一位开发者近日在Hacker News上分享了一项令人瞩目的技术实践：利用大型语言模型（LLM）辅助，在短短5周内用Rust语言完整实现了一个支持所有RAR版本格式的压缩工具——Rars。这一项目不仅展示了AI在代码生成方面的能力，也揭示了当前LLM在复杂软件工程中的优势与局限。

RAR是一种历史悠久的压缩格式，最初为DOS系统下的LZSS压缩器，后来凭借多卷支持、恢复记录和内部虚拟机等特性，在文件压缩领域占据重要地位。然而，RAR格式的规范并不完全公开，其官方解压代码虽可获取但并非自由软件，这给第三方实现带来了巨大挑战。传统上，要完整实现一个支持所有RAR版本的压缩器，可能需要5年时间，这也是此前无人尝试的原因。

该开发者采用了一种独特的逆向工程与AI协作方法。他首先从现有的自由解压器（如unar、libarchive、UNRARLIB）以及网络资料中收集代码片段，然后交给Claude Opus 4.7进行文档化分析。经过多轮迭代和“间隙文档”维护，团队用了两周时间完成了大部分读取端格式的文档化工作。对于写入端，开发者则通过分析DOS和Windows版RAR二进制文件，利用Ghidra和DOSBox-x进行十六进制转储和逆向分析，逐步填补了格式规范中的空白。

在构建阶段，开发者采用了分工协作策略：Claude Opus 4.7擅长策略讨论和架构设计，但需要频繁的修正；OpenAI Codex 5.5则更适合独立执行具体任务，但若过度交互容易陷入细节歧途。整个开发过程消耗了约40美元的令牌费用（在大量补贴下），生成了约5.5万行代码。开发者坦言，这些代码质量不高（“slop”），速度也并非最优，甚至差点因违反OpenAI的使用政策而被封号，但工具确实能够正常工作。

这一案例生动展示了LLM在软件工程中的新角色：它们不再是简单的代码补全工具，而是能够参与逆向工程、格式分析和代码生成全流程的协作伙伴。尽管存在代码质量、合规风险等问题，但LLM将原本需要数年的人力工作压缩到数周，这无疑为开源社区和开发者提供了新的可能性。未来，随着模型能力的提升和工具链的完善，AI辅助开发复杂系统或将成为常态。