AI 优化 1.5ms，手写 0.02ms！Ghostty 作者痛批 AI 编程“平庸陷阱”

本文永久链接 – https://tonybai.com/2026/05/30/ghostty-creator-slams-ai-coding-performance-1-5ms-vs-0-02ms

大家好，我是Tony Bai。

在开源界，Mitchell Hashimoto 这个名字几乎无人不知。作为 HashiCorp 的联合创始人，他一手打造了 Vagrant、Terraform、Vault 等神级工具。而在他离开 HashiCorp 后，他的新宠——极速终端模拟器 Ghostty，凭借极其硬核的性能和绚丽的平台原生 UI，在 GitHub 上狂揽了 55K 颗 Star，成为了 Zig 语言 当之无愧的杀手级应用。

然而，就在最近，Mitchell 在 X（推特）上发布的一条Tweet，在开发者社区炸开了锅。

Mitchell Hashimoto 的 X 帖子截图

这篇帖子的起因，并不是大家猜测的“Ghostty 要放弃 Zig 转投 Go 语言”，而是一场极其讽刺、甚至有些黑色幽默的 “AI Agent 代码优化实验”。在这场实验中，Mitchell 揭露了当今 AI 编码工具最致命的缺陷，并把那些盲目迷信 AI 输出的开发者骂成了 “在平庸的喷泉中痛饮的羊群（Sheeple）”。

如果你也在狂热地使用 Claude Code、Codex 或是任何“全自动代码优化 Agent”，那么 Mitchell 花了 350 美元买来的这个血淋淋的教训，你绝对不能错过。

实验开始：让 AI 去优化“故意写烂”的代码

这场风波的起因，是 Mitchell 进行的一场极限压力测试。

作为一个硬核实验，Mitchell 决定把 Ghostty 核心的渲染器状态（Renderer State）用 Go 语言 重新写一遍。（注：他明确回复网友这只是为了好玩和压力测试，并非真的要把 Ghostty 从 Zig 移植到 Go。）

为了给 AI“挖坑”，Mitchell 故意写了一个极度幼稚的渲染器（Naively Renderer）。这段代码简单、正确，能够通过所有的验证测试（Validation Tests），但极其缓慢。

初始性能：每帧渲染耗时高达 88 毫秒。
初始内存压力：每帧疯狂分配 15 万次内存（Allocations）。

随后，Mitchell 召唤出了当今最火热的编程范式：AI Agent 自动优化（Ralph loop）。他给了 AI（Codex 5.5 High）极其宽松的权限和明确的目标：“不准修改输入数据结构，不准修改公共 API 和测试，但你可以做任何你想做的事，只要把帧耗时（Frame times）给我降下来！”

AI 开始了疯狂的迭代。它能够自己运行测试、读取 CPU/内存 Profile、查阅 Go 语言标准库文档……

在这场持续了 4 个小时、烧掉了 Mitchell 大约 350 美元（API 调用费）的极客狂欢后，Agent 骄傲地交出了它的终极优化方案：

AI 优化后耗时：从 88ms 降至 1.5 毫秒。
AI 优化后内存分配：从 150k 降至 ~500 次。

“听起来是不是不可思议？干得漂亮对吧？” Mitchell 在帖子里冷笑道，“大错特错。这正是 AI 精神错乱（Agent Psychosis）成为一个他妈的大问题的绝佳例子。”

降维打击：人类架构师的恐怖直觉

为什么把耗时从 88ms 降到 1.5ms，还被 Mitchell 喷得体无完肤？

因为作为对比，Mitchell 贴出了他自己亲手写（Hand-written）的 Zig 版本渲染器移植到 Go 之后的真实数据：

人类手写优化耗时：~20 微秒（0.02 毫秒）！
人类手写内存分配：在关键路径上是 0 次分配！

差距是极其恐怖的 75 倍！

AI 究竟做错了什么？

在评论区，眼尖的开发者一针见血地指出了问题所在：“AI 只是学会了‘基准测试的本体论（Benchmark Ontology）’——比如如何分配时间片、如何通过内联等技巧绕过瓶颈，但它根本没有学会任务本身（也就是如何正确且高效地渲染终端画面）。”

另一位开发者的调侃更为致命：“让我猜猜，AI 是不是直接在渲染循环的顶部加了个 early return（提前返回）？这简直就是经典的‘奖励黑客行为（Reward Hacking）’——我见过一个 Agent 为了优化慢查询，直接把数据库表给删了。”

AI 的逻辑是典型的局部最优解陷阱（Local Maximum Trap）。它在原本的烂代码结构上，通过各种缓存、并发、小修小补，强行把时间压了下来。但它缺乏对“终端渲染器”这一复杂系统的宏观认知，它不敢、也想不到去推翻整个架构，采用类似“预分配内存池（Arena Allocator）”加“脏矩形跟踪（Dirty Tracking）”这样更本质的解决方案。

戳破幻觉：“盲从 AI 的人，正在痛饮平庸”

这场 350 美元的实验，揭开了当前 AI 辅助编程最危险的一面。

Mitchell 在帖子的核心部分发出了警告：

“这就是缺乏系统级理解的悲剧。如果你不理解系统，你就会觉得 AI 给出的结果‘令人难以置信’。但如果你真的理解这个系统，你会立刻看出更好的解决方案，并且能做出比 AI 好 75 倍的吞吐量。”

