AWS的Hydro团队希望编译器能捕捉编码智能体的错误
内容提要
AWS团队开发了开源Rust分布式框架Hydro，并推出智能体运行时Infinity。团队指出，智能体编写代码和测试的速度已超出人工审查能力，且行为不可预测。为此，他们在智能体“信任区”之外设置共享正确性检查，如Rust借用检查器和Hydro的编译期错误检测，并探索幂等性等通用防护规则。Hydro目前仍属早期版本，适合高吞吐、低延迟的团队。
延伸解读
智能体写码快，人工审查跟不上
文章指出，智能体编写代码和测试的速度已超出人工审查能力，且行为不可预测。Hydro团队遇到一个约5000行的PR难以拆分，因为组件相互依赖。这揭示了智能体参与开发后的现实：代码量激增，审查负担加重，而智能体自己写的测试又难以被人工逐一确认。团队因此主张将正确性检查放在智能体“信任区”之外，用编译器而非人工来兜底。
编译器作为共享正确性检查
团队的核心思路是利用编译器在智能体信任区之外设置共享正确性检查。Rust借用检查器能在运行前捕获竞态条件，Hydro则对分布式系统在编译期检测多种错误，让智能体即时获得反馈。这相当于把部分审查责任从人转移到工具上。但文章也提醒，编译器有局限：AI生成的Rust代码可能编译通过却仍然是错的，因此编译期检查不能完全替代人工判断。
从历史模式提炼通用防护规则
团队正在探索领域特定的通用防护规则，方法是研究历史项目中的重复模式。幂等性——确保重试请求不会执行两次——在设计评审中反复出现，因此他们考虑将其变成通用防护规则。这延续了编程抽象化的老路：C语言让程序员不必手写汇编调用，Java接管了内存分配，而智能体的出现让下一层抽象更紧迫。不过这些规则仍在探索阶段，尚未定型。
Hydro与Infinity的现状与适用场景
Hydro是AWS与UC Berkeley联合开发的开源Rust分布式框架，目前仍是早期版本，适合高吞吐、低延迟且担心分布式系统缺陷的团队。团队提醒用户要预期粗糙边缘和学习曲线，回报是能更有信心地修改系统而不担心几个月后出问题。同团队还推出了开源智能体运行时Infinity，它在智能体等待工具调用或CI任务时挂起智能体，而非让其持续运行；AWS公告称其基准测试中每个空闲智能体约占用100KB，并据此推算出单台树莓派可支持7.5万个并发智能体。
Q&A
Hydro是什么？它主要解决什么问题？
Hydro是一个开源的Rust分布式系统框架，由AWS和UC Berkeley联合开发。它能在编译期检测多种分布式系统错误，为智能体提供即时反馈，帮助团队在修改系统时更有信心。
为什么说代码审查跟不上智能体写代码的速度？
智能体编写代码和测试的速度已超出人工审查能力，PR来得更快、运行时间更长，且智能体行为不可预测。它们会同时编写代码和单元测试，人类难以逐一审查所有测试并确认其符合团队意图。
Hydro团队如何确保智能体生成的代码正确？
他们在智能体的“信任区”之外设置共享正确性检查，例如Rust借用检查器和Hydro的编译期错误检测。这些检查能在代码运行前捕捉竞态条件等错误，给智能体即时反馈。
什么是Infinity？它有什么特点？
Infinity是AWS开源的智能体运行时，于10月23日发布。它会在智能体等待工具调用或CI任务时挂起智能体，而不是让其持续运行。基准测试显示，单个树莓派上可运行75,000个并发智能体（基于每个空闲智能体约100KB的服务器测试推算）。
Hydro目前适合哪些团队使用？有什么限制？
Hydro目前是早期版本，适合运行高吞吐、低延迟服务且经常担心分布式系统bug的团队。用户应预期会有粗糙边缘和学习曲线，但回报是能自信地修改系统而不必担心几个月后出问题。
编译器检查有什么局限性？
编译器检查并非万能。正如The New Stack在8月报道的，AI生成的Rust代码可能编译完全通过但仍然是错误的。因此编译器检查只能捕捉部分错误，不能保证代码完全正确。
