是日本技術(shù)社區(qū)和 X（推特）上不斷刷新出大量關(guān)于 MoonBit 的技術(shù)內(nèi)容。GitHub 上也有眾多開發(fā)者在貢獻生態(tài)庫，有位日本技術(shù)大 V 評價：「一旦人們意識到 MoonBit 的價值，他們就會蜂擁而至」。

最近 MoonBit 團隊公開表示在 「AI 軟件工廠」上有突破性進展，現(xiàn)在 MoonBit 「 AI 軟件工廠」展示出可以高效復(fù)刻大型軟件的可能性，并且實現(xiàn)的質(zhì)量更好，可靠性更高。值得一提的是，這并非一次性代碼生成能力，而是一種可重復(fù)、可驗證的軟件生產(chǎn)流程。

得益于大模型的迅速發(fā)展，AI 生產(chǎn)軟件的速度和質(zhì)量大幅度提升，一個標(biāo)準(zhǔn) 3.5 萬行代碼的大型軟件的生產(chǎn)速度從過去百天到一年左右提升到目前 10 天以內(nèi)。我們現(xiàn)在有理由相信未來大多數(shù)軟件將通過自動化流水線的軟件工廠生產(chǎn)。

但整個生產(chǎn)流程中的幾個關(guān)鍵節(jié)點的跨越并不輕松，分別是 60% 節(jié)點、90% 節(jié)點。以 Cursor 生成的瀏覽器為例就是完成了 60 %，但在后續(xù)邁向 90% 時失敗。原因在于 Cursor 對于編程語言掌控力、AI 原生工具鏈和測試等多方面能力的缺失。

軟件工廠生產(chǎn)軟件發(fā)展趨勢

以 C 編譯器為例的生產(chǎn)過程

來自 MoonBit 團隊的真實軟件生產(chǎn)案例：

其他「MoonBit AI 軟件工廠」公開展示的示例：

• PDF 工具：https://github.com/moonbitlang/mbtpdf

• wasm 編譯器：https://github.com/Milky2018/wasmoon

• javascript：https://github.com/Lampese/NocturneJS

• d2ang：https://github.com/moonbit-community/diago

我們設(shè)定了一個極具挑戰(zhàn)的目標(biāo)：從零開始構(gòu)建一個 C 編譯器

最初的目的是探索一下 AI 的能力邊界，嘗試讓 AI 在幾乎 0 干預(yù)的情況下，自己完成一個大型軟件項目。

傳統(tǒng)觀念認為從零開始構(gòu)建一個完全符合規(guī)范的 C 編譯器是一項高難度任務(wù)，涉及詞法分析、語法解析、語義檢查、優(yōu)化和代碼生成等多個復(fù)雜環(huán)節(jié)，需要深厚的編譯原理知識和對硬件架構(gòu)的理解，通常需數(shù)月甚至數(shù)年才能完成。

整個過程像一部科幻小說。我戴上耳機，開啟語音模式，對 AI 下達指令：“從零構(gòu)建一個 C 編譯器，貼近 tcc，支持 arm64 架構(gòu)。”

之所以選擇 tcc 作為示例是因為它是世界上最快的 C 編譯器,，編譯速度本身對 MoonBit 的開發(fā)體驗尤為重要。且 Native 后端同時支持 LLVM 和 C，C 后端如果有自己的編譯器的話，可以實現(xiàn)完全自舉。而且 tcc 不安全，缺乏維護，有優(yōu)化替代空間。為了快速驗證，我們只讓 AI 支持 arm64 架構(gòu)。

在第七天的時候，它就已經(jīng)實現(xiàn)了自舉，這里需要解釋下自舉，先使用 moon 工具鏈構(gòu)建 Fastcc.mbt（項目名稱），生成 Fastcc.exe，再用 Fastcc.exe 去編譯 Fastcc.mbt 自身代碼經(jīng)過 moon 工具鏈生成的 C 代碼，生成 Fastcc1.exe，最后用 Fastcc1.exe 去執(zhí)行 Fastcc.mbt 本身的測試，驗證正確性。也能夠編譯 tcc 的源碼，我們使用 v.c（vlang 編譯器的單個 c 文件 snapshot）用以測試編譯性能，當(dāng)時和 tcc 的 gap 是 60x（也就是說 Fastcc.mbt 比 tcc 慢 60x）。

一直到第十天，我?guī)缀鹾苌偈褂面I盤。Agent 自主分解任務(wù)：先設(shè)計 AST（抽象語法樹），生成基礎(chǔ)模塊；再用多 Pass 方案優(yōu)化性能，而非照搬 tcc 的單 Pass 結(jié)構(gòu)——盡管提示詞要求“貼近 tcc”，但 AI 選擇了更可靠的路徑。

