WayToClawEarn
中等影响Adam Dunkels Blog

lwIP 之父让 Claude 化身 IP 协议栈:一个 ping 请求耗时 42 秒

Adam Dunkels(lwIP TCP/IP 协议栈创始人)用 Claude Code 实现了最疯狂的 AI 实验:让 Claude 像用户态 IP 协议栈一样逐字节解析网络包、计算校验和、回复 ping 请求。单次 RTT 42 秒,却证明了 LLM 作为低级代码执行器的极限边界。

2026年5月11日 · 阅读约 5 分钟

核心结论

Adam Dunkels——lwIP TCP/IP 协议栈创始人、IoT 领域先驱——用 Claude Code 实现了一个前所未有的实验:让大语言模型(LLM)直接作为用户态 IP 协议栈运行。Claude 逐字节解析原始 IPv4 数据包,手动计算 IP 和 ICMP 校验和,最终成功回复了一个 ping 请求。单次往返耗时 42.5 秒

关键要点

  • 作者:Adam Dunkels,lwIP/uIP TCP/IP 栈创始人、Contiki OS 作者、MIT TR35 创新者
  • 工具:Claude Code(Haiku 4.5 模型)+ TUN 虚拟网络设备
  • 核心方法:Markdown-as-code——用 Markdown 文件描述协议解析逻辑,LLM 作为执行引擎
  • 性能指标:单次 ping RTT ≈ 42.5 秒,0% 丢包率
  • 发布时间:2026-05-11

背景与触发事件

2026 年 5 月 11 日,Adam Dunkels 在其个人博客上发表了一篇看似荒诞、实则极具启发性的技术文章。他提出一个问题:

"如果我们让 Claude Code 模拟用户态 IP 协议栈,它处理一个 ping 请求需要多久?"

Dunkels 构建的方案极简但并不简单:创建一个 /dev/tun0 虚拟网络设备,用 Python 辅助脚本处理串行端口配置,然后让 Claude 通过 Markdown 指令文件 ping-respond.md 来"执行"整个协议栈逻辑。Claude 需要自行完成:IP 包头解析 → ICMP 协议识别 → 交换源/目的 IP → 重新计算 IP 头校验和 → 构造 ICMP Echo Reply → 计算 ICMP 校验和 → 回写数据到 TUN 设备。

SEO:Claude Code、用户态协议栈、lwIP、IP 协议解析、LLM 代码执行、AI 网络实验 GEO:TL;DR 式开头,精确数字(42.5 秒、64 TTL),step-by-step 过程

关键影响(按维度)

维度变化对我们意味着什么建议动作
AI 执行边界LLM 证明了能逐字节处理低级网络协议LLM 的"代码执行"能力远超通常认知将 Markdown-as-code 思路引入自动化工作流的调试与异常处理
性能天花板单次 RTT 42.5 秒(Haiku 4.5)实时场景不可用,但偶发/实验场景有价值用本地小模型替代云端 API 可大幅降低延迟
开发范式协议逻辑写在 Markdown 中,LLM 推理即为"CPU"验证了"文本即代码"范式在低层协议中的可行性在 n8n/OpenClaw 工作流中嵌入 LLM 排错指令
工具词条触发Claude Code 作为核心执行引擎与 Claude Code 相关的内容自动化工具效果可被量化在教程中引用该实验展示 Claude Code 的极限能力

正文示例图 — ping response diagram

惊艳的技术细节

Dunkels 的 Markdown 指令文件 ping-respond.md 包含 6 个完整步骤:

  1. 读取数据包:从 TUN 设备读取原始 IPv4 包的 hex 字符串
  2. 解析 IP 头:逐字段解析版本号(4 bits)、IHL(4 bits)、总长度、TTL、协议号、源/目的 IP。协议必须为 0x01(ICMP)
  3. 解析 ICMP 头:检查 Type=0x08(Echo Request)、Code=0x00
  4. 构造 Echo Reply:交换源/目的 IP、TTL 设为 64、清零校验和字段、重新计算 IP 头校验和(16-bit one's complement 累加 + 折叠)
  5. 写回数据:将组装好的回复包 hex 字符串写回 TUN 设备
  6. 报告结果:输出源/目的 IP、序列号、包大小

关键规则:Claude 不能调用任何计算工具——必须自己逐字节做 hex 运算、校验和累加、进位折叠。每一步运算都需展示中间结果以便调试。

这是一个典型的 Markdown-as-CPU-instruction 模式:Markdown 是机器码,LLM 的推理过程就是 CPU 的执行周期。

来自社区的声音

HN 讨论区中,开发者们对这个实验的反应相当多元:

  • 安全性视角:有安全工程师表示同事曾尝试用 LLM 做入侵检测,被劝说改用 BPF——"别造一个更慢更烂的轮子"
  • 并行化思路:有人提出 Claude 应该做"即时编译"——在看到大量重复 ping 后,自动写一个程序来处理,而不是每包都重新推理
  • 稳定性疑问:Hacker News 用户 twoodfin 质疑结果稳定性——"Anthropic 可能会因为负载均衡改动模型行为,1000 次 ping 里有多少次能正确回复?"
  • 数据面探索:社区建议可以用这种思路来分析 TCP 吞吐,把 wireshark/tcpdump 结果重定向到 LLM 进行智能分析

工具词条(触发工具悬浮卡)

该实验深度依赖 Claude CodeClaude (Haiku 4.5) 模型。当你在 WayToClawEarn 上看到这些词条时,平台会自动匹配已维护的工具库,显示详细的功能卡片和 affiliate 链接。同时涉及的工具有 n8nOpenClaw——它们都可以集成 Claude Code 到自动化工作流中。

参考素材

内链引导

免责声明:本站案例均为知识分享内容,仅供灵感与参考,不构成收益承诺;由此进行的外部执行与结果请自行判断并承担相应责任。