我们将 Rust WASM 解析器重写为 TypeScript，性能反而提升了
在 AI 驱动的开发工具领域，性能优化常被视为技术选型的核心考量。最近，一个名为 openui-lang 的项目团队分享了他们的经验：他们原本使用 Rust 编写解析器并编译为 WebAssembly（WASM），旨在利用 Rust 的高性能和 WASM 的浏览器近原生速度，但最终却通过重写为 TypeScript 实现了更快的解析速度。这一案例揭示了在特定场景下，技术栈选择可能并非性能瓶颈的关键，而是跨语言边界开销的隐性成本。
项目背景与解析流程
openui-lang 是一个将大型语言模型（LLM）生成的自定义领域特定语言（DSL）转换为 React 组件树的解析器。它在每次流式传输块中运行，因此延迟至关重要。解析管道包含六个阶段：
- 自动闭合器：通过添加最小闭合括号或引号，使部分（中流）文本语法有效。
- 词法分析器：单遍字符扫描器，输出类型化令牌。
- 分割器：将令牌流切割为
id = expression语句。 - 解析器：递归下降表达式解析器，构建抽象语法树（AST）。
- 解析器：内联所有变量引用（支持提升和循环引用检测）。
- 映射器：将内部 AST 转换为 React 渲染器使用的公共 OutputNode 格式。
WASM 边界开销：性能瓶颈的根源
团队最初选择 Rust 和 WASM，是基于 Rust 的高效性和 WASM 在浏览器中的速度优势。然而，他们很快发现，Rust 解析代码本身并非慢的部分，真正的开销在于 WASM 边界。每次调用 WASM 解析器时，无论 Rust 代码运行多快，都必须支付固定开销：将字符串复制到 WASM 内存，将结果序列化为 JSON 字符串，复制 JSON 字符串回 JavaScript 堆，然后 V8 引擎将其反序列化为 JS 对象。这一过程涉及多次内存复制和跨运行时转换，累积起来成为性能瓶颈。
尝试优化：跳过 JSON 往返的失败
为了减少开销，团队尝试使用 serde-wasm-bindgen 库，直接从 Rust 结构返回 JS 对象，跳过 JSON 序列化步骤。理论上，这应能减少操作次数。但实际测试显示，这种方法反而慢了 30%。原因在于，JavaScript 无法直接从 WASM 线性内存中读取 Rust 结构作为原生 JS 对象，因为两个运行时使用完全不同的内存布局。serde-wasm-bindgen 需要递归地将 Rust 数据转换为真实的 JS 数组和对象，这导致每次 parse() 调用都涉及许多细粒度的跨边界转换。相比之下，JSON 方法中，serde_json::to_string() 在纯 Rust 中运行，无边界交叉，产生单个字符串，一次内存复制后，由 V8 的原生 C++ JSON.parse 在单个优化通道中处理。更少、更大、更优化的操作胜过了许多小操作。
性能基准测试数据
团队进行了基准测试，比较 JSON 字符串往返与直接 JsValue 方法的性能（基于 1000 次运行，微秒每调用）：
- 简单表格：JSON 往返 20.5 µs，serde-wasm-bindgen 22.5 µs，慢了 9%。
- 联系表单：JSON 往返 61.4 µs，serde-wasm-bindgen 79.4 µs，慢了 29%。
这些数据证实了边界开销的显著影响，促使团队重新评估技术栈。
重写为 TypeScript：性能提升的实现
基于上述发现，团队决定将解析器重写为 TypeScript。这一决策并非否定 Rust 或 WASM 的通用优势，而是针对特定场景的优化。在 TypeScript 实现中，解析过程完全在 JavaScript 运行时内进行，消除了 WASM 边界开销。结果，解析速度得到提升，尤其是在流式处理场景下，延迟显著降低。这突显了在 AI 工具链中，技术选型需结合实际工作负载：对于高频率、小数据量的解析任务，减少跨语言通信可能比原始计算速度更重要。
对 AI 行业的意义
这一案例为 AI 开发工具的性能优化提供了重要启示：
- 边界开销不容忽视：在集成不同技术栈时，跨语言或运行时边界的数据传输成本可能成为性能瓶颈，尤其是在实时或流式应用中。
- 场景驱动技术选型：Rust 和 WASM 在计算密集型任务中表现出色，但对于解析器等 I/O 密集型操作，本地 JavaScript/TypeScript 实现可能更高效，因为它避免了序列化和反序列化开销。
- 优化策略的优先级：团队最初“优化了错误的东西”，专注于 Rust 代码的速度，而忽略了整体系统开销。这提醒开发者，性能分析应涵盖整个管道，从数据输入到输出。
总之，openui-lang 的经验表明，在 AI 工具开发中，盲目追求高性能语言未必带来最佳结果；通过减少边界开销，TypeScript 等本地技术也能在特定场景下胜出。这鼓励开发者更细致地评估工作负载，以实现真正的性能提升。
