### [Linus亲自带Claude Code改Linux内核：8线程小读快3倍，还翻出十年老Bug](https://www.zuoshipin.com/article/54451)

**Published:** 2026-10-14T13:34:02

**Author:** 天才交易员

**Excerpt:** Linus Torvalds公开了Claude Code协助开发的Linux内核实验分支：特定8线程16字节读…

**导读：**Linus Torvalds这次不是随口谈AI，而是把Claude Code带进了Linux内核实验开发：代码、测试程序、问题清单审查和说明初稿都有AI参与。在一项**8线程、每次16字节、读取单页文件固定偏移**的测试里，吞吐从约1000万次/秒升到3100万至3300万次/秒；另一个修复分支还复现出多项始于2013年的关联数组缺陷。

**先把边界说清：**这不是“Linux整体性能暴涨3倍”，也不是Claude Code独立改写内核。数据来自一台i7-8565U四核八线程笔记本上的特定微基准，相关代码位于实验分支；Linus明确写明AI是在**他的指导下**完成辅助工作，测量也由他在自己的机器上运行。

## 01 / 这一次，Linus把AI参与范围写进了提交说明

在名为`noref-filemap-read-with-llm`的Linux内核实验分支中，Linus没有模糊处理AI的角色。他在顶部提交说明里披露：代码、测试程序、已知问题清单背后的审查，以及说明文字的第一版，都由Claude Code在他的指导下协助完成。

[![kernel.org上的Linux内核实验分支与提交记录](https://admin.zuoshipin.com/wp-content/uploads/2026/10/linux-claude-code-image01-image01.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/linux-claude-code-image01-image01.webp)

kernel.org上的Linux内核实验分支与提交记录。

[![提交说明中披露Claude Code参与代码、测试、审查与说明初稿](https://admin.zuoshipin.com/wp-content/uploads/2026/10/linux-claude-code-image03-image03.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/linux-claude-code-image03-image03.webp)

提交说明中披露Claude Code参与代码、测试、审查与说明初稿。

这句话很关键。它既不是“AI只补了几行代码”，也不是“AI自己完成了内核优化”。更准确的描述是：**资深维护者定义问题、选择方案并承担判断，编程代理负责扩大实现、测试、复核和文档整理的吞吐量。**

[![社区关注Linus使用Claude Code参与内核开发](https://admin.zuoshipin.com/wp-content/uploads/2026/10/linux-claude-code-image02-image02.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/linux-claude-code-image02-image02.webp)

社区关注Linus使用Claude Code参与内核开发。

## 02 / 真正要解决的，不是文件读取慢，而是多核争抢同一条缓存线

这组补丁关注Linux页缓存中的小型并发读取。传统路径在读取缓存页时，需要增加并随后减少folio引用计数，以确保对象在使用期间不会被释放。单线程下这项开销不算夸张，但多个核心同时修改同一个引用计数时，承载计数器的缓存线会在CPU核心之间反复转移。

可以把它理解为：八个人同时借阅同一本资料，每次都必须在同一张纸上登记“借出”和“归还”。真正拖慢流程的不是读资料，而是所有人抢着修改那张登记表。

实验方案把页缓存中已经移除的folio延迟到RCU宽限期后再释放，使读取侧能够在RCU保护下访问对象，而不必为每次读取增加folio引用。目标很明确：**减少共享引用计数引发的缓存线争用。**

## 03 / 3倍性能是怎么测出来的？完整测试条件比数字更重要

官方提交记录给出的环境是Intel Core i7-8565U，四核八线程，ext4文件系统。每个线程都对一个单页文件在偏移0处执行16字节`pread()`。结果如下：

[![特定单线程与八线程小读基准结果对比](https://admin.zuoshipin.com/wp-content/uploads/2026/10/linux-claude-code-image05-image05.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/linux-claude-code-image05-image05.webp)

