Подведены итоги эксперимента с использованием ИИ для исправления и модернизации кодовой базы DNS-сервера BIND 9

Директор по инжинирингу DNS в организации ISC ^[1] Ондржей Cури (создатель проекта CZ.NIC Labs ^[2], развивающий DNS‑сервер Knot), подвёл итоги ^[3] экспериментов по использованию больших языковых моделей для анализа, исправления и модернизации кодовой базы DNS‑сервера BIND 9. Исследование Cури проводилось в рамках создания прототипов новых проектов и подготовки материалов для обучения ^[4] студентов.

По информации ^[5] OpenNET, впечатления ^[6] Сури от использования ИИ свелись к тому, что большие языковые модели хорошо подходят для быстрого создания прототипов, понимания незнакомого кода и автоматизации простых рутинных задач. Оказалось, что при использовании ИИ для решения больших задач возникла проблема с экономией времени. От разработчика потребовалось много времени на постановку задачи, изучение и проверку результатов, а также последующую доработку кода для его полноценной работы как предполагалось.

В первом эксперименте ИИ‑ассистенту Claude Code Cури поставил задачу обнаружения проблем в кодовой базе DNS‑сервера BIND 9, фокусируясь на проблемах с безопасностью и модернизации кода. Ни одно из предложенных исправлений от ИИ не было принято в кодовую базу, так как Claude сгенерировал технически корректный, но практически бесполезный код. Например, в качестве проблем отмечались зарезервированные идентификаторы и потенциальные целочисленные переполнения, предотвращаемые компилятором и не требующие правки. Этот эксперимент Cури признал бесполезной тратой времени.

Во втором эксперименте Сури запросил у Claude написать систему телеметрии, интегрируемую с разными пакетами и минимизирующую утечки метаданных. ИИ Claude Code подготовил прототипы клиента и сервера, но без должного понимания окружения и возникающих в процессе тестирования проблем. Дополнительно для проверки были задействованы Google Gemini и ChatGPT. В итоге каждая ИИ‑модель находила ошибки ^[7] в результате работы других моделей.

Для быстрого создания прототипа этот метод оказался пригоден. Cури отметил, что при работе он чувствовал себя секретарём робота‑повелителя. Вначале быстрое получение прототипа внушало оптимизм, но в конце возникло ощущение, что весь процесс разработки с помощью ИИ занял больше времени, чем при написании кода вручную с нуля. По словам Cури, много времени было потрачено на разбор решения, предложенного ИИ, проверку наличия бессмысленных изменений и переработку кода. Прототип пришлось переделать, так как качество кода после ИИ оказалось посредственным и код включал большое число повторяющихся конструкций.

Третьим экспериментом Cури стала генерации балансировщика нагрузки на языке Rust с использованием crate‑пакетов Domain и Tokio. ИИ-помощник Claude Code сумел сгенерировать запрошенный рабочий прототип. Cури пояснил, что не настолько хорошо знает Rust и задействованные библиотеки, чтобы оценить качество проделанной работы от ИИ.

Четвёртый эксперимент Cури являлся подготовкой в Google Gemini вспомогательных материалов, тестов и вопросов к курсу лекций, который разработчик преподаёт в университете. Вот этот эксперимент Cури признал наиболее успешным, хотя не обошлось без проблем. ИИ в ходе генерации данных выдумал несуществующее чешское слово для термина по криптографии. Также отмечено обилие присылаемых ему студенческих работ, сгенерированных большими языковыми моделями, которые приходятся возвращать на переделку из‑за несоответствия работы университетскому уровню и ссылок на некорректные источники.

Ранее инженер Cloudflare сообщил ^[8], что реализовал ^[9] 94% API Next.js, управляя миграцией с помощью ИИ Claude от Anthropic и потратив на это около недели и $1100 на токены. Целью эксперимента было не только продемонстрировать возможности ИИ-программирования, но и решить проблему с Next.js, популярным фреймворком на основе React, спонсируемым Vercel.

По словам директора по инженерии Cloudflare Стива Фолкнера, сейчас инфраструктура и инструменты Next.js «привязаны» к Vercel: для других платформ приходится преобразовывать выходной билд в формат, пригодный для Cloudflare, Netlify или AWS Lambda. При этом Vercel уже работает над адаптерами развёртывания, но, по мнению Фолкнера, этого пока недостаточно, потому что сама сборка и разработка завязаны на Turbopack и специфичные runtime‑особенности Vercel. В итоге в процессе разработки трудно использовать платформенно‑специфичные API вроде Cloudflare KV без костылей.

В начале марта 2026 года разработчик Дэн Бланшар, создатель Python‑библиотеки chardet ^[10] для определения кодировки символов, представил ^[11] обновлённую версию библиотеки под лицензией MIT вместо ранее применявшейся лицензии LGPL. Бланшар пояснил ^[12], что ИИ‑ассистент Claude от Anthropic, который теперь числится в списке контрибуторов, помог переписать библиотеку без использования оригинального кода. Это позволило разработчики проекта заменить копилефт лицензию на пермиссивную.