Kurtzer用Codex 11天写13.9万行内核：Rocky Linux 10能跑？

“哪怕把token给到无限，模型也造不出操作系统级别的东西。”过去几年，这话在技术圈几乎被当成AI能力天花板的定论。

不过Gregory Kurtzer给出了另一种答案。Linux圈里这个名字不陌生：CentOS创始人之一，Red Hat决定停掉CentOS Linux之后，又是他一手推出了Rocky Linux。

2026年10月27日，Kurtzer在X上公布：11天时间，他靠“人类主导的智能体工程”（Human-Directed Agentic Engineering，HDAE）写下约13.9万行代码，做出了一款全新的Linux兼容内核，能启动Rocky Linux 10并跑起systemd。

项目叫Ginux，是一款独立开发、以Rust为主的x86-64内核。说白了，它不是从Linux内核分叉出来的。

内存管理、调度器、进程模型、文件系统、网络和设备支持，Ginux全都自己写，从零开始。

有意思的地方在于：Ginux不是Linux，却兼容Linux。它实现了Linux ABI——已编译程序与内核通信所用的二进制接口，所以现有的Linux二进制程序不用改动，就能直接在Ginux上运行。

Kurtzer这个项目有个参照物：Anthropic的Nicholas Carlini曾用16个并行运行的Claude智能体，从零构建了一个C编译器。那项实验花了近2000个会话、约2万美元，产出约10万行Rust代码，能编译大量软件，Linux内核构建过程的大部分内容也在其中。编译器测试套件和参考工具，为验证结果提供了很强的依据。

Ginux的验收难度更高：从零搭出一个内核，再让未经修改的Linux用户空间程序在上面跑起来。Linux程序能不能跑、systemd能不能启动，就是检验系统是否真正工作的关卡。

Kurtzer 在技术报告里把研究目标分成三个问题。能力层面：HDAE 能不能做出一个独立内核，让它启动并跑起一部分未经改动的 Linux 发行版工作负载？方法层面：要让这项工作一直推进下去，需要哪些文档、引导方式、可执行关卡和反馈循环？结果质量层面：最终系统的兼容性和性能怎么样？这些结论的适用范围又是什么？

他想弄清楚的是：当领域专家把架构、约束、里程碑和验收标准定清楚之后，AI能把系统软件推进到哪一步。

Kurtzer参与过Caos Linux、CentOS和Rocky Linux的建设，也有Singularity/Apptainer、Warewulf、Perceus及生产基础设施运维方面的经验。这些经历影响了Ginux的启动流程和验收标准。

这次几乎全部工作都在一个持续运行的Codex任务中完成，用的是GPT-5.6 Sol。原话：“作者负责设定架构、系统操作、解读结果，并作出最终验收决定。”

人的角色落在HDAE两个互相配合的循环里：

HDAE外部引导循环： 愿景 → 架构与约束 → 验收关卡 → 人类审查观察到的行为 → 修正、调整优先级或验收。

HDAE 内部有一套智能体循环，整个过程不需要人盯着：先实现，再构建并在 QEMU 中运行，接着测量并分析故障，然后修订，最后做回归测试。

换句话说，目标、架构、Linux兼容性目标、操作模型、故障解读和停止决定，都由Kurtzer提供。Codex做的，是把从技术决策到可运行代码的距离缩短。

愿景、优先级和成功标准，则来自Kurtzer的领域知识。他说，“项目需要领域知识来选择Linux用户空间契约、区分OCI传输与运行时隔离、识别损坏的fork/exec行为、定义域所有权、解读systemd故障，并判断看似可信的输出是否符合预期。”

选systemd当验收关卡，是因为它依赖大量系统组件，也是启动和运行整个系统的核心进程。不过它在容器里启动时很挑环境，所以Ginux先实现了“域”，再处理容器。

X 上有人问 Kurtzer 为什么挑 Codex。他的说法是，Codex 不太会把 token 耗在支线上。可就算这样，他还是得时常把它拽回正轨。有些大块代码他看着不满意，却硬逼着自己别动手改——“我甚至关掉了 IDE，强迫自己别打开。这样AI做错时，我就只能给它新的指引；很多时候，它会把写错的代码删掉。”对方接着问，具体怎么把它拉回正轨，是列一张禁止事项清单，还是盯着输出、一跑偏就拽回来？Kurtzer 答得很干脆：关卡设得多。