Mitchell 并没有否认 AI 的价值（他自己也在频繁使用 Codex），他痛批的是一种正在行业内蔓延的“盲从文化”。

在如今的开发圈，越来越多的开发者（尤其是缺乏底层经验的初中级工程师）正在把架构设计的权力让渡给 AI。只要代码能跑通，测试显示性能提升了，他们就会毫无保留地合并代码。

Mitchell 极其辛辣地将这些人称为：“在平庸的喷泉中痛饮的羊群（Sheeple, overdrinking from a fountain of mediocrity）。”

当你习惯了 AI 给出的“局部最优解”，你就永远失去了向“全局最优（S-tier 级别性能）”发起冲击的能力。

开发者圈的反思：被剥夺的“系统思维”与虚假的“免费午餐”

这篇帖子在 X 上引发了热烈的讨论。数百位资深开发者、CTO 和 AI 研究员纷纷入场，贡献了极其深刻的行业反思：

1. 虚假的“免费午餐”与高昂的隐形成本

很多人只看到 AI 帮你“免费”提升了性能，却忽略了背后的算力成本。

一位开发者提出质疑：“如果你让它跑 40 个小时呢？”

Mitchell 直接反击：“如果假设成本是线性的，那就是 3500 美元。谁会为了一个功能花 3500 刀去让 AI 盲目试错？”

这也暴露出目前 AI Agent 极低的资本效率——在工业界，花 350 美元去得出一个“只是及格”的平庸结果，是极度浪费的。

2. S 级程序员的断代危机

另外一位开发者惊叹于 AI 居然能为一个完全不懂底层的人带来量级上的性能提升。

但 Mitchell 立刻指出了最让人细思极恐的问题：“确实如此。但如果所有人都满足于 AI 给出的‘还可以’的结果，未来的 S 级程序员从哪里来？ 谁去承担那种需要深入底层、推倒重来的艰苦工作？”

如果我们这代人不再亲自去踩坑、去摸索内存布局的艺术，下一代的超级黑客将在平庸的代码投喂中彻底断代。

3. 系统级理解（Systems Understanding）才是终极护城河

在这场风暴中，最振奋人心的结论或许是一位开发者留下的这样一句短评：“Systems understanding is the real moat.（系统理解才是真正的护城河。）”

AI 可以瞬间写出几百种排序算法，可以帮你把嵌套循环优化成哈希表。但在面对诸如“如何设计一个无锁的并发渲染器”、“如何极致压榨 CPU 缓存命中率”这种需要将业务上下文、硬件特性与架构哲学融为一体的系统工程时，AI 依然是个门外汉。

小结：醒醒吧，别让 AI 夺走你的方向盘！

Mitchell Hashimoto 的这场实验，犹如一盆冷水，浇醒了那些沉醉在“Agent 自动编程”幻梦中的开发者。

AI 时代的到来，并不是为了让我们交出思考的权力。大模型是一辆马力极其强劲的跑车，但方向盘必须永远掌握在拥有“系统级理解（Systems Understanding）”的人类架构师手里。

如果你只是给 AI 设定一个粗糙的目标（比如“让它变快”），那么 AI 给你的，往往只是一个拼凑了无数“小聪明”的平庸怪胎；只有当你真正理解了底层的运作逻辑，你才能提出正确的问题，画出正确的框架边界，让 AI 在你的掌控下发挥出真正的威力。

正如 Mitchell 在文章最后语重心长的忠告：

“我一直在用 AI，我喜欢 AI。我想表达的是：不要盲目接受结果。去思考，去分析，去学习（Think. Analyze. Learn.）。”

在这个“劣币驱逐良币”、平庸代码泛滥的时代，愿我们都能守住最后那一点对极致性能的工匠精神，拒绝成为那些在平庸喷泉旁痛饮的“羊群”。

资料链接：https://x.com/mitchellh/status/2060088112257372610

今日互动讨论

在你的日常开发中，有没有遇到过被 AI“带偏”的时刻？如果让你用 350 美元去跑一个自动化优化的 Agent，你觉得它是“物超所值”还是“智商税”？

欢迎在评论区分享你的看法，我们一起聊聊 AI 时代的防坑指南！

还在为“复制粘贴喂AI”而烦恼？我的新专栏 《AI原生开发工作流实战》 将带你：

告别低效，重塑开发范式
驾驭AI Agent(Claude Code)，实现工作流自动化
从“AI使用者”进化为规范驱动开发的“工作流指挥家”

扫描下方二维码，开启你的AI原生开发之旅。

原「Gopher部落」已重装升级为「Go & AI 精进营」知识星球，快来加入星球，开启你的技术跃迁之旅吧！

我们致力于打造一个高品质的 Go 语言深度学习 与 AI 应用探索 平台。在这里，你将获得：

体系化 Go 核心进阶内容: 深入「Go原理课」、「Go进阶课」、「Go避坑课」等独家深度专栏，夯实你的 Go 内功。
前沿 Go+AI 实战赋能: 紧跟时代步伐，学习「Go+AI应用实战」、「Agent开发实战课」、「Agentic软件工程课」、「Claude Code开发工作流实战课」、「OpenClaw实战分享」等，掌握 AI 时代新技能。
星主 Tony Bai 亲自答疑: 遇到难题？星主第一时间为你深度解析，扫清学习障碍。
高活跃 Gopher 交流圈: 与众多优秀 Gopher 分享心得、讨论技术，碰撞思想火花。
独家资源与内容首发: 技术文章、课程更新、精选资源，第一时间触达。

衷心希望「Go & AI 精进营」能成为你学习、进步、交流的港湾。让我们在此相聚，享受技术精进的快乐！欢迎你的加入！

img{512x368}