本文来自微信公众号： InfoQ ，作者：Tina，原文标题：《Linux内核也能造了？Codex 11天写出13.9万行新内核，Rocky Linux 10跑起来了》


“就算给模型无限token，它也做不出操作系统级别的东西。”这话在过去几年里，几乎是技术圈对AI能力上限的共识。


但现在Gregory Kurtzer用自己的方式回答了这个疑问。这个名字对Linux圈的人来说不陌生：他是CentOS的创始人之一，也是在Red Hat决定终止CentOS Linux之后，一手推出Rocky Linux的那个人。


2026年10月27日，Kurtzer在X上宣布：11天内，他用“人类主导的智能体工程”（Human-Directed Agentic Engineering，HDAE），编写了约13.9万行代码，造出了一款全新的Linux兼容内核，能启动Rocky Linux 10并运行systemd。



这个项目名为Ginux，是一款独立开发、以Rust为主的x86-64内核。换句话说，它并非从Linux内核分叉而来。


Ginux拥有自己的内存管理、调度器、进程模型、文件系统、网络和设备支持，全部从头编写。


最有意思的是，Ginux虽然不是Linux，却兼容Linux。它实现了Linux ABI，也就是已编译程序用来与内核通信的二进制接口，因此现有Linux二进制程序可以不做修改，直接在Ginux上运行。


1 C编译器给了他底气，内核给了他一个问号


Kurtzer的这个项目背后有一个参照对象：Anthropic的Nicholas Carlini曾经用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，其中包括Linux内核构建过程的大部分内容。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面对的任务更难验收：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运行。Linux程序能不能跑、systemd能不能启动，是检验系统是否能真正工作的关卡。


Kurtzer在技术报告里把研究目标拆成了三问：在能力上，HDAE能不能产出一个独立内核，让它启动并运行部分未经修改的Linux发行版工作负载？在方法上，要让这项工作持续推进，需要哪些文档、引导方式、可执行关卡和反馈循环？在结果质量上，最终系统的兼容性和性能如何？这些结论适用于什么范围？


他想知道：当领域专家把架构、约束、里程碑和验收标准定清楚后，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经验。这些经历影响了Ginux的启动流程和验收标准。


2一个智能体，11天，13.9万行，关键是“领域专家”引导


这次实现几乎所有工作都在一个持续运行的Codex任务中完成，使用的是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。”


人的角色在HDAE的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内部智能体循环，无需依赖人工观察：实现→构建并在QEMU中运行→测量并分析故障→修订→回归测试。


也就是说，Kurtzer负责提供目标、架构、Linux兼容性目标、操作模型、故障解读和停止决定。Codex则缩短了从技术决策到可运行代码的距离。


而Kurtzer的领域知识则提供了愿景、优先级和成功标准。他表示，“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。”


之所以选择systemd作为验收关卡，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，它在容器中启动时也很挑环境，所以Ginux先实现了“域”，再处理容器。


在X上，还有人问他为什么选Codex。Kurtzer说，它比较少把token浪费在支线上。但即便如此，他还是得经常把它拉回正轨。有些大块代码他不满意，却刻意要求自己不要亲手改——“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。”对方追问，实际是怎么把它拉回正轨的，是列一份禁止事项清单，还是盯着输出、跑偏就拽回来？Kurtzer的回答很简单：关卡设得多。



这也正是他所强调的：“没有引导的‘氛围编程’不适合这个项目。”


“许多故障会产生看起来很可信的输出，却违反Linux语义、隔离要求或生命周期行为……最终得到那种表面能运行、结构却很薄弱，常被称作‘AI垃圾’的代码。”


“AI也能让经验较少的工程师更快参与有边界的实际工作，例如探索不熟悉的代码、生成测试、比较接口和实现经过审查的改动。但在选择抽象、识别结果是否完整，以及判断局部成功是否会造成系统级风险时，经验仍然至关重要。”


一个智能体加上一位有足够经验的人类专家，比一堆没人管的智能体走得更远。



11天里，项目留下约13.9万行保留代码，累计1,037次提交，包含261个跟踪文件、63个Rust源文件。


最终，Ginux可构建为一个GINUX.EFI镜像，通过UEFI直接启动，无需依赖Linux宿主内核。


它可以运行彼此隔离的“域”（domain），每个域都有自己的进程、地址空间、文件系统和生命周期。项目称，这种隔离边界比OCI容器或Linux命名空间更强。


Ginux还能拉取并校验OCI容器镜像，用镜像组装域的根文件系统。借助这一能力，它可以启动Rocky Linux 10，并运行至systemd的multi-user.target。部分Alpine Linux程序也能运行，例如musl和BusyBox。


性能方面，项目做了一份和Rocky Linux的对比测试。条件是在Apple Silicon Mac上用虚拟机模拟，只给1个CPU核心、2 GiB内存，两边跑同一个测试程序。启动上，Ginux把Rocky Linux 10带到能登录的状态用了12.9秒，Linux内核用了42.6秒。前者快约3.3倍。不过Ginux启动时不用再加载内核，文件系统也是现成缓存的，这个数字只能作为参考。真正能对比的是跑分，三秒sysbench测试、每个系统测九次取中位数，结果如下：



Ginux在这三项测试上已经跟Linux很接近了——CPU和线程略高，内存略低，差距都在个位数到十几个百分点之间。


本次实验的API调用费约为8000美元，代码采用Apache 2.0许可证并托管在GitHub上。


3写在最后：代码不是护城河


Ginux发布后，Kurtzer在技术报告里写了一句话：“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。”


做一个小型可运行内核，本身不难；维护一个生产级内核，是另一回事——要支持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，还要有可靠的发布节奏。真正难的是工作流、兼容性、维护和社区。


AI生成软件带来的竞争压力可能最先落在中间件和编排层，因为在这些层级换软件，不用连整套硬件和系统生态一起搬。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、社区能不能延续、有没有商业支持。


他强调，“缺少生态，创新本身价值有限。”


Linux就是最清楚的例子。它的价值远超启动一个shell所需的那点源代码——它为不同处理器、设备、文件系统、虚拟机、发行版、厂商和应用提供稳定预期。Ginux还没有可比的硬件矩阵、标准组织或社区，没法承诺今天跑的程序明天还能跑。AI可以造出技术组件；但要让这些组件被真正采用，还得有多个独立组织共同支持同一套契约。


Kurtzer在这个13页的技术报告最后写道：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/