我和几位联合创始人正在筹建一个 AI 集成实验室。过去一年里，我们消耗了数十亿 token，横跨多个美国、欧洲和中国的模型，把它们当作加速产品开发的倍增器。然而，尽管我们技术经验丰富，仍然发现大量使用 agentic AI 会带来长期影响。于是我为团队做了一项实验：给定一份规格说明，LLM 能否完全、具体且正确地实现一个内部一致、可线性化的分布式系统，质量与人类相当？这个仓库就是该实验的成果与展示，包含完整的会话历史，包括工具输出。为了完成这个项目，我只给了 LLM 一份 AMQP 0.9.1 规范以及几项要求：必须使用集群化 Raft，并且必须支持最多 9 个节点（一个较轻的上限，但不是最终限制）。我选择了一个较老但不太知名的协议，因为它提供了一个简单的基础，上面又构建了广泛的功能；它不只是一个 broker，而是一个消息平台。虽然该规范本身相当老，但它在今天仍然非常可行且有价值，用途广泛。就我们的用途而言，我选择 Switchboard 作为实验对象，因为我们的产品是封闭式设备，我们需要一个稳定、可扩展的消息 broker，能够嵌入我们现有的应用（当所有东西都是同一个二进制文件时，嵌入式分布式系统会更容易），能够作为独立服务部署，并且足够易懂，让每个人都能轻松调试和诊断。这个实验并非为了与 RabbitMQ 或其他方案竞争（虽然它是我写给曾在 VMware/Pivotal 与我共事、参与 RabbitMQ 工作的前同事们的一封情书），我会为我们的用例维护它。我用 Rust 写它，具体是因为我们的代码库是用 Rust 写的。虽然我可能会把该项目的手动设计、构建和测试说成是“自动化”和“具备长时程能力”，但它不是那种 vibe-coded 的粗制滥造。项目有数百个跨平台和跨架构测试，以及在 Linux 上完整的 Jepsen 线性化测试——我要把这套软件放进高合规的生产环境，我需要它稳定。最后，我希望你们觉得我这个关于自动化、规范驱动、长时程构建的小实验有趣且有启发。欢迎贡献，如果愿意的话，但鉴于该协议的年代，除了我们实验室之外，我不指望有真正的使用者。祝消息传递愉快！ 评论 URL：https://news.ycombinator.com/item?id=50342493 点数：1

评论数：0