微软:用智能体做大规模改码时,稀缺的是可信度而非生成速度
微软 CoreAI 工程师发文回顾用 AI 智能体做超大规模代码迁移与 C/C++ 到 Rust 现代化的实践,强调静态分析、测试与形式化验证如何支撑对生成结果的信任。
微软开发者账号转发核心人工智能团队长文,讨论「智能体软件工程」在超大规模代码库上的现实约束:当智能体改码速度远超人工审阅时,瓶颈从「写出代码」转向「如何信任这些改动」。
文章称团队在视窗系统、云平台等体量上运行智能体,覆盖把约四亿行代码迁到新编译工具链,以及把遗留 C 与 C++ 现代化为 Rust 并逐步引入形式化验证等场景。自二零二四年以来,他们把人工智能智能体与静态分析、测试、形式化验证组合使用;文中还按时间线回顾了生成 Rust 从「不能编译」到「能跑并过测」再到更高可信阶段的进展。作者观点是:规划也可由智能体承担后,稀缺资源变成对结果的验证与治理。
对正在把仓库级重构交给编程智能体的团队,这篇更像工程方法论而非单一产品发布。可借鉴的是把「生成」和「证明与回归」拆开预算:没有可自动重放的测试与分析门禁,就不扩大智能体写权限。文中案例均来自微软自述,迁移成本与验证覆盖率需按本仓库重新估计。
Cheap code, precious trust: agents plus formal verification at Microsoft
Generating code is getting easier. Knowing whether to trust it is the hard part.
Microsoft engineers share how they combine agents, testing, and formal verification to validate changes across massive codebases, including C/C++ to Rust migrations. https://t.co/0PMocL1Onf