Se presenta el proyecto rars, que desarrolla una implementaci\u00f3n libre de herramientas para el formato RAR, escrita en el lenguaje Rust y que soporta no solo la descompresi\u00f3n, sino tambi\u00e9n la creaci\u00f3n de archivos RAR. La herramienta admite formatos RAR 1.3\/1.4 con la firma \u00abRE~^\u00bb, as\u00ed como la \u00faltima versi\u00f3n RAR 7. Se ofrecen operaciones avanzadas, como divisi\u00f3n en vol\u00famenes, protecci\u00f3n con contrase\u00f1a, cifrado de encabezados, adjuntos de comentarios, filtros RARVM, \u00edndices para una apertura r\u00e1pida y mecanismos de recuperaci\u00f3n de datos da\u00f1ados. El c\u00f3digo se distribuye bajo las licencias MIT y Apache-2.0. Se han preparado envolturas para el lenguaje Python, basadas en la biblioteca PyO3, que implementan una API al estilo de rarfile para la visualizaci\u00f3n, prueba y extracci\u00f3n de archivos, as\u00ed como una API al estilo de RarBuilder para la creaci\u00f3n o reempaquetado de archivos.<\/p>\n
Una caracter\u00edstica del proyecto es que implementa el manejo del formato RAR sin utilizar el c\u00f3digo de la utilidad unrar, que se distribuye bajo una licencia no libre, la cual proh\u00edbe el uso del c\u00f3digo unrar para recrear el algoritmo de compresi\u00f3n RAR o desarrollar un compresor compatible con RAR. Debido a esta restricci\u00f3n, la mayor\u00eda de los compresores libres se limitaron a las funciones de extracci\u00f3n de archivos RAR, y para crear archivos RAR era necesario utilizar herramientas propietarias de RARLAB.<\/p>\n
Se ha creado un repositorio separado llamado rar-research, en el cual se publican especificaciones para los formatos RAR 1.3\/1.4, RAR 1.5-4.x y RAR 5.0\/7.0, as\u00ed como notas sobre los algoritmos utilizados, filtros, m\u00e9todos de verificaci\u00f3n y recuperaci\u00f3n de integridad, cifrado, divisi\u00f3n en vol\u00famenes y mecanismos de protecci\u00f3n. Dado que en el momento de la creaci\u00f3n del proyecto rars no exist\u00eda una especificaci\u00f3n oficial completa, la documentaci\u00f3n se recre\u00f3 a partir del c\u00f3digo de los extractores, implementaciones antiguas, archivos de prueba y an\u00e1lisis de versiones binarias de RAR para DOS y Windows.<\/p>\n
La implementaci\u00f3n fue creada utilizando herramientas de IA OpenAI Codex 5.5 y Claude Opus 4.7 en tiempo libre aproximadamente en cinco semanas. En la primera etapa, se aplicaron los modelos para sistematizar la informaci\u00f3n sobre el formato y llenar los vac\u00edos en la descripci\u00f3n, despu\u00e9s de lo cual se gener\u00f3 c\u00f3digo en Rust seg\u00fan la especificaci\u00f3n restaurada. Para aclarar la especificaci\u00f3n y perfeccionar la implementaci\u00f3n, se utiliz\u00f3 la verificaci\u00f3n sobre archivos reales y la comparaci\u00f3n con implementaciones de referencia.<\/p>\n
Se se\u00f1ala que las herramientas de IA lograron bien traducir la descripci\u00f3n formal en c\u00f3digo y llevar a cabo una implementaci\u00f3n rutinaria de un gran volumen de funcionalidad, pero no pudieron proporcionar control arquitect\u00f3nico. Sin una supervisi\u00f3n estricta, los modelos de IA tend\u00edan a eludir pruebas, complicar el c\u00f3digo y pasar por alto problemas evidentes que afectaban la usabilidad. Seg\u00fan la evaluaci\u00f3n del autor, en un proyecto de tal magnitud, las pruebas, documentaci\u00f3n y comentarios se convirtieron no solo en herramientas de verificaci\u00f3n, sino tambi\u00e9n en una forma de guiar la generaci\u00f3n de c\u00f3digo en la direcci\u00f3n correcta.<\/p>\n
El desarrollo se aceler\u00f3 despu\u00e9s de que apareci\u00f3 el modo \u00ab\/goal\u00bb en OpenAI Codex, permitiendo al agente AI trabajar durante mucho tiempo en una sola tarea, resumiendo el contexto y continuando su ejecuci\u00f3n tras el desbordamiento. En este modo, Codex trabaj\u00f3 varias veces m\u00e1s de 6 horas y una vez alrededor de 16 horas, implementando una parte considerable de la funcionalidad restante, como recuperaci\u00f3n de datos, cifrado y archivos en varios vol\u00famenes. Con una considerable subvenci\u00f3n para tokens, se gastaron 40 libras esterlinas.<\/p>\n
En t\u00e9rminos de compresi\u00f3n, rars en promedio se queda de 5-10% por detr\u00e1s de WinRAR. En velocidad de compresi\u00f3n y descompresi\u00f3n, rars es considerablemente m\u00e1s lento que WinRAR debido a la falta de optimizaciones completas. Sin embargo, el proyecto ya cuenta con el modo \u00ab--features fast\u00bb, que aplica optimizaciones basadas en instrucciones SIMD para acelerar la compresi\u00f3n y descompresi\u00f3n, pero ligado a la API experimental std::simd, disponible solo en las compilaciones de prueba de las herramientas de Rust. Tambi\u00e9n se ha implementado el modo \u00ab--features parallel\u00bb, que utiliza la biblioteca Rayon para paralelizar la compresi\u00f3n de archivos individuales.<\/p>\n