AI 实干派 看真正用 AI 拿到结果的人怎么做
工作提效·本周演示·2026-11-08·US

遛狗时冒出一个问题,Claude 跑完了 C 和 Rust 的对比

Simon Willison 只用普通的 Claude 聊天,让它对比 C 和 Rust 写的 SQLite 扩展。改写之后,C 版在小数数据上从每行 106 ns 降到 18 ns。

谁·场景
Simon Willison 遛狗时好奇:写一个 SQLite 扩展函数 parse_number(),把「-$1,234.56」「12.5%」这类字符串转成数字,用 C 和用 Rust 各有多难?
怎么用
他在 Claude 聊天(Opus 5.5)里说明函数规则,要求比较两种语言的性能、代码复杂度和编译产物大小;发现 C 版偏慢后,又让它自己写解析函数追上 Rust;最后让它克隆他的 research 仓库,按已有格式写成报告并打包成 zip。
结果
第一轮结果:Rust 扩展 298–321 KB,C 扩展只有 14 KB,但 Rust 更快,原因是 Rust 里对应 strtod 的函数快一倍。改用 Clinger's fast path 后,在 200 万行混合数据上,C 版每行从 67 ns 降到 19 ns,Rust 两个版本分别是 46 ns 和 41 ns。
你可以试
手头有「A 和 B 哪个好」的技术问题时,先让聊天模型写原型、跑基准,再顺着结果追问为什么。最后让它按你已有的文档格式整理成报告。
注意
这类探索适合边界清楚的小问题。基准数字是模型在沙箱里跑出来的,要用到生产环境,还得在自己的机器和数据上重跑一遍。

Simon Willison 在研究笔记里记下了全过程,一共三条提示词:第一条提问题,第二条追问性能,第三条让模型照他 research 仓库的格式写报告。中间最有价值的是第二步:数据显示 C 版反而慢,他没有接受这个结论,而是让模型解释原因,再给它一个明确的目标:写一个能追上 Rust 的 C 解析器。小数数据上,C 版从 106 ns 降到 18 ns。

同一天他还在 Hacker News 评论里做了另一个小实验:在同一个对话里,让 Claude 把一个 77KB 的 Three.js 3D 作品改写成不依赖库的原生 JS,得到 98KB 的版本。两版看上去不完全一样,他说自己也没完全弄懂差异从哪来。

对工程师、PM 和做技术选型的人,这种用法可以用来低成本地预调研:开会讨论之前,先让模型拿出带数字的对比,人再判断哪些结果可信、哪些需要复核。