【让AI用Rust写一个任务编排器，半天搞定，花费60美元】

我一直以为让当前的AI模型用Rust构建复杂系统还为时过早。这个假期项目证明我又错了。

我需要一个轻量级、内存高效的任务编排器。之前尝试让前沿模型写Rust代码，效果很差。但这次Opus 4.5的表现让我重新审视了AI编程的边界。

半天时间，Opus用Rust构建了petit——一个完整的任务编排器，还附带了TUI界面。

关于工作流程：

我全程使用Claude Code，从创建SPEC.md规格文档开始。这份文档包含了我的需求、核心概念，以及测试驱动开发的要求——我希望项目有高测试覆盖率。

整个实现分为15个阶段，采用顺序执行而非并行。每个阶段我让Claude创建feature分支、提交PR，然后用GitHub Action调用Claude Code App来审查代码。除非发现严重问题，我直接合并每个阶段的代码。对于审查中发现的小问题，我让另一个Claude窗口创建issue记录，留待后续并行处理。

15个阶段完成后，我又添加了CLI、测试脚本和TUI，Claude处理这些都很轻松。

到当晚结束时，我拥有了一个功能完整的编排器：支持内存和SQLite两种存储方式，以及基于YAML的任务定义框架。

进入优化阶段后，我开始并行处理积压的issue。这里我用了worktree和Claude的subagent能力——每个issue一个worktree，Claude自动创建分支、提交PR、接受审查。大多数修复都很小，Claude处理得很顺利。

几点感受：

Opus写的Rust代码质量相当不错。它不仅能编译通过，还真正理解了编排器的抽象设计——这绝非易事。代码不完美，但已经相当好了。

60美元的token费用，一两个晚上的时间，换来一个可用的Rust编排器。这在一年前是不可想象的。

AI编程的能力边界正在快速扩展。那些我们认为"还需要几年"的事情，可能下个月就会被打破。

x.com/PedramNavid/status/1875227893893009700