先搞清楚：这不是“AI自动写了个操作系统”

最近在 Hacker News 上看到一个挺有意思的项目：Rocky Linux 的创始人 Greg Kurtzer 开源了一个叫 ginux 的东西，定位是“不是 Linux 的内核”，而且他提到整个项目在 11 天内完成，过程中大量使用了 AI 辅助。

先把话说在前面：这不是“对着 AI 说一句帮我写个内核”就自动生成的结果。内核开发涉及内存管理、进程调度、中断处理、设备驱动这些硬骨头，AI 目前还啃不动整套系统设计。真正值得关注的是：一个有二十年系统开发经验的人，如何把 AI 嵌进自己的开发流程里，把原本要几个月的前期探索压缩到十来天。

这篇就借这个案例，聊聊普通开发者能学到的 AI 辅助开发方法。

为什么是“非 Linux”内核

Kurtzer 的背景很关键。他是 CentOS 早期的核心开发者之一，后来 CentOS 路线变动，他带头做了 Rocky Linux，属于那种对发行版底层、构建系统、包管理都非常熟的人。

所以他做 ginux，不是为了“再造一个 Linux”，而是想探索一条不同的内核路线。这类项目的难点从来不是写代码本身，而是：

• 先想清楚架构边界：哪些交给内核，哪些放到用户态
• 快速验证想法，而不是一上来就写生产级代码
• 在大量未知里做技术选型

这三件事，恰好是 AI 能明显提速的地方。

他的用法，拆开看是这几步

第一步：让 AI 当“技术调研助手”

做新内核，第一件事是摸清现有方案的取舍。传统做法是翻文档、读论文、啃源码，动辄几周。更高效的方式是把具体问题丢给 AI，比如“微内核和宏内核在中断延迟上的典型差异”“某个调度策略在什么场景下会退化”，让它先给出一个带方向的概览，再自己去源码里验证。

关键是：AI 给方向，人做验证。 不要直接信结论，而是把它当成一个能秒回的研究生，帮你快速排除明显不靠谱的路线。