AI 帮我写了一个 FreeBSD Wi-Fi 驱动：这才是 AI 编程的正确打开方式
昨天 Hacker News 上一篇文章火了——一个开发者用 AI 为自己的老款 MacBook 写了一个 FreeBSD Wi-Fi 驱动，拿到了 400 多个赞。这个故事之所以吸引我，不是因为「AI 又能干啥了」，而是它展示了一种非常务实的 AI 编程模式。
故事背景
作者 Vladimir Varankin 有一台 2016 年的 MacBook Pro，想装 FreeBSD 玩玩。问题是，这台机器用的 Broadcom BCM4350 Wi-Fi 芯片，FreeBSD 原生不支持。社区的常规方案是跑一个 Linux 虚拟机来管理 Wi-Fi——能用，但不优雅。
他的想法很简单：Linux 已经有现成的 brcmfmac 驱动（ISC 协议），FreeBSD 也有 LinuxKPI 兼容层来运行 Linux 内核驱动。理论上，只需要把一堆「胶水代码」从 Linux 移植到 FreeBSD 就行了。
听起来不复杂，但实际操作中涉及大量枯燥的 API 适配工作——正是 AI 最擅长的领域。
AI 干了什么，没干什么
这个故事最有价值的部分，不是 AI 「自动生成了一个驱动」，而是人和 AI 之间的分工模式：
AI 擅长的部分：
- 大量的 API 映射和适配代码（Linux → FreeBSD）
- 根据已有驱动模板生成框架代码
- 快速迭代修复编译错误
人必须做的部分：
- 理解整体架构和移植策略
- 判断哪些代码路径是关键的
- 调试运行时的硬件交互问题
- 做最终的质量把关
作者用了 Claude Code 来完成初始移植，让 AI 参考 FreeBSD 中已有的 iwlwifi 驱动（同样是从 Linux 移植过来的），按照类似的模式生成 brcmfmac 的 FreeBSD 版本。
这给我们什么启示
1. AI 编程的甜区是「已知模式的大规模应用」
写驱动移植代码，本质上是一个模式匹配问题：看 Linux 怎么做的，看 FreeBSD 的惯例是什么，然后逐个适配。这种工作人类做起来极其枯燥且容易出错，但对 AI 来说只是「参考 A，输出 B」。
2. 冷门领域反而更能体现 AI 的价值
FreeBSD 内核驱动开发是一个极其小众的领域，相关资料少、社区小、找人帮忙难。但正因为如此，AI 的辅助价值反而更大——它不需要这个领域有大量训练数据，只需要理解代码的结构和语义。
3. 最终产出的质量取决于使用者
同样的工具，一个不懂内核开发的人用 AI 生成的驱动代码大概率跑不起来。作者之所以能成功，是因为他有足够的背景知识来引导 AI 的方向和验证 AI 的输出。
AI 编程的务实主义
市面上关于 AI 编程的讨论，要么是「AI 马上替代程序员」的焦虑论，要么是「AI 写的代码都是垃圾」的否定论。这个 FreeBSD 驱动的案例提供了一个中间视角：
AI 是一个极其高效的代码搬运工。 它不会替代你思考架构，但它能把你脑子里的方案以 10 倍速度落地。前提是——你得真的知道自己在做什么。
这和我们日常开发中的体验完全一致。AI 在「把思路变成代码」这一步上效率惊人，但在「决定做什么」和「判断做得对不对」这两步上，依然需要人来把关。
越是底层、越是系统级的编程，这个分工模式越明显。因为底层代码的容错率极低——一个错误的内存操作就是 kernel panic，AI 目前还无法替代人类对系统行为的深层理解。
写在最后
如果你也在探索 AI 辅助编程的边界，建议找一个类似的「已知模式移植」项目练手。不一定是内核驱动这么硬核的东西，把一个库从一种语言移植到另一种、把一个 API 从 v1 适配到 v2，这类任务都是 AI 编程的甜区。
关键是理解一点：AI 编程不是让 AI 替你编程，而是你编程，AI 加速。
顺便一提，不同 AI 模型在代码生成上的风格和能力差异比你想象的大。想自己体验一下？OfoxAI（ofox.ai）聚合了 Claude、GPT、Gemini 等主流模型，一个账号就能对比不同模型的编程表现。