7-Zip压缩速度提升97%且未动核心代码：一位“业余爱好者”与人工智能的极限优化实验

Yusheng Science，一家人工智能孵化器，与一位无编程背景的员工共同完成了对7-Zip的优化。其理念是通过使用“内容感知路由器”来提高压缩效率，该路由器根据文件类型动态选择编码策略，而不是对所有文件使用统一策略。该优化涉及多层检测机制（文件头识别、样本压缩测试以及对疑似压缩介质的多点采样）、十层路由策略和安全措施（样本比较、容忍阈值和分组隔离）。结果显示，在macOS上多文件存档的压缩速度提升了97.0%，散文文本提升了93.4%，Windows上典型提升超过80%，日志文件大小减少了40.4%，且完整性验证100%通过。然而，文本和日志文件的解压时间增加了2至3倍，且超过5GB的不可压缩超大文件可能因误判而导致压缩速度变慢。该优化为零侵入式：核心算法代码未作任何更改，仅更改了调度层，输出仍为标准.7z格式，可由官方7-Zip解码。优化版本已在GitHub上开源（https://github.com/sunmmer01/Optimization）。Yusheng Science表示，这一实践展示了一种新的协作模式，即AI增强人类洞察力，而非取代工程师。