OC
Roc 花 18 个月把 30 万行 Rust 重写成 Zig,它证明了什么,又没证明什么
科技 · 2026-07-17 · 开发者 / 编程语言 · 阅读 26

Roc 花 18 个月把 30 万行 Rust 重写成 Zig,它证明了什么,又没证明什么

林岚|OC 开发者生态编辑

林岚|OC 开发者生态编辑

Roc 语言负责人 Richard Feldman 在文章 Rust to Zig 中回顾,团队用大约 18 个月把约 30 万行 Rust 编译器代码重写为 Zig,并达到旧实现的功能对等。这不是一次简单的语法翻译,而是团队对构建速度、调试体验和长期维护方式的重新选择。

一句话结论: Roc 的重写说明 Zig 更适合这个团队此刻的编译器工程目标,不等于 Zig 在所有项目里都优于 Rust,更不等于 30 万行重写是一条普遍值得复制的路线。

大规模重写在软件行业名声不好,原因很实际:旧系统里藏着多年的边界条件,新代码最初往往只复现了显眼功能,却丢掉那些没人记得的行为。18 个月达到功能对等,对一个语言团队既是成果,也意味着这段时间本来可以用于新特性和生态建设。

Roc 仍然做了这个决定,是因为编译器与普通 Web 服务的权衡不同。它需要精确控制内存布局、构建过程和底层调试,同时希望贡献者能快速理解代码。Rust 的所有权和生命周期系统能在编译期阻止大量内存错误,但这种保证也会把复杂度前置;Zig 给程序员更多直接控制,编译模型更透明,代价则是更多安全责任回到团队手里。

这里有一个常被忽略的问题:如果最后只是功能对等,重写成功了吗?答案取决于目标。若目标是立刻给用户更多功能,它可能不划算;若目标是让未来十年的编译器更容易修改、编译和调试,短期功能停滞可能是一笔基础设施投资。真正的验证要看接下来几年,而不是宣布完成的那一天。

Rust 与 Zig 在 Roc 项目中的工程取舍

关键事实

  • Roc 团队用了约 18 个月重写约 30 万行编译器代码。
  • 新实现使用 Zig,并已达到旧 Rust 实现的功能对等。
  • 这是特定团队、特定代码库的工程决策,不是受控的语言性能实验。

OC 判断

“某项目从 A 重写到 B”天然适合语言战争,却通常缺少可比条件。新实现会吸收旧系统的经验,也会借机删除历史包袱,所以最终改善不能全部归功于新语言。同样,原团队对 Zig 的熟悉程度、项目的底层需求和贡献者结构,也会影响结果。

Roc 最值得借鉴的不是“大家都去重写”,而是把重写成本完整说出来,并把目标定为可验证的功能对等。其他团队若考虑类似决定,至少要先回答:现有架构能否渐进修复、哪些指标会变好、迁移期间谁维护旧系统,以及失败时如何退出。

为什么重要

  • 对开发者: 语言选择是安全、控制、工具链和团队经验的组合,不是单项排行榜。
  • 对技术负责人: 重写需要明确指标和退出路径,不能只靠对新技术的偏爱。
  • 对语言社区: 一个成功迁移案例有参考价值,但不能自动推广到不同类型的项目。

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关帖子

更多

奉劝大家不要移民了

<p>对于大多数人而言,移民就是悲剧。实在看不下去了,大家不要往火坑里面跳。 国内发展那么快,你出国去慢车道,消费又高,又存不下钱,又要拼命适应当地环境,何苦? 老老实实在大城市找工作,根据收入买房子上车就好。</p> <p>补充:大城市觉得房价太高太辛苦,就好好学好英语,美国远程回老家省会城市,拿同比一线的收入,三线城市的开销,岂不美哉?</p> <p>转文章: <a href="https://mp.weixin.qq.com/s?__biz=MzAxNTMxMTc0MA==&amp;mid=2651016481&amp;idx=1&amp;sn=6bde227438ea02e3da3673295821692e&amp;chksm=80721b32b705922448a9f8645e8d1a8450e57151b71e58beb64e0addf9485ad0b256a431d68b&amp;mpshare=1&amp;scene=1&amp;srcid=0530QgwbtdDlMP4ZG7Nkonpo&amp;pass_ticket=bz%2FdHaz2YWQrgwhgQlVVXt866SMnyXU53Dd0OzDmMc1uZeu0PqND%2FjdQ6fQk8Bdl#rd"> 中产阶级的地雷阵 #D03 </a></p> <p>更多文章:<a href="https://mp.weixin.qq.com/s?__biz=MzAxNTMxMTc0MA==&amp;mid=503532389&amp;idx=1&amp;sn=84ff5eefb88e1b17f9ec0efb0238140d&amp;chksm=00721d76370594601903172e49477ce0ed149a3ba1bdcb88a300b55c8c552a79ea31134216ae&amp;mpshare=1&amp;scene=1&amp;srcid=0719VQx1dNX5rlraUqjWtCFm&amp;pass_ticket=bz%2FdHaz2YWQrgwhgQlVVXt866SMnyXU53Dd0OzDmMc1uZeu0PqND%2FjdQ6fQk8Bdl#rd">列表</a></p>

halida 198 9

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1

你为什么不移民?

<p>我是一定要移了,在这里连正常呼吸都不行了。以前正常呼吸指的是言论自由,现在是生物学意义的正常呼吸问题了。</p> <p>你为什么不移民?</p>

tinyfool 741 48

重返OurCoders

<p>从2014年以来好久没逛过这个谈论了,不知道这个谈论的运营现在怎么样,开发人员是不是原来的人,前端UI做得不太好</p>

梁建溢 5 36