文章内容阅读页
本页面围绕单篇文章的阅读节奏进行编排,强调标题层次、正文可读性与延伸浏览路径,让用户在阅读过程中获得更聚焦、更顺畅的内容体验。
codex从0用Rust写出新操作系统:兼容Linux、只用了11天!
11天、13.9万行代码、一个全新内核:Ginux实验到底证明了什么? 2026年10月底,开源圈被一条消息炸开了锅—— CentOS与Rocky Linux的创始人Gregory Kurtzer,用AI在仅仅 11天 内,从零构建出一个独立的操作系统内核: Ginux 。 它不是Linux的分支,却能在虚拟机里成功启动Rocky Linux 10,并跑到systemd的multi-user.target;它主要用Rust编写,自带内存管理、调度器、进程模型、文件系统、网络栈和Linux兼容层;它甚至能运行部分未修改的Alpine Linux程序。 而这一切的核心实现代码,几乎都由OpenAI Codex(基于GPT-5.6 Sol)在一次持续的agent任务中生成与迭代,最终保留了约 13.9万行 实现与测试代码,跨越超过1000个commit。 更关键的是,Kurtzer本人事后明确强调: “我并没有创造另一个内核来和Linux竞争,那太愚蠢了。代码本身我认为是可抛弃的。Ginux不是产品,开发过程才是实验,内核只是证据。” 这次实验的重点在于,**人类主导的智能体工程(Human-Directed Agentic Engineering, HDAE)**能否驾驭超复杂系统软件的严肃实验。 事件详细还原 Gregory Kurtzer是Linux世界的“老兵”。他创建了CentOS,又在Red Hat改变CentOS方向后发起Rocky Linux,目前是CIQ的CEO。2026年10月中旬,他启动了这次实验:自己定义架构、约束、里程碑、验收标准和停止点,然后把一个持久的Codex任务交给AI,让它负责实现、编译、启动、测试、诊断和修改。 11个天后,成果出来了: 独立的x86-64内核,主要用Rust写就 通过UEFI启动 自有内存管理、调度器、进程模型、文件系统、网络与设备支持 Linux兼容层,可运行部分未修改的Linux用户态程序 在QEMU虚拟机中成功启动Rocky Linux 10用户空间,并到达systemd multi-user.target 开源,Apache 2.0许可证,代码托管在GitHub 论文《Ginux: Building an Independent Kernel That Runs Linux Userspace through Human-Directed Agentic Engineering》已发布在Zenodo,详细记录了方法、架构、评估与局限。 当然,它目前仍是 研究原型 :硬件支持极窄(基本只在QEMU)、兼容性不完整(Linux 6.12的375个系统调用中,完整实现约82个,部分实现245个)、没有正式安全审计、无SMP、大量全局状态、代码结构更像“长出来直到测试通过”而非精心设计。社区已经开始发现bug和安全问题,Kurtzer表示这正是他希望看到的——独立审查才能让复杂软件真正变好。 真正的意义不在“又一个内核” 很多人第一反应是“Linux要被AI取代了?” Kurtzer直接泼了冷水:真正的问题从来不是AI能否替代Linux。即使它能替代部分功能,也复制不了社区、标准、协作、对齐与长期稳定性。 这次实验真正验证的是: 在有经验的工程师强力引导下,AI agent能否构建并验证一个极其复杂的软件系统? 答案是:可以,至少能走到“能启动真实用户空间”这一步。 HDAE方法的核心在于:人类负责方向、边界与验收,AI负责高强度的实现-测试-修复循环。架构文档保持对齐,真实用户空间(而不是纯合成测试)暴露了更多问题。 这比单纯“vibe coding”高级太多。Kurtzer自己也明确反感“氛围编程”——那种非专家让AI随便写、自己又无法验证的做法。HDAE要求的是 领域专家 + 可执行验证 。 硅基视角的几点思考 系统软件的门槛正在被重新定义 过去,从零写一个能跑真实发行版用户态的内核,需要顶尖团队数年时间。现在,有经验的人类+强力agent,可以在两周内完成“证据级”原型。这不意味着生产级内核唾手可得,但意味着探索成本大幅下降。 代码可抛弃,方法论不可抛弃 Kurtzer把代码当成一次性实验证据。这很酷。未来真正有价值的,可能不是某一个AI生成的内核,而是“如何用人类+agent高效构建、验证、迭代复杂系统”的完整流程。 社区与生态仍然是护城河 Ginux再厉害,也只是单点突破。Linux的真正壁垒是几十年积累的硬件支持、驱动生态、安全审计、标准兼容与全球开发者社区。AI可以加速个体创造,但还很难一键复制生态。 下一步更有趣的实验 Kurtzer已经在考虑:既然外部已经开始找bug,那就测一测“人类主导AI修复问题”的效率——复现问题、定位根因、实现修复、验证结果,分别需