用啥替代c/c++？R/u/s/t？

水那个木是真的crazy，连R/u/s/t也不让我发


【 在 chunhui 的大作中提到: 】
: 如图
: 这已经不是效率问题了。这是工作层次问题。
--
FROM 222.129.207.*

是微软的正式招人广告，发广告的是微软研究院出来的大佬，不过也有一点故意吸睛的嫌疑

【 在 ksxfhs 的大作中提到: 】
: 忽悠~ 接着忽悠~
: 排错是所有AI绕不过去的大坑，百万行谁给它擦pg。。。。
: 低智博主的常用套路了~
: ...................
--
FROM 222.129.207.*

领英的招聘里有说明的。

所以他的核心竞争力是这套工具和流程


Galen Hunt在领英发的招聘广告的机翻版本：


我的团队目前有一个 IC5 首席软件工程师的职位空缺。该职位需要在雷德蒙德办公室办公。

我的目标是到 2030 年彻底消除微软所有 C 和 C++ 代码。我们的策略是将人工智能和算法相结合，重写微软最大的代码库。我们的愿景是“一名工程师，一个月，一百万行代码”。为了完成这项以前难以想象的任务，我们构建了一个强大的代码处理基础设施。我们的算法基础设施能够大规模地构建源代码的可扩展图。我们的人工智能处理基础设施则使我们能够应用由算法引导的人工智能代理，大规模地修改代码。该基础设施的核心部分已经在代码理解等问题上大规模运行。

这个首席软件工程师职位旨在帮助我们发展和增强基础设施，从而将微软最大的 C 和 C++ 系统转换为 Rust 语言。该职位的一个关键要求是拥有使用 Rust 构建生产级系统级代码的经验——最好至少有 3 年使用 Rust 编写系统级代码的经验。拥有编译器、数据库或操作系统实现经验者优先考虑。虽然申请者无需具备编译器实现经验，但我们希望您愿意在我们的团队中学习和积累相关经验。

我们的团队秉持成长型思维，拥有多元化的团队，成员技能和视角各异。我们勇于承担风险，善于与他人合作，也乐于与他人相处。我们致力于为内部和外部客户创造价值。我们深知，在瞬息万变的人工智能工具领域，多元化和成长型思维对于成功至关重要。

我们的团队隶属于微软CoreAI部门EngHorizons组织下属的“可扩展软件工程未来”团队。我们的使命是构建相关能力，帮助微软及其客户大规模消除技术债务。我们与内部客户和合作伙伴共同开拓创新工具和技术，并与其他产品团队合作，将这些能力大规模部署到微软内部以及整个行业。

【 在 chunhui 的大作中提到: 】
: 他们可能要开发一些工具一套方法。
--
FROM 222.129.207.*

Galen Hunt 是微软非常有影响力的技术领袖（曾领导 Midori 操作系统项目），他提出的这个愿景确实非常大胆，甚至听起来有些“疯狂”。

要理解这件事靠不靠谱，我们需要拆解他的技术逻辑。

一、“一名工程师，一个月，一百万行”靠谱吗？
如果靠人工手动重写，这绝对是不可能的。一个顶级程序员一年能写出几万行高质量、逻辑严密的 Rust 代码就已经很了不起了。

但 Galen Hunt 这里的核心逻辑是：AI 辅助的自动化迁移。

靠谱的地方： * 内存安全转换： 微软拥有海量的 C/C++ 遗留代码。很多基础库的逻辑是稳固的，主要风险在于内存管理。如果能通过工具自动识别 C++ 的内存模型（所有权、生命周期）并映射到 Rust，效率会呈几何倍数提升。

LLM 的加持： 传统的“代码转代码”工具（如 c2rust）生成的代码往往很不“地道”（充满了 unsafe）。引入 AI 代理（AI Agents）可以像人类一样进行重构、添加注释、优化结构，从而实现从“机器翻译”到“智能重写”的跨越。

不靠谱（面临的挑战）：

语义鸿沟： C++ 的某些模式（如多重继承、模板黑魔法、复杂的指针算术）很难完美转换成 Rust。

正确性验证： 自动生成的 100 万行代码，谁来确保逻辑 100% 正确？测试和验证的成本可能远超重写本身。

结论： 这是一个**“北极星目标”**。他指的不是工程师“写”了 100 万行，而是工程师“监督、指导、审核”AI 转换了 100 万行。

二、什么是“程序码处理基础设施”和“源码的可扩展图”？
这是典型的编译器技术与大数据/AI结合的产物。

1. 程序码处理基础设施 (Code Processing Infrastructure)
这不仅是一个 IDE 或编译器，而是一套工厂流水线。它包括：

摄取层： 能够处理不同构建系统（MSBuild, CMake, Bazel）的代码。

分析层： 能够跨项目、跨仓库分析代码依赖。

执行层： 大规模并行运行 AI 代理，对代码进行修改并自动提交 Pull Request。

2. 源码的可扩展图 (Scalable Graphs of Source Code)
这是最关键的技术名词，通常指 代码属性图 (Code Property Graph, CPG) 的超大规模版本。

传统的抽象语法树 (AST)： 只看得到代码的结构（如：这是一个函数）。

控制流图 (CFG) & 数据流图 (DFG)： 看得到代码怎么运行，数据怎么流转。

可扩展图 (Scalable Graph)： * 全系统关联： 它把整个微软的代码库（数亿行）建成一个巨大的图。如果你修改了底层的一个 C++ 指针，这个图能告诉你它会如何影响上层几千个依赖项。

AI 的“地图”： AI 代理不能只看一行代码就改一行。它需要在这个“图”里导航，理解上下文。

数学抽象： 通过图算法，可以识别代码中的重复模式、漏洞路径，或者寻找最适合重构为 Rust 所有权模型的切入点。

三、总结
Galen Hunt 招人的意图很明显：他不是在招普通的程序员，而是在招“造工具的人”。

他需要的是一群懂编译器底层（把代码变成功）、懂数据库（处理海量代码图数据）、懂 AI（让 AI 能够自动化操作）的顶级专家，去开发一套能够自动吞噬 C++ 并吐出 Rust 的机器。

如果你对这个职位感兴趣，重点不在于你写 Rust 有多快，而在于你是否能理解如何通过静态分析和 AI 代理，大规模地自动化处理代码逻辑。

你想了解更多关于 C++ 转 Rust 的技术细节，或者关于代码属性图（CPG）的相关资料吗？
--
FROM 114.241.229.*