对于大多数工程团队而言，「不要用自己不熟悉的语言重写核心服务」几乎是一条默认准则。但一名长期使用 TypeScript 的开发者，借助 Claude Code 完成了一个生产级 Rust 服务的落地：一个用于接收 webhook 的网关，在高峰期可处理约 1,100 requests/sec。他没有职业 Rust 开发经验，却把原有 Node.js 服务的 p99 latency 从 340ms 降至 14ms，内存占用也从约 800MB 降到 38MB。更关键的是，这次尝试并不是一次玩具项目，而是被纳入了真实生产环境和 on-call 轮值体系。
不是让 AI 重写，而是把任务拆到可验证的粒度
最初的 Node.js 网关基于 Node 22.x 和 Fastify，职责并不复杂：验证 HMAC 签名、标准化来自十余个外部提供商的 payload，再把数据推入队列。问题出在 CPU。大约 800 req/sec 时，p99 latency 就超过 300ms，HMAC 验证加上部分 2MB JSON payload 的解析，直接压住了事件循环。团队不得不部署 6 个副本，而这个服务在纸面上原本只需要 1 个。
作者并没有直接给 Claude Code 输入「把这个服务用 Rust 重写」这类模糊指令，而是先写了一份一页的英文设计文档：HTTP 层使用 axum，异步运行时使用 tokio，HTTP handler 和 queue publisher 之间只保留一个 bounded channel，遇到背压时直接拒绝请求而不是缓存。之后，他把任务按模块拆开逐个交给 agent。
- 先给设计约束，再给参考行为，避免模型自由发挥
- 用已有 TypeScript 代码作为行为基准，让 Rust 版本做「翻译」而不是「发明」
- 对关键安全逻辑提出明确要求，例如 constant-time comparison、缺少签名头时在 body parsing 前拒绝请求
在 HMAC 验证这个模块里，Claude Code 根据 TypeScript 参考实现生成了 Rust 版本，并发现旧代码中的一个隐藏问题：Node 的 timingSafeEqual 在 buffer 长度不一致时会抛错，导致畸形 header 会触发 500 而不是 401。Rust 版本显式处理了长度不匹配、非法 hex 等边界情况，把错误响应归入更合理的 401。
Rust 编译器成了 AI 代码的自动质检员
在这次实践中，Rust 的编译机制意外地成了 AI 生成代码的一道护栏。在 TypeScript 里，AI 写出的错误代码可能顺利通过编译，测试也未必能拦住，最后在生产环境爆发；而在 Rust 中，很多 agent 容易犯的错误——例如 use-after-move、共享状态中的数据竞争、遗漏错误路径——会直接变成编译错误。
这就形成了一个可循环的工作流：agent 写代码，运行 cargo check 和 clippy，读取报错，再自动修复。作者举了一个例子：agent 最初写的 queue publisher 在多个任务间共享连接，导致类型无法满足 Send 要求。如果是在 Node 中，这类问题可能表现为难以排查的竞态；而在 Rust 中，它被编译器直接拦截，agent 经过两轮迭代后，按照既定设计把 producer 包进 channel 结构中，问题消失。
最难的不是写代码，而是「没人能 review」
项目推进到第二周时，作者遇到了真正的心理关口。Claude Code 生成了一段包含 Pin、手动 Future 实现和复杂生命周期标注的 retry 模块。代码能编译，测试也通过，但他意识到：如果合并这段代码，公司里没有人能真正审查它。
对于需要半夜被人叫醒处理故障的生产系统来说，这是不可接受的。为此，团队定下三条规则：
- 凡是工程师无法清楚解释其行为的代码，一律不合并
- 优先选择简单、可读、可维护的实现，而不是炫技式的高级写法
- 把人工审查重点放在架构、边界条件和运行瓶颈上，而不是逐行盯语法细节
这意味着，AI 可以承担大量翻译、生成、修错、补测试的工作，但工程师仍然要对系统取舍负责。哪些路径必须保守，哪些抽象值得引入，哪些性能收益不足以抵消维护成本，这些判断仍然属于人。
灰度发布与对照验证：把不确定性压到最低
在正式上线前，团队把 Rust 网关以 canary 方式接入 5% 的真实流量，同时用 shadow mode 镜像 100% 流量，并把输出结果与 Node 服务逐条比对。用于比对的 diff harness 也由 agent 生成，但使用 TypeScript 编写，因为这是作者最熟悉、能够完整审查的语言。
这次对照发现了一次真实差异：某个外部提供商会发送未签名的测试 ping，Node 版本会接受，Rust 版本则按安全规则拒绝。最终，团队把它认定为 bug fix，而不是回归。三周后，服务完成全量切换。在相同硬件等级下，新服务把 p99 latency 从 340ms 降到 14ms，内存占用从约 800MB 降到 38MB。
这次经验说明，AI 编程助手正在改变跨语言开发的成本结构。它可以让工程师在不熟悉目标语言的情况下，更快搭建脚手架、修复编译错误、补齐测试并验证性能；但同时，它也把另一件事推到了台前：当代码生成变得更容易，团队对可审查性、可维护性和工程责任的要求反而更高。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/typescript-gong-cheng-shi-yong-claude-code-jiao-fu-sheng
