Building a C Compiler with a Team of Parallel Claudes
Summary
本文介绍了一种称为"agent teams"的新方法：多个Claude实例在共享代码库上并行工作，无需人工干预。通过用16个agent团队从零开始构建一个能够编译Linux内核的Rust-based C编译器，Anthropic展示了这种方法的强大潜力。
成果： 100,000行代码的编译器，可构建Linux 6.9在x86、ARM和RISC-V上运行，编译QEMU、FFmpeg、SQLite、Postgres、Redis，通过GCC torture test suite 99%通过率——成本仅约$20,000。
Key Technical Details
1. Agent Team架构
系统使用简单的循环结构运行Claude：当一个任务完成时，它立即选择下一个。通过git锁机制防止agent竞争同一任务：agent通过写入当前任务目录来"获取锁"，git的同步机制强制处理冲突。
2. 关键设计原则
- 高质量测试： 测试验证器必须接近完美，否则Claude会解决错误的问题
- 站在Claude角度： 每个agent被放入一个全新的容器，没有上下文，需要维护README和进度文件
- 上下文窗口保护： 测试 harness不应打印数千字节无用内容，重要信息应写入文件
- 时间盲性处理： Claude无法判断时间，需要提供默认的--fast选项运行1%或10%的随机样本
3. 并行化策略
当测试套件达到99%通过率后，每个agent尝试让不同的开源项目(SQLite、Redis、libjpeg、MQuickJS、Lua)编译。但当agent开始编译Linux内核时，它们卡住了——不像有数百个独立测试的测试套件，编译Linux是一个巨大任务。
解决方案：使用GCC作为已知良好的编译器oracle。随机编译大部分内核使用GCC，只用Claude的C编译器编译剩余文件。如果内核工作正常，问题不在Claude的子集中。
4. 多个Agent角色
并行化还支持专业化：
- 一个agent负责合并任何重复代码
- 另一个负责改进编译器本身的性能
- 第三个负责输出高效的编译代码
- 一个agent从Rust开发者的角度批评项目设计
- 一个负责文档
5. 当前限制
- 缺少引导Linux退出实模式所需的16位x86编译器
- 没有自己的汇编器和链接器
- 无法编译所有项目，还不能完全替代真实编译器
- 生成的代码效率不高，即使开启所有优化，输出也比GCC关闭所有优化时效率低
- Rust代码质量合理但远非专家Rust程序员水平
核心洞察
实验表明，即使没有互联网访问，Opus 4.6也能构建一个功能完整的编译器。但新功能和bug修复经常破坏现有功能——这表明AI团队已经接近其能力极限。
这个实验既令人兴奋又令人不安。当人类与Claude一起开发时，他们可以确保一致的质量并实时 catch errors。对于自主系统，很容易看到测试通过并假设工作完成，但实际上很少是这样。
Written by Nicholas Carlini, researcher on Anthropic's Safeguards team.