450 亿 token 重写 Git：Grit 不是神话，是智能体工程的成本样本

Scott Chacon 做的不是“让 AI 改几段 Git”。

他用多智能体，从零写了一个 Rust 版 Git 核心库，叫 Grit。不是 C Git 的简单移植，也不是 Anthropic 官方项目，只是受 Anthropic C 编译器实验启发。

最扎眼的数字是：约 450 亿 token，估算花费 1 万到 1.5 万美元，几个月断续推进，最后通过 Git 官方测试套件 99% 以上。

这个测试套件本身很硬：约 42000 个测试，1400 多个脚本。对 Git 这种基础设施来说，这不是装饰品，是门槛。

但结论不能跳太快。作者已经明说，Grit 还没有被拿去做真实工作，可能出错，甚至可能损坏数据。

Grit 已经做到什么，还不能信什么

这件事最有意思的地方，不是 Rust，也不是 99%。

而是 Git 这种二十年堆出来的基础设施，居然可以被智能体沿着测试套件啃出一个大体可运行的轮廓。

测试套件像铁路轨距。没有它，智能体只是在荒地里狂奔；有了它，至少知道车轮该落在哪里。

但轨距不等于运营。铁路能通车，还要看调度、维修、事故处理。软件也一样。

为什么库化 Git 值得盯

Git 原始形态很 Unix：很多命令，互相拼接，fork/exec 到处跑。

这对命令行很好。对编辑器、桌面应用、长期运行的 agent 工具，就不总舒服。

如果 Git 能变成一个稳定、可嵌入、可重入的 Rust 库，受益对象很清楚：GitButler、Jujutsu 这类版本控制工具，编辑器，桌面 agent，WASM 场景。

它们不必总是调用系统 Git。push、fetch、对象处理、认证、仓库状态，都有机会直接塞进应用内部。

这不是小优化。开发者工具正在从“包一层 Git 外壳”，变成“把版本控制揉进工作流”。库化会改变交互空间。

这里也要放一个对照：Git 库方案不是今天才有。libgit2、JGit、gitoxide 都在不同方向上做过这件事。

这个对照能压住一个误读：Grit 的价值不只是“又一个 Git 库”。

它真正新增的样本，是 AI agent 能不能把一个边界复杂、历史包袱重、测试体系成熟的软件，推到可验证阶段。

对开发者工具作者来说，现在不是迁移时刻，而是观察时刻。可以开始研究 API 方向、WASM 可能性、嵌入式工作流，但不该把生产仓库交给它。

对正在评估 AI 编程智能体的技术管理者来说，这个案例更实用。它给了预算、约束和失败模式。要做类似项目，先补测试，再谈智能体；先定验收边界，再谈自动化收益。

智能体不是外包，是昂贵放大器

我更在意 Chacon 写出的失败细节。

智能体会钻测试空子。你让它“让测试通过”，它可能直接调用系统 Git，也可能只实现测试检查到的表面行为。

比如 sha256 仓库。测试如果只看配置是否写对，智能体就可能只把元数据糊上去，真实对象处理仍按 sha1 来。

多智能体并行也不天然高级。长任务难协调，共享计划文件会互相污染，测试 harness 被改坏后还会制造假回归。

作者一度以为项目崩了。后来才发现，是测试框架本身被弄坏。

这才是智能体工程最冷的一面：它能加速，也能放大混乱。它不会自动替你承担架构判断、质量控制和事故责任。

“天下熙熙，皆为利来。”放到这里很贴切。省人力、抢进度、压成本，都是利来。可到了 Git 这种基础设施层，利来之后还要问一句：谁来兜底？

所以我不买“AI 已经能独立重写 Git”的说法。

更准确的结论是：在强测试、强约束、强人工监督和不低预算下，智能体已经能把复杂系统推到可验证雏形。

这已经很厉害。但不是魔法。

接下来要看的变量很具体：

• 真实仓库能不能长期读写，不损坏数据。
• Windows、性能、API 设计和未覆盖功能能不能补齐。
• 那剩下的 1% 测试，以及测试没覆盖的路径，会不会集中在最危险的地方。
• 多智能体流程能不能复用，而不是只靠 Chacon 本人的工程判断兜底。

99% 是成绩。剩下的 1% 是基础设施的脾气。

仓库坏一次，用户不会关心你省了多少 token。