ARTICLE · 1173171
连 Linus 都用 AI 改内核了,为什么“读个文件”还这么难
连 Linus 都用 AI 改内核了,为什么“读个文件”还这么难AI 写个网页，你可能已经见怪不怪。 但如果用它的人是 Linux 创始人 Linus Torvalds，改的是操作系统内核呢？ 10 月 12 日，Phoronix、It's FOSS 等媒体报道了 Linus 的一个实验分支：他在 Claude Code 的帮助下，尝试解决多线程读取文件时的性能瓶颈。 
据报道，Claude Code 在他的指导下参与了代码、测试程序、部分审查和提交说明初稿，性能测量由 Linus 在自己的机器上完成。 这仍是实验分支，不能理解成 AI 写出的补丁已经进入 Linux 正式版本。 但它值得拆开看看：为什么一个看起来简单的“读文件”，需要这么复杂的优化？AI 又能在其中帮到哪一步？ 
01 / 只是读文件，为什么也会堵车 ◇ 先认识一个东西：页缓存。 Linux 处理普通文件读写时，通常会经过页缓存。你可以把它理解成内存里的一份文件数据，方便后续访问。 好比餐厅把常用食材放在操作台上，厨师不用每次都去仓库取。 现在，来了很多厨师，同时要拿同一份食材。 问题可能出在旁边那本登记簿：每个人拿之前登记一次，用完再登记一次。拿食材很快，更新同一本簿子却需要协调。 人多了，登记反而成了瓶颈。 
在计算机中，多个 CPU 核心频繁修改同一处共享状态，也可能付出可观的协调成本。 Linux 的 RCU 文档就解释了，减少读侧的原子操作和缓存通信，可以降低这类开销。 报道中，这次实验针对的就是多个线程对同一文件进行小块读取时，围绕页缓存内存块引用计数产生的竞争。 它也提醒我们：增加线程，并不保证程序按比例变快。 如果所有线程都要经过同一个拥挤的环节，再加人，也可能只是让队伍更长。 
02 / 拿走登记簿，能够改善吗 ◇ 登记不是白做的。 引用计数的一项用途，是帮助管理对象的生命周期：只要还有人需要它，就不能随便回收它。 🤔 想象一下：厨师还在切菜，操作台却已经被清空、挪给了另一道菜。省下登记时间，换来的可能是更严重的错误。 所以，减少读侧开销，必须配套回答另一个问题：怎样保证读取期间，数据仍然有效？ 💡 Linux 中有一种重要的思路，叫 RCU。 它把“从数据结构中移除”和“回收内存”分成两步：先让后来的读者不再取得旧对象，再等待已经开始的读者完成，最后回收。 用餐厅的比喻说，就是先停止向新来的厨师提供旧操作台，等之前还在使用的人结束，再把它撤走。 
这里讲的是相关技术背景，并不是说所有引用计数都能直接用 RCU 替换。 👉 性能优化最难的地方，往往就是：少做了一步，还能不能保持原来的正确性。 尤其在内核里，读取、修改、回收可能同时发生。 单独看某一段代码没有问题，放进并发运行的系统里，就可能出现新的边界情况。 
03 / AI 能写补丁，谁来证明补丁成立 ◇ 这次事件里，值得注意的还有分工。 按照媒体对提交说明的转述，Claude Code 的参与范围包括代码和测试等工作，但方向由 Linus 指导，测量也由他亲自运行。 这让我们看到一个更具体的 AI 编程场景：开发者提出问题，借助 Agent 实现和检查，再根据运行结果继续判断。 
放到日常开发中，一次“性能优化”至少应该回答三件事： ⭐ 测了什么？ 是某一种读文件场景，还是完整应用的响应速度？ 只看到一张跑分图，很难回答这些问题。 因此，也不能把特定测试场景中的提升，直接写成“整个 Linux 快了几倍”。 对 AI 生成的优化，最有价值的交付应当包括：改动、复现方法、测试结果，以及尚未验证的部分。 “我改好了”之后，还应该接上“这是怎么验证的”。 
04 / 普通项目，也需要这一步 ◇ 我们大多数人不会每天修改内核，但会遇到类似的判断： 这些问题，需要回到项目里跑起来看。 使用 MonkeyCode 时，可以把验收要求一起写进任务： 先复现这个问题，再修改代码。修改后运行相关测试，说明如何验证；没有验证的部分，请明确列出来。 让 Agent 读项目、改代码、执行命令，再根据结果继续迭代。交到你手上的，才更容易是一份能检查的成果。 
05 / 写在最后 ◇ Linus 借助 AI 做内核实验，值得关注的是他让 AI 参与了哪些工作，又如何检查结果。 越重要的代码，越需要把测试和验证放进任务里。 你用 Agent 做过哪些真实项目？遇到过哪些“AI 说做好了，实际还差一步”的情况？ 👉 立即体验 MonkeyCode： https://monkeycode-ai.com/ 👉 下载 MonkeyWork： https://monkeycode-ai.com/#desktop-client 🌟 欢迎加入 MonkeyCode 社群，分享你的使用经验，也和其他开发者一起交流任务怎么拆、结果怎么验，让 AI 更好地帮你把事情做完。 
🌙 怎么比较？ 修改前后，硬件、输入、并发量和配置是否一致？
🌏 代价是什么？ 更快的同时，是否增加内存占用，或影响其他路径？
AI 加了缓存，旧数据还能及时更新吗？ AI 把串行任务改成并发，共享数据会不会被同时修改？ AI 说接口更快了，测的是哪组请求？