特定单线程与八线程小读基准结果对比。

| 测试  | 优化前 | 优化后 | 变化  |
| --- | --- | --- | --- |
| **1线程读取吞吐** | 790万至810万次/秒 | 约880万次/秒 | 约提升10% |
| **8线程读取吞吐** | 990万至1040万次/秒 | 3100万至3300万次/秒 | 约3倍 |
| **8线程每次读取内核周期** | 2937至2975 | 719至722 | 降至约四分之一 |

[![Linux内核提交记录中的完整测试条件与测量数据](https://admin.zuoshipin.com/wp-content/uploads/2026/10/linux-claude-code-image06-image06.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/linux-claude-code-image06-image06.webp)

Linux内核提交记录中的完整测试条件与测量数据。

为什么单线程只快约10%，八线程却接近3倍？因为这个优化的主要收益不是减少一般计算，而是消除多核心间的争抢。线程越多，共享引用计数的缓存线抖动越严重，绕开这条热点路径的价值越大。

## 04 / 不能只看峰值：这个方案也有明确代价

官方说明没有回避负面结果。把数据复制到用户空间时，如果目标地址触发缺页，新的无引用读取路径可能需要退出RCU、处理缺页后再重试，导致某些故障路径比原实现更慢。更大的读取和不同访问模式，也未必得到同等收益。

-   **收益集中：**缓存命中、数据很小、并发线程多时最突出。
-   **单线程提升有限：**约10%，说明原路径在无争抢时并没有慢到不可接受。
-   **缺页路径可能退化：**需要重试的数据复制会增加开销。
-   **没有更大机器实测：**提交说明对更大多核系统的收益只是合理预期，不是已经测得的结论。
-   **仍是实验分支：**后续还要面对更广泛架构、文件系统和工作负载验证。

**做视频网观点：**可信的性能文章不只展示“最好的一行”，还要交代硬件、线程数、数据尺寸、基线、失败路径和不能泛化的部分。Linus这次最值得学习的，正是把AI生成的候选方案重新放回可测量、可证伪的工程框架里。

## 05 / AI还翻出了始于2013年的关联数组老Bug

另一个`assoc-array-fixes`分支更能说明AI适合做什么。Linux内核的通用关联数组实现源自2013年前后，代码路径复杂、边界条件多。相关修复记录显示，AI辅助构造用户态测试和故障注入后，复现出多个长期潜伏的问题。

[![关联数组修复分支及多项旧缺陷的提交记录](https://admin.zuoshipin.com/wp-content/uploads/2026/10/linux-claude-code-image07-image07.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/linux-claude-code-image07-image07.webp)

关联数组修复分支及多项旧缺陷的提交记录。

-   垃圾回收在分配失败时可能沿错误路径清理到仍然存活的树。
-   在已有shortcut之后继续链接shortcut时，特定插入与删除序列可以破坏结构。
-   根节点在特定层级拆分时，测试中的18个对象会丢失3个，并可能允许重复键。
-   在机器字边界拆分shortcut时，一组测试里102个键有76个无法再次找到。

这些案例的价值不在于“AI比Linus更聪明”，而在于编程代理可以耐心生成大量窄测试、反复缩小复现步骤，并把异常路径整理成维护者可审查的提交。对历史包袱重、测试稀疏的底层代码，这种能力很实用。

## 06 / Claude Code到底做了什么？与普通代码补全完全不同

| 工作方式 | 擅长任务 | 主要风险 | 人工职责 |
| --- | --- | --- | --- |
| **代码补全** | 局部语句、样板代码 | 上下文短、容易顺着错误假设写下去 | 逐行判断 |
| **编程代理** | 跨文件修改、运行测试、整理文档 | 可能把错误设计扩散到更大范围 | 限制范围、复核证据 |
| **Linus式监督工程** | 围绕明确瓶颈迭代代码、测试与说明 | 需要极强的问题定义与审查能力 | 设计、测量、取舍与最终责任 |

这不是“把提示词交给AI然后下班”。AI负责加速可以自动化的部分，人类负责那些不能靠语言流畅度证明的部分：并发生命周期是否正确、性能数字是否可信、回归是否可以接受、补丁是否值得进入主线。

