9天Claude Code重写100万行代码、6755次提交，Bun完成史上最大AI重构后，开发者质疑：99.8%测试通过率，真的代表安全？

去年底被 Anthropic 收购的 JavaScript 运行时 Bun，上周以一条 PR 完成 “AI 重写基础设施”：超 100 万行 Rust 代码、6755 次提交，几乎全部由 Claude Code 智能体在 9 天内自动生成，并通过现有测试套件 99.8% 的用例。Bun 创始人 Jarred Sumner “团队已好几个月没亲手敲代码”的发言在 Hacker News 引发 708 分热度的争论，PR 点赞与点踩各占一半。然而开发者 dreamreal 的长文《Bun Has Been Converted to Rust. Now What?》从另一视角重审这场重构：Bun 官方给出的迁移动机是 “借助 Rust 编译期保障内存安全”，但重写后分布在 700 多个文件里的 unsafe 代码块超过一万个，与同体量级别的 Rust 项目 uv 仅 73 个 unsafe 块相比，整整相差两个数量级。原因在于 Bun 迁移指南要求 Agent “忠实移植” Zig 代码、保持原架构和数据结构逐文件转换，当 Zig 手动内存管理逻辑过不了 Rust 借用检查器时，迁移过程就用 unsafe 绕过——而借用检查器恰恰在这些地方失去作用，这正是 Rust 内存安全保障机制 “本应发挥作用” 的地方。文章指出，99.8% 测试通过率与一万多个 unsafe 块并不矛盾：测试套件只能验证新实现在外部接口行为上与旧实现一致，无法判断底层是否真正安全。验证 unsafe Rust 安全性至今仍是研究难题——Amazon 与 Rust 基金会曾联合立项专门验证标准库中的 unsafe 代码，而 Rust 标准库本身在数十年专家审查下仍出现过 20 多个可追溯到 unsafe 的 CVE 漏洞。目前学术界最先进的半自动化验证工具也需要人工编写形式化规范，不存在 “一键让 unsafe 变安全” 的工具。更关键的是代码生成与验证的不对称：智能体在 9 天内产出百万行代码，而按这个速度阅读根本不是人类能做到的。Bun 团队坦言没有以审查关键基础设施应有的方式完整阅读这些代码。文章警告，0.2% 未通过的边缘场景、libc/musl 平台差异等未定义行为不会通过测试主动暴露，很可能在 18 个月后以 CVE 形式出现。而按 Anthropic 自身描述，该运行时会集成进 Claude Code、服务数百万用户。结论并非 “AI 不行” 或 “Rust 不行”，而是：当有人用测试通过率证明安全属性时，应先确认测试套件在不在测量那个属性——“行为一致性” 与 “内存安全” 是两个完全不同的维度，全部变绿只说明迁移做得好，无法说明系统真正安全。