# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
真是活久见！
连Linux之父，都让Claude来写内核了。
就在最近，一位开发者在刷新Linus的官方内核仓库时，赫然发现了一个极不寻常的新分支——
noref-filemap-read-with-llm
是的，这个分支的后缀「-with-llm」，明明白白地写着：这个项目有AI的参与。
谁敢信，平时喷烂代码骂得最凶的Linus，这回居然自己带头用AI写代码了！
在最新的Patch说明里，他大大方方地承认：
从核心代码、测试用例，到改动审查和文档草稿，全都是自己手把手带着Claude Code搞出来的。
跑出来的结果也确实顶，在8线程读取同一文件的特定测试中，吞吐量达到原来的约3倍。
那个说「AI 90%是营销」的人，真香了。
Linus之父这次指挥Claude Code动刀的地方，正是Linux最核心的「内存管理」机制。
Linux内核用page cache缓存文件数据。
在日常多并发业务场景中，一个常见操作是：多个线程同时去小块读取同一个文件。
按现有的机制，每次读取都必须在对应的内存块（folio）上修改原子引用计数。
这就导致CPU核心之间疯狂执行lock cmpxchg和lock decl，在硬件底层引发剧烈的缓存行颠簸。
早在2024年，内核核心开发者Matthew Wilcox就指出了这个来自真实客户生产环境的顽疾。
在Linus自己的测试机上，8线程并发小读时，这个瓶颈占到了所有「Load HITMs」开销的99.92%，几乎吃满了CPU的总线带宽。
而Claude接到的工作，也跨过了「补几行代码」的阶段。
它参与实现方案，编写用于检验方案的程序，还帮助梳理潜在问题。
这些环节连在一起，才像一次完整的工程尝试。写出来的代码要能运行，运行结果要能测量，测到的提升要能解释。
补丁说明也有实际用途。其他维护者需要知道，为什么要改、哪些路径受影响、作者检查过哪些情况。
AI把初稿写出来之后，这份说明仍要和代码、测试数据对得上。
公开到这个程度，后续讨论才有抓手。Linus那句「在我的指导下」，分量就在这里。
吞吐量从1000万，暴涨至 3300 万
测试中，Linus使用的是一台搭载Core i7-8565U的笔记本，4核8线程，文件系统为ext4。
测试让多个线程反复读取同一个、大小为一页的文件，每次只读16字节。
补丁说明给出的数据如下：
8线程吞吐量约为原来的3倍，单线程的提升约为一成。
差距为什么这么大？关键藏在「大家都读同一个文件」里。
Linux会把文件数据缓存在内存中，这就是页面缓存。后续读取可以直接从缓存取数据，省去再次访问存储设备的时间。
可缓存里的内存也会被回收。内核必须确保：线程还在读取时，这块内存没有被释放、转给其他用途。
原来的读取路径，会给承载缓存数据的内存对象增加引用计数，读完再减回去。这个对象叫folio，可以把它理解为内核管理的一组内存页。
问题是，几个线程一齐读，大家就要反复修改同一个计数。
为了保持数据一致，处理器核心之间得来回传递包含这个计数的缓存行。一次读取只有16字节，读取本身很快，维护计数的开销反倒成了瓶颈。
就像八个人都来翻一本书，每次翻页前后，都得争着修改同一张登记表。
Linus这组补丁，试着省掉读取路径上的这道手续。
它的做法是：缓存中的内存被移除后，延迟一段时间再真正归还给内存分配器，借助RCU机制，让已经开始的相关读取有机会完成。
这样，线程可以在受保护的读取区间内直接复制数据，减少对共享引用计数的争抢。
这也解释了，为什么多线程共享同一文件的测试收益尤其明显。
如果你以为Linus只是让Claude写新代码，那就低估了这件事的分量。
就在noref-filemap-read-with-llm分支出现的第二天，Linus的仓库里又冒出了一个assoc-array-fixes库。
它是一套用于按键组织、查找对象的数据结构。最初的实现，可以追溯到2013年。
就在几天前，开发者Nils Ollrogge提交了一份Bug报告，也提供了修复补丁。
Linus看过之后，却遇到一个麻烦：这段代码过于晦涩，难以跟清逻辑。
于是，他借助大模型梳理代码，把一些庞大、难读的函数拆开，让不同操作的边界更清楚。随后，这些代码被放进用户态测试框架中运行。
测试确认了Nils报告的问题，还额外找出了3个Bug。
所有四个Bug，都可以追溯到2013年这个库第一次被合入内核的那次提交。
谁能想到，一份Bug报告，竟牵出了三处存在十余年的缺陷。
其中一个例子很具体：在某种根节点结构被拆分时，索引使用的位段会错位，导致原先存进去的对象无法再被找到。
补丁说明给出了一个只需18个键就能触发的例子。
操作完成后，其中3个对象查不到；再次插入相同的键，还会新增对象，无法正确替换原有对象。
另一个问题藏在内存分配失败的路径里。
正常运行时，它可能安安静静。一旦某次分配失败，清理逻辑却可能顺着指针走进仍在使用的旧树，触发内核错误检查。
对应测试让操作中的每一次内存分配轮流失败，逐个检查异常分支，才把它暴露出来。
这些发现，让「AI帮忙看代码」有了更具体的含义。
老代码经过拆分和解释，变得更容易追踪；测试再把那些平时很少走到的路径逼出来。
缺陷由此获得了可复现的证据。
Linus Torvalds曾说过一句很经典的话，「Talk is cheap. Show me the code.」
了解他的人都知道，这老哥极度实用主义，向来只看两件事：代价值不值？效果狠不狠？
这一次，他用行动展示了另一种可能——
当代码可以由AI来写，真正值钱的，是知道该写什么代码，以及判断写出来的代码对不对。
那个曾经说「AI 90%是营销」的人，如今在自己的主仓库里挂出了带「llm」后缀的分支。
连祖师爷都在用AI狂刷KPI了，谁还在死守着手敲代码的那点虚荣心？
参考资料：
https://www.phoronix.com/news/Linus-Torvalds-Claude-Code
文章来自于"新智元"，作者 "桃子"。
