Ferramentas IA✦ Gerado por IA

GitHub reescreve motor do Copilot em Rust com apoio de IA

O GitHub utilizou inteligência artificial para migrar mais de 800 mil linhas de código do motor do Copilot de TypeScript para Rust. A mudança reduziu o tempo de resposta de 5,25 segundos para 292 milissegundos e cortou o uso de memória por cliente.

Edição de ·InfoQ AI·4 min de leitura·
CompartilharWhatsAppXLinkedInFacebook
💡

Principal Aprendizado

O GitHub usou IA para reescrever 800 mil linhas de código em Rust, reduzindo o tempo de resposta do Copilot de 5,25 segundos para 292 milissegundos.

O GitHub concluiu uma das reescritas de código mais ambiciosas já documentadas no setor de tecnologia. A empresa migrou todo o ambiente de execução que alimenta o GitHub Copilot CLI, o aplicativo do Copilot e o Kit de Desenvolvimento de Software (SDK) da linguagem TypeScript e do ambiente Node.js para Rust. O processo envolveu a substituição de mais de 800 mil linhas de código de produção e foi realizado com o suporte direto de agentes de inteligência artificial.

Segundo informações divulgadas pelo site InfoQ, a transição durou cerca de 14,5 semanas e foi entregue por meio de 128 solicitações de alteração de código (pull requests). O aspecto mais impressionante dessa mudança está nos ganhos de desempenho. Em cenários medidos de inicialização do cliente, criação de sessão e execução de uma única instrução, o tempo necessário despencou de 5,25 segundos no sistema antigo para apenas 292 milissegundos com o novo motor em Rust embutido diretamente no processo.

Uma nova arquitetura focada em eficiência e integração

A migração transformou profundamente a forma como os aplicativos interagem com a inteligência artificial do Copilot. Na implementação anterior baseada em TypeScript, o sistema exigia o ambiente Node.js e o motor V8 para funcionar. Essa estrutura comunicava-se com os aplicativos hospedeiros através de limites de processo, o que adicionava um consumo de memória de aproximadamente 100 MB por cliente.

Com a reescrita para Rust, o novo ambiente pode ser embutido diretamente nas aplicações hospedeiras por meio de uma interface binária de aplicação em C (C ABI). Para os casos em que é necessário, o modo de operação fora de processo continua disponível. Atualmente, o SDK do Copilot oferece suporte para diversas linguagens de programação, incluindo TypeScript, Python, Go, .NET, Java e o próprio Rust.

Para realizar essa substituição massiva sem interromper o serviço, a equipe do GitHub adotou uma estratégia de substituição incremental, descartando a ideia de fazer uma reescrita paralela seguida de uma troca única. Componentes individuais em TypeScript foram sendo substituídos por versões em Rust de forma gradual. Uma camada temporária de interoperabilidade mantinha as duas partes conectadas, permitindo que os testes existentes validassem o novo código enquanto outros módulos continuavam na linguagem antiga.

O papel da inteligência artificial e a validação humana

A inteligência artificial desempenhou um papel central na geração de código. Agentes automatizados criaram a maior parte da implementação em Rust, mas o processo exigiu um rigoroso acompanhamento técnico. O GitHub registrou 4.478 execuções diretas do comando de verificação do compilador do Rust (cargo check), sendo que 87,1% delas foram concluídas sem erros. Até a remoção da camada de compatibilidade, o sistema atingiu 2.019 exportações internas e 3.356 pontos de chamada em TypeScript.

Ao final da migração, em 21 de agosto, o projeto contava com 832.378 linhas de código de produção em Rust e 468.689 linhas voltadas para testes unitários. Durante todo o processo de 14,5 semanas, a equipe manteve o fluxo contínuo de entregas, lançando 135 versões do sistema, sendo 35 edições estáveis e 100 pré-lançamentos.

A combinação entre compilação, testes automatizados e revisão humana foi fundamental para identificar falhas técnicas que a inteligência artificial não consegue resolver sozinha. Os revisores humanos focaram na detecção de regressões de comportamento, gerenciamento de estado e tempo de vida de variáveis, semântica de bibliotecas e otimizações perdidas durante a conversão.

A comunidade de desenvolvimento analisou os desafios dessa abordagem. Francesco Pira, líder de tecnologia em realidade estendida na Leonardo, destacou que o sucesso do método esteve calcado em pequenos testes revisáveis, camadas de compatibilidade e julgamento de engenharia humana. Já Côme Redon, engenheiro sênior de soluções na Microsoft, apontou a grande dificuldade de identificar contratos comportamentais não documentados em sistemas legados. Da mesma forma, membros da comunidade observaram que o ponto crítico foi garantir a estabilidade do comportamento nos limites do sistema, exigindo validações em cenários complexos como cancelamentos, tentativas de execução e controle de fluxo.

O que isso muda para você

Essa migração do GitHub demonstra claramente que o desenvolvimento assistido por inteligência artificial atingiu um novo patamar de maturidade. Para os profissionais de tecnologia no Brasil, fica evidente que as ferramentas de IA deixaram de ser meros assistentes de digitação para se tornarem motores capazes de executar reestruturações arquiteturais complexas em sistemas críticos de grande escala.

No entanto, o caso deixa uma lição prática muito valiosa: a inteligência artificial não substitui a engenharia de software rigorosa. O sucesso dessa operação dependeu diretamente de uma arquitetura de testes sólida, estratégias inteligentes de compatibilidade e, acima de tudo, da supervisão humana qualificada para validar a semântica do código e a gestão de recursos. A IA acelerou a escrita do código, mas os engenheiros garantiram a qualidade do produto.

Para o seu dia a dia profissional, o próximo passo concreto é começar a estudar como estruturar pipelines de validação e testes automatizados em seus projetos. Se você pretende utilizar inteligência artificial para refatorar ou modernizar sistemas na sua empresa, o foco deve estar na criação de contratos de interface claros e suites de teste abrangentes. É essa infraestrutura de segurança que permitirá aproveitar a velocidade da IA sem comprometer a estabilidade do seu sistema.

📰 Com base em reportagem de InfoQ AI. Texto produzido com apoio de inteligência artificial, com curadoria e edição de Robson Benfica Conceição, com análise própria do que a notícia muda para quem trabalha no Brasil. Veja como produzimos.

📬 Newsletter Gratuita

As principais notícias de IA do dia, curadas por Robson Conceição. Grátis, todo dia no seu e-mail.

Gostou do conteúdo?

Compartilhe com quem também quer entender IA no trabalho.

CompartilharWhatsAppXLinkedInFacebook

Leia também