每天工作的間隙，我會抽空看看 AI 的進度，偶爾需要做一些糾偏和指示：AI 自主使用 lldb 調(diào)試定位 Bug，在指示下調(diào)用 Xcode 命令行工具做性能分析，自己寫腳本識別熱點代碼并針對性優(yōu)化。第七天，驚喜發(fā)生——編譯器成功自舉：先用 MoonBit 工具鏈生成 Fastcc.exe，再用它編譯自身代碼，驗證通過測試。

整個過程中，AI 像一個不知疲倦的優(yōu)秀程序員團隊，在 MoonBit 的生態(tài)里流暢運作。最終，10 天，3.5 萬行代碼由 Agent 生成，可讀性極高。

值得一提的是這并非偶然，而是 MoonBit 軟件工廠工具鏈及語言設(shè)計產(chǎn)生的確定性結(jié)果。

「MoonBit 軟件工廠」下一步最自然的演進，是把已經(jīng)跑通的工程流程固化下來，變成一套可以反復(fù)調(diào)用的軟件生產(chǎn)能力。一旦這種能力穩(wěn)定存在，它就不再局限于編譯器，而是可以擴展到更多軟件類別——從基礎(chǔ)庫、工具鏈組件，到更貼近業(yè)務(wù)側(cè)的系統(tǒng)。當(dāng)這樣的產(chǎn)能開始規(guī)?；螅蛟S將開啟一個新時代。

從 AI 寫代碼到“軟件工廠”
（技術(shù)架構(gòu)解讀）

MoonBit 把軟件完成率從 60 % 提升到 100% 的原因主要有以下幾點：

語言設(shè)計

MoonBit 語言確立了“AI 原生”的核心理念，摒棄傳統(tǒng)編程語言中為人類習(xí)慣服務(wù)，但對 AI 造成理解負擔(dān)的復(fù)雜語法結(jié)構(gòu)，如嵌套作用域、隱式類型轉(zhuǎn)換與重載機制。

其采用“平坦化”語法設(shè)計，具備極簡的語法規(guī)則、高度清晰的語義表達與強大的靜態(tài)類型系統(tǒng)，所有語言特性均經(jīng)過 AI 可理解性與生成友好性的系統(tǒng)評估，確保模型在推理過程中不會因歧義而產(chǎn)生錯誤。這種設(shè)計顯著降低了大模型在語義解析、上下文推斷與代碼生成過程中的歧義成本，極大提升了生成結(jié)果的準(zhǔn)確性、一致性與可預(yù)測性。

同時，語言層面內(nèi)置了對 AI 反饋機制的支持，如類型提示注入、錯誤定位標(biāo)記與自然語言注釋映射，使得自然語言需 求能夠被高效、準(zhǔn)確地轉(zhuǎn)化為可執(zhí)行代碼，大幅度提高了“意圖到代碼”的轉(zhuǎn)化。

MoonBit 運行性能與 Go 和 Swift 持平，甚至在某些場景下優(yōu)于 Go 和 Swift。在公開的基準(zhǔn)測試中，MoonBit 的編譯速度快于 Rust 的10 到 100 倍。

相應(yīng)的就是 MoonBit 軟件工廠的反饋速度極快，在 AI 生產(chǎn)軟件的場景下，對比以往人類編寫代碼對于編譯速度的需求有了指數(shù)級提升，AI 一天可以跑上千次的編譯，此時編譯速度變得異常重要，MoonBit 軟件工程的優(yōu)勢也愈發(fā)明顯。

AI 安全重構(gòu)

在軟件工廠生產(chǎn)或重構(gòu)軟件時，MoonBit 工具鏈不會讓 AI 盲目隨意地修改代碼，而是為 Agent 提供了一套可調(diào)用、可驗證的重構(gòu)基礎(chǔ)設(shè)施。

moon ide是一個面向 AI Agent 的 IDE 工具，覆蓋定義跳轉(zhuǎn)、引用查找、重命名、結(jié)構(gòu)分析和文檔查詢等能力。 這些接口不是“給人點的功能”，而是以穩(wěn)定、可解析的命令行協(xié)議直接暴露給 Agent 使用。

以其中一個功能rename為例，moon ide rename不會生成模糊的文本替換結(jié)果，而是直接輸出符合 OpenAI Codexapply_patch規(guī)范的結(jié)構(gòu)化補丁。 換句話說，重命名不再依賴模型猜測上下文，而是由工具鏈給出確定的修改范圍和精確的變更結(jié)果。

