科技人人都是产品经理·易安说AI··AI 生成
刚刚，程序员通宵找Bug的历史要结束了，Claude只用几周，把整个软件测试行业改写了
Anthropic 用 Claude 将 123 个开源软件编译到 RISC-V 汇编层，生成超 1.8 亿行形式化证明，由 Rocq 检查器独立验证，而非依赖模型自评。作者核心判断是：形式化验证不消灭测试，而是把人类责任从逐行审代码转移到规格与前置条件设计，并因证明可复用而可能改变底层软件成本结构。本文适合对 AI 编程、软件安全与测试工程有基础认知的读者。原文 ↗原文 ↗
核心观点
- ▍形式化验证不替代测试，而是把人类责任从逐行检查转移到规格与前置条件设计；模型负责生成证明，独立检查器负责验收。
- ▍证明一旦可复用，底层通用模块（C 运行时、内存分配器等）的验证成本会因共享工作区递归下降，类似 Lean 数学库的积累逻辑。
- 01Anthropic 研究涉及 123 个开源软件、239 个程序入口，生成超过 1.8 亿行证明代码，由 Rocq 检查器验证。
- 02模糊测试漏掉的漏洞需要极端输入：某解压模块越界写入需近 20MB 特殊排布文件，某图像解码器越界读取需约 64MB 畸形文件和超 2GB 实时内存。
- 03cpp-httplib 案例用机器码推理析构函数递归是否耗尽系统栈；Linux 内核 zlib 模块涉及 x86 汇编与 RFC 1950 规范的形式化定义与单步执行验证。
- 04Rust 实现 Python 解释器用 Verus 验证，并用 170 多万个随机生成 Python 程序做行为对照，与 CPython 规范一致度达 99.95%。
- 05作者给出分层测试流水线：规范层用形式化规格，底层实现用形式化证明，组件边界用单元/属性测试，真实环境用模糊/压力测试，产品行为用集成/人工验收。
反方 / 局限
- — 证明只对明确的模型、前置条件和属性负责：大于 64MB 的输入、调用者违规参数、未建模硬件异常和死代码都可能绕过结论。
- — 证明可复用不代表换编译器、硬件或配置后自动成立；版本、编译选项和平台差异会破坏复用前提。
- — 「检查器亮绿灯」不等于规格本身正确，数学验证不负责证明规格是否符合真实业务意图。
概念锚点
前置背景
平行视角
争议局限
未来推演
延伸追问