刚刚，不碰核心代码、把7-Zip压缩速度提高97%：一个“外行”与 AI 的极致优化实验

近日，AI 孵化器语生科学内部完成了一项 7-Zip 优化实践。

一名无编程背景的员工，仅凭一个关于压缩效率的改进设想，在 AI 辅助下完成了对开源压缩软件 7-Zip 的系统级性能调优。

该优化版本已在 Windows 和 macOS 双平台通过真实业务文件测试，并已正式开源。

核心数据一览 这次优化带来的压缩速度提升最高达到 97.0%（具体发生在 macOS 平台的多文件归档场景）；文件体积最大可缩减 40.7%（针对日志类数据）。

所有压缩结果的完整性验证通过率为 100%，且解码端无需任何改动，官方 7‑Zip 可直接解压。

优化思路：不碰核心，只改“路由” 7-Zip 的 LZMA2 算法压缩比极高，但缺陷在于对所有文件类型采用统一策略，无论文本、JSON 还是已压缩的多媒体，均消耗同等算力进行字典搜索，造成大量无效计算。

该员工与 AI 协作，梳理出一套“内容感知路由器”方案，核心包含三个动作： 第一，多级探测机制 • 文件头快速识别：如 JPEG 仅需读取前 2 字节 FFD8，开销可忽略； • 抽样试压：对 ≥4MB 的文件，抽取首部 1MB 进行 LZMA2 快速试压，评估压缩比； • 多点采样：对疑似已压缩多媒体文件（头部压缩比异常），补采中点和尾部各 1MB，执行 2-of-3 投票。

🔗 原始来源

如果你要核对细节，可以再看原文： InfoQ AI原文链接