這帶來幾個直接收益：

• 重構(gòu)基于語義和符號表，而不是字符串匹配

• 修改邊界清晰，不會引入結(jié)構(gòu)性漂移

• 每一次變更都可以立刻進入編譯、測試和靜態(tài)分析流程驗證

傳統(tǒng) AI 編程工具的工作路徑，本質(zhì)上還是圍繞人類開發(fā)者轉(zhuǎn)的。人寫提示詞，模型生成代碼，IDE 把結(jié)果展示出來，再由人決定改哪里、跑什么測試、要不要提交。看起來自動化了，其實反饋回路仍然是“人 → 界面 → 模型 → 人”，節(jié)奏慢、信息損耗大，也很難真正形成閉環(huán)。這種模式下，AI 更像一個助手，而不是工程系統(tǒng)的一部分。

「MoonBit 軟件工廠」理念是不再假設(shè)中間一定要有一個“給人看的 IDE 層”，而是把理解代碼、查結(jié)構(gòu)、跑測試的能力，直接暴露成可以被程序化調(diào)用的接口。換句話說，AI 面對的不是一堆 UI 按鈕，而是一套可以直接對話的工程系統(tǒng)。這種交互關(guān)系一旦成立，節(jié)奏就會完全變樣：反饋不再是“等人點一下”，而是“改完立刻驗證”；決策不再是“要不要繼續(xù)寫”，而是“這次修改有沒有通過約束”

工具鏈

整套工具鏈沿用 「AI 原生」理念，專為 Agent 優(yōu)化設(shè)計——調(diào)試器、性能分析、覆蓋率工具、測試框架全部可調(diào)用，反饋回路大幅度縮短，可靠性也相應(yīng)提高，可避免低級錯誤。

從這個例子看，AI Agent 在編寫 C 編譯器（Fastcc.mbt）的過程中可以直接調(diào)用調(diào)試器去定位錯誤，用性能分析工具去找熱點，再用基準(zhǔn)測試卡住回退。這聽起來像普通工程流程，但關(guān)鍵在于：這一整套流程對 AI 是完全流暢可調(diào)用的。

這就解釋了一個看起來有點反直覺的結(jié)果：在沒有并發(fā)、全程只用一個 codex agent 的情況下，項目依然能在十天里從“能跑”推進到“可優(yōu)化”，速度比 clang - O0 快四倍左右，這里真正決定速度的，其實不是生成吞吐，而是驗證反饋回路的長度。每一輪修改，都要經(jīng)過編譯測試、反復(fù)驗證。這種節(jié)奏，更像是在推進一條軟件工廠的流水生產(chǎn)線。

QuickCheck

QuickCheck 是開創(chuàng)性的具體實現(xiàn)，2000 年由 Koen Claessen 和 John Hughes 為 Haskell 開發(fā)。它首次將"自動生成隨機測試數(shù)據(jù)來驗證程序?qū)傩?這個想法變成了實用工具。

Property-Based Testing 是 QuickCheck 所代表的測試方法論的通用名稱。核心思想是：你聲明代碼應(yīng)該滿足的"屬性"（比如 reverse(reverse(list)) == list），測試框架自動生成大量隨機輸入來嘗試反駁這個屬性。這個術(shù)語現(xiàn)在用來指代所有采用這種方法的測試，不限于 Haskell 或 QuickCheck 本身。

Fuzz Testing（模糊測試） 是一個更寬泛、歷史更久的概念，起源于 1980 年代末的安全測試領(lǐng)域。它的核心是向程序投喂隨機或半隨機的輸入，觀察是否會崩潰或出現(xiàn)異常行為。傳統(tǒng) fuzzing 不一定有明確的"屬性"定義，往往只是看程序會不會掛掉。

助力軟件完成率從 90% 到 100% 的就是 Fuzz Testing 和 Property Based Testing ，Cursor 那類“生成速度很快但不可控”的失敗，本質(zhì)上不是“AI 不會寫”，而是缺少把結(jié)果持續(xù)拉回正確軌道的質(zhì)量約束。MoonBit 軟件工廠之所以能把項目從“能跑”推進到“可用、可維護、可優(yōu)化”，關(guān)鍵就在于把質(zhì)量校驗做成了可自動執(zhí)行的門禁，其中最有效的一類就是 QuickCheck / Property-based Testing（性質(zhì)測試）。

傳統(tǒng)單元測試更像“舉例子”：我給你 10 個輸入，期待 10 個輸出。其覆蓋面相當(dāng)有限，也容易被 AI 的“看起來對”騙過去 (hacking) 。性質(zhì)測試則更像“寫規(guī)則”：不去枚舉樣例，而是聲明程序必須永遠滿足的性質(zhì)（property / invariant），然后讓測試框架自動生成海量隨機輸入去“撞墻”。一旦撞出反例，框架還會自動shrink（縮減）反例，把復(fù)雜失敗用例縮到最小、最容易復(fù)現(xiàn)和定位的那一個，這對 Agent 來說非常關(guān)鍵：它拿到的不是含糊的“某處錯了”，而是一個可重放、可最小化、可穩(wěn)定回歸的失敗證據(jù)。

