☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
微软借助 AI 代理，将 GitHub Copilot 运行时从 TypeScript 全量迁移至 Rust，总投入约为 12 万美元的 token 成本，外加一名工程师三周的人力投入。
该运行时的重要性远超普通用户认知：它为 GitHub Copilot CLI、Copilot 桌面应用、官方 SDK 及 Copilot 云 Agent 提供底层支撑，并深度集成于 VS Code、Visual Studio、Excel、Outlook、PowerPoint 等多款微软产品与一系列云服务中。原先采用 TypeScript + Node.js 架构，开发效率高，但随着规模扩大，启动延迟与服务器资源密度问题日益凸显。
性能实测：吞吐量提升至 120 次/秒，内存占用压缩九成
微软杰出工程师 Stephen Toub 在一篇详尽技术复盘中披露了关键数据：AI agents 将原始 43 万行 TypeScript 代码重构为 80 万行生产级 Rust 代码，历时 135 个发布周期、共 14.5 周，平均每日提交约 1.3 个用于移植的 PR。其中 token 开销占主导（约 12 万美元），辅以工程师三周集中协作。Toub 明确指出，若完全依赖人工完成此项工程，预估需耗时数年、成本达数百万美元。
实际性能跃升显著：在标准基准测试中，原 TypeScript 实现每秒可完成 7.55 次单轮会话生命周期处理；Rust 版本在同一硬件环境下达到 120 次/秒，特定负载下实现 15.9 倍加速。内存表现更为突出——当并发运行 10 个客户端 agent 时，TypeScript 版本占用内存高达 1383MB，而 Rust 版本仅需 126MB。根本原因在于 Rust 实现全程驻留主进程内执行，无需像 TypeScript 那样为每次补全额外 fork 子进程。
使用 @youdotcom-oss/teams-anthropic 将 Anthropic Claude 模型（Opus、Sonnet、Haiku）添加到 Microsoft Teams.ai 应用程序中。可选集成 You.com MCP 服务器以进行网页搜索和内容提取。
“AI 疯狂输出代码”的刻板印象其实恰恰相反
此次迁移也悄然重塑了业界对“AI 编程”的理解。Toub 发现，agents 大量时间并非用于生成代码，而是用于信息搜集与上下文理解。“公众想象中 AI 不停刷屏写代码的画面几乎是颠倒的；在如此体量的项目中，工作形态更接近持续性调研——评估当前状态、提出假设、实施一次精准变更，再循环验证。”
最具挑战性的模块是 session.ts，一份长达 3 万余行的 TypeScript 文件，覆盖运行时核心逻辑的方方面面。其迁移耗时达 25 小时：仅阅读文档就用了 56 分钟，期间发起 122 次工具调用以澄清需求细节；随后启动 15 个并行子会话，每个拥有独立 worktree 和专属 agent，并彼此通信协作；一个内置的任务编排机制会实时识别活跃会话，对存在职责交叉的任务主动发起协同请求。
但这次实践也暴露了 AI 编写 Rust 的典型风险：整个过程中触发数十起回归缺陷——即原有功能在修改后意外失效。Toub 总结道：“如果‘编译通过’就等于‘逻辑正确’，那这句话只配当作一句冷笑话。”Rust 编译器无法判断函数调用顺序是否合理、任务调度开销是否可接受。就在上周的蒙特利尔 RustConf 上，顾问 Lisa Crossman 同样警示开发者勿将编译器奉为“神谕”：“Rust 能阻止 agent 写出内存不安全的代码，却无法阻止它写出语义错误但语法合法的程序。”
作为横向参照，Bun 作者 Jarred Sumner 近期几乎全程依托 Claude agents，将 Anthropic 的 JS 运行时从 53.5 万行 Zig 迁移至 Rust，token 成本达 16.5 万美元，在 Linux x64 glibc 平台上已通过 99.8% 的既有 Bun 测试套件——然而 Zig 创始人 Andrew Kelley 至今仍称其产出为“未经人工审查的垃圾代码”。结合本次 Copilot 运行时重构，“AI 主导的大规模代码重写”正逐步成为一种可复现、可度量的工程范式：成本可控、交付迅速，但最终验收必须超越“编译通过”，由人类牢牢把关语义层面的正确性。