这也正是他强调的：“没有引导的‘氛围编程’不适合这个项目。”

“不少故障给出的输出看着挺可信，实际上却违反了 Linux 语义、隔离要求或者生命周期行为……最后拿到的就是那种表面能跑、结构却很单薄的代码，也就是常说的‘AI 垃圾’。”

“AI 也能让经验偏少的工程师更快上手有边界的实际工作，比如去摸索不熟悉的代码、生成测试、比对接口，以及实现那些经过审查的改动。但到了挑抽象、判断结果全不全，还有评估局部成功会不会带来系统级风险的时候，经验还是少不了。”

一个智能体，配上一名经验足够的人类专家，走得比一群无人看管的智能体更远。

11天下来，项目留下大约13.9万行代码，累计提交1,037次，涉及261个跟踪文件、63个Rust源文件。

这些成果最终打包成一个GINUX.EFI镜像，走UEFI就能直接启动，不必再依赖Linux宿主内核。

启动之后，它能跑多个彼此隔离的“域”（domain）。每个域有自己的进程、地址空间、文件系统和生命周期。按项目的说法，这种隔离边界比OCI容器或Linux命名空间更强。

另一项能力是拉取并校验OCI容器镜像，再用镜像拼出域的根文件系统。靠这套机制，Ginux把Rocky Linux 10拉了起来，一路跑到systemd的multi-user.target。部分Alpine Linux程序同样能跑，比如musl和BusyBox。

性能上，项目拿Rocky Linux做了一次对比测试。环境是在Apple Silicon Mac上用虚拟机模拟，只分配1个CPU核心、2 GiB内存，两边跑同一个测试程序。启动环节，Ginux让Rocky Linux 10进入可登录状态花了12.9秒，Linux内核则用了42.6秒，前者快约3.3倍。不过Ginux启动时省掉了加载内核这一步，文件系统也是现成缓存的，这个数字只能当参考。真正能比的是跑分：三秒sysbench测试，每个系统测九次取中位数，结果如下：

三项测试里，Ginux已经和Linux贴得很近：CPU和线程略高，内存略低，差距落在个位数到十几个百分点之间。

这轮实验的API调用费用约8000美元。代码以Apache 2.0许可证发布，托管在GitHub上。

发布之后，Kurtzer在技术报告里写下这样一句：“更重要的启示是，AI 能够生成复杂的系统软件，但兼容性、安全性、硬件支持、标准、社区和长期维护，依然构成真正的护城河。”

造一个小型可运行内核，其实不难；维护生产级内核是另一码事。要撑住各种硬件和工作负载，保持接口稳定，修缺陷，协调贡献者和厂商，还得有靠谱的发布节奏。工作流、兼容性、维护和社区，才是真正难的部分。

AI生成软件带来的竞争压力，可能最先压到中间件和编排层，因为在这两层换软件，不必把整套硬件和系统生态一起搬走。基础软件当然也能重写，但一套基础设施能不能被采用，看的是标准、接口、认证、硬件适配、社区能否延续、有没有商业支持。

他强调，“缺少生态，创新本身价值有限。”

Linux 是最典型的例子。它的价值远不止启动一个 shell 所需的那点源代码：不同处理器、设备、文件系统、虚拟机、发行版、厂商和应用，都靠它获得稳定的预期。Ginux 目前还没有可比的硬件矩阵、标准组织或社区，无法承诺今天能跑的程序明天照样能跑。AI 能造出技术组件，但这些组件要被真正采用，还得有多个独立组织共同支持同一套契约。

Kurtzer在这份13页技术报告的最后写道：AI已经能写系统栈深处的代码了。可基础设施的核心价值，来自兼容性、硬件支持、审查、社区信任和长期责任。Linux是靠几十年的人类工程实践，才在庞大的工作负载范围内攒下这些品质的。

参考链接：

https://zenodo.org/records/23682548

https://github.com/gmkurtzer/ginux

https://itsfoss.com/news/ginux/

https://www.it-connect.tech/ginux-centos-founder-builds-a-linux-compatible-rust-kernel-in-11-days-with-ai/