這種方法在編譯器、PDF 和表格（Excel）這類系統(tǒng)里尤其有效，因為它們天然存在大量“結(jié)構(gòu)等價 / 語義不變 / 往返一致”的可驗證性質(zhì)：

• 編譯器：同一段 C 代碼，換不同編譯器跑，結(jié)果應(yīng)該一致；做了“優(yōu)化”，只允許變快，不允許把答案變掉。

• PDF/ 文檔工具：文件“打開→保存→再打開”，內(nèi)容和排版不應(yīng)該突然變形或丟東西。

• 表格 /Excel：公式計算結(jié)果穩(wěn)定；保存加載前后語義一致；依賴關(guān)系不應(yīng)出錯（比如不該出現(xiàn)自相矛盾的循環(huán)依賴）。

這種測試會迫使 AI 使它不再靠“自信輸出”賭正確，而是被迫在可驗證的約束系統(tǒng)里迭代。每一次修改都要過編譯、過測試、過性質(zhì)校驗；每一次性能優(yōu)化都要在不破壞性質(zhì)的前提下推進，因此系統(tǒng)更加能夠在驗證過程中不斷趨近真正的可靠軟件。

First Class Reasoning

MoonBit 在語言層面原生支持形式化推理能力，這是 AI 軟件工廠中確保代碼正確性的另一道重要防線。

具體而言，MoonBit 允許開發(fā)者（或 AI）為循環(huán)標(biāo)注循環(huán)不變式（Loop Invariant），并支持編寫semi-formal 的證明過程。這一設(shè)計有兩個關(guān)鍵特點：

• 可執(zhí)行的規(guī)約：循環(huán)不變式本身是合法的 MoonBit 代碼，而非孤立的注釋或外部標(biāo)注。在 debug 模式下，這些不變式會作為運行時斷言被動態(tài)檢查——一旦違反，立即報錯；而在 release 模式下，這些檢查會被自動擦除，不影響生產(chǎn)環(huán)境的性能。這種"寫一次，兩種用途"的設(shè)計，既保證了開發(fā)階段的嚴(yán)格驗證，又避免了運行時開銷。

• AI 可驗證的證明：semi-formal 的證明過程不要求完全的形式化證明（那對 AI 和人類都是巨大負擔(dān)），而是一種結(jié)構(gòu)化的推理步驟描述。這些證明可以借助 AI 工具進行檢查和補全——AI 既可以根據(jù)代碼自動生成候選的不變式和證明草稿，也可以驗證人類或 AI 編寫的證明是否自洽。

這種設(shè)計對 AI 軟件工廠的意義在于：它把"代碼正確性"從模糊的直覺判斷，變成了可檢查、可迭代的工程約束。當(dāng) AI 生成一段帶循環(huán)的關(guān)鍵代碼時，不再只能依賴測試用例碰運氣，而是可以通過不變式和證明過程，從邏輯層面確認代碼的行為符合預(yù)期。這在編譯器這類對正確性要求極高的軟件中尤為重要。

總 結(jié)

MoonBit 目前支持三種后端，分別是 WebAssembly (Wasm)、JavaScript (JS) 和 Native，特別是在 WASM 上 MoonBit 優(yōu)勢明顯，擁有最成熟的模塊，性能優(yōu)異，可以將軟件工廠生產(chǎn)的大型軟件移植到瀏覽器中高效運行。且自帶沙箱，設(shè)計上集成了基于 Wasm 的隔離運行環(huán)境，對于開發(fā)者 或 AI 應(yīng)用使用者，都可以在不犧牲安全性的前提下，快速部署和測試代碼，很適合構(gòu)建可信的 AI 輔助開發(fā)環(huán)境或邊緣計算場景。（前文提到的 C 編譯器還展示了 Web 版本：https://moonbit-community.github.io/fastcc/ ）

MoonBit 正在推動軟件工程從“人工編碼”邁向“自動化工廠”的新時代：人類角色將轉(zhuǎn)向需求定義與關(guān)鍵決策，而 AI 則在嚴(yán)謹(jǐn)?shù)墓こ炭蚣芟峦瓿蓸?gòu)建與迭代。隨著生態(tài)快速擴張，MoonBit 不僅會是中國在 AI 編程語言領(lǐng)域的重大突破，更有希望重塑全球軟件生產(chǎn)的底層范式。

InfoQ 聯(lián)合 MoonBit 發(fā)起大型軟件合成挑戰(zhàn)賽 ：

賽事以“AI 原生軟件工廠”為核心理念，基于「 MoonBit 軟件工廠」探索在大模型與 MoonBit 編程語言及工具鏈協(xié)同條件下，如何將復(fù)雜軟件的開發(fā)過程，從依賴個人經(jīng)驗的一次性實現(xiàn)，逐步轉(zhuǎn)變?yōu)榭蓮?fù)用、可演進、可持續(xù)的軟件工程流程。