Shopify CEO亲手提交93个commit优化Liquid模板引擎：用AI跑了120轮自动化实验，解析+渲染快53%，对象分配减少61%

据 1M AI News 监测，Shopify CEO Tobi Lütke 以个人 GitHub 账号向 Liquid 提交了一个包含 93 个 commit 的 PR，在真实 Shopify 主题模板基准测试上实现了解析+渲染速度提升 53%、对象分配减少 61%，全部 974 个单元测试零回归。Liquid 是 Lütke 于 2006 年为 Shopify 投入生产使用的开源模板引擎，目前为约 560 万家活跃商店提供渲染支持。

该 PR 的开发方法基于 pi-autoresearch（一款受 Andrej Karpathy 的 autoresearch 项目启发、为 Pi 编程 Agent 开发的自动化实验插件）：编辑 → 提交 → 跑测试 → 跑基准 → 保留或丢弃，共迭代约 120 轮自动化实验，仅保留通过测试且提升性能的变更。其核心策略是「分配驱动」，由于 GC（垃圾回收）消耗了 74% 的总 CPU 时间，每减少一次对象分配都会对实际运行时间产生放大效果。PR 中还详细记录了 6 项「没有生效」的优化尝试，包括基于 String#split 的分词器（快 2.5 倍但无法处理 Liquid 的标签嵌套边界情况）和 TruthyCondition 子类（YJIT 在调用点的多态性损耗超过了节省的 115 次分配）。

具体优化分三层：解析阶段（快 61%，少 3.8 万次分配），引入了新的 Cursor 类替代散布在各处的手工字节扫描、用 String#byteindex 替代 StringScanner 做分词（快 40%）、为 100% 的变量构建了零 Lexer 的快速解析路径；渲染阶段（快 20%，少 3000 次分配），为基本类型跳过 to_liquid 调用、预计算 0-999 的冻结字符串避免 Integer#to_s 分配、消除 90% 过滤器调用中的 *args 数组分配。分支名 autoresearch/liquid-perf-2026-03-11 表明这项工作完成于 3 月 11 日。