## 07 / 一套普通开发团队也能复用的AI编程教程

1.  **先定义可测问题：**不要让AI“优化整个项目”，明确到函数、调用路径、错误条件或性能指标。
2.  **先做基线：**记录硬件、数据集、版本、测试命令和波动范围，确保后续结果可重复。
3.  **让AI给出候选解释：**要求它列出热点、生命周期、锁竞争、缓存行为和可能回归，而不只是生成补丁。
4.  **测试先行：**为每个假设建立最小复现、边界测试、并发测试和故障注入。
5.  **小步提交：**把重构、行为修改、测试和文档拆开，方便定位哪个变化带来收益或回归。
6.  **主动寻找反例：**要求AI列出“在哪些情况下更慢”，并真的运行这些测试。
7.  **人工审查关键不变量：**尤其是内存生命周期、权限、并发、错误恢复和数据一致性。
8.  **公开AI参与范围：**说明哪些内容由AI协助、哪些测量由人执行，方便审查者调整注意力。

## 08 / 真正的信号：AI编程正在从“会写代码”走向“会做证据”

这件事最值得关注的，不是某位开源领袖终于“入坑AI”，而是AI编程开始进入最强调证据和审查的工程场景。对Linux内核而言，一段能编译的代码几乎没有说服力；测试、复现、性能边界、失败模式和维护者责任才构成完整补丁。

[![开发者讨论AI协助发现Linux内核旧缺陷](https://admin.zuoshipin.com/wp-content/uploads/2026/10/linux-claude-code-image00-image00.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/linux-claude-code-image00-image00.webp)

开发者讨论AI协助发现Linux内核旧缺陷。

[![Claude Code协助Linux内核开发的事件梳理图](https://admin.zuoshipin.com/wp-content/uploads/2026/10/linux-claude-code-image08-image08.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/linux-claude-code-image08-image08.webp)

Claude Code协助Linux内核开发的事件梳理图。

**Claude Code这次真正证明的，不是它可以取代Linus，而是它能让Linus式的工程判断拥有更高吞吐量。**模型可以写代码，也可以被要求同时写测试、找反例、整理问题清单和起草说明。人类最重要的能力，则从“亲手敲完每一行”转向“选对问题、定义证据、识别边界并承担决定”。

## 站内入口与延伸阅读

-   **Linux Kernel站内导航：**[https://www.zuoshipin.com/link/54450.html](https://www.zuoshipin.com/link/54450.html)
-   **Claude Code站内导航：**[https://www.zuoshipin.com/link/28144.html](https://www.zuoshipin.com/link/28144.html)
-   **Claude站内导航：**[https://www.zuoshipin.com/link/876.html](https://www.zuoshipin.com/link/876.html)
-   **Claude让Anthropic的Git合并量暴涨12倍：**[https://www.zuoshipin.com/article/54162](https://www.zuoshipin.com/article/54162)
-   **20% AI额度做出八成Word体验：**[https://www.zuoshipin.com/article/52242](https://www.zuoshipin.com/article/52242)
-   **豆包工作导入Claude Code与Codex资产：**[https://www.zuoshipin.com/article/54225](https://www.zuoshipin.com/article/54225)

## 官方资料

-   [Linux官方无引用页缓存读取实验分支](https://git.kernel.org/pub/scm/linux/kernel/git/torvalds/linux.git/log/?h=noref-filemap-read-with-llm)
-   [Linux官方顶部提交说明与AI参与披露](https://git.kernel.org/pub/scm/linux/kernel/git/torvalds/linux.git/commit/?h=noref-filemap-read-with-llm&id=4c0f3697118eb3a708ea79175f7f07c43339bfab)
-   [Linux官方关联数组修复分支](https://git.kernel.org/pub/scm/linux/kernel/git/torvalds/linux.git/log/?h=assoc-array-fixes&showmsg=1)
-   [Anthropic Claude Code官方介绍](https://www.anthropic.com/claude-code)

**Tags:** AI编程, Claude Code, Linus Torvalds, Linux Kernel, 内核优化

**Categories:** AI资讯

---