既然 AI 能写代码,为何还要用 Python?

现代 Python 技术栈。

为新项目选择编程语言曾经是一道简单的选择题。大家通常会选择 Python 或 TypeScript，因为它们拥有庞大的生态系统、深厚的人才储备，而且你能在周五之前做出一个令人惊艳的 Demo。

虽然 Rust、Go、C++ 等语言能提供 10 到 100 倍的性能，但代价也很高昂：长达半年的上手周期、更小的人才市场，以及处处与你作对的构建系统。因此，你通常会选择上线 Python 版本，将其卖给客户，并暗自发誓“以后再优化性能”。

当然，你很少真的去优化，不过没关系，因为别人也一样。但这种妥协已经结束了，原因是 AI 变得非常擅长处理那些“难学的语言”。

两年前，GPT-4 还会幻觉出一些不存在的 crate 名称，连一个简单的 Rust 函数都写不对。但到了 2026 年 4 月，Claude Opus 4.7、GPT-5.5、Gemini 3.1 和 DeepSeek V4 在短短几周内，纷纷在 SWE-bench Verified 测试中突破了 80% 的得分。

各大 AI 实验室正在公开针对系统性工作进行优化：在规划阶段就能识别并发 Bug、竞态条件和架构缺陷。上个月，CtrlAltDwayne 给出了最精辟的一句话解释：

“2026 年支持 Rust 的最佳理由不是内存安全，也不是性能，而是 AI 写出的 Rust 代码比 C++ 更好。编译器的反馈循环非常紧密，使得模型能够实时自我纠正。每一条错误信息都是免费的训练信号。Rust 在 10 年前被设计出来时，无意间为 AI 辅助开发做好了准备，尽管那时没人意识到这一点。”

同样的逻辑在不同程度上也适用于 Go 和 Swift。强大的类型系统加上快速的编译检查循环，为 AI Agent 提供了最紧凑的迭代周期。结果就是：对人类来说最难学的系统级语言，反而成了对 AI Agent 来说最简单的语言。

让我们看看仅在最近一个季度内都发生了些什么。

首先，微软用 Go 重写了 TypeScript 编译器。作为全球最大的 JS/TS 技术栈使用者，这个团队发布了 TypeScript 7.0 beta 版本，通过将拥有十年历史的 TypeScript 代码库移植到 Go，其速度比 6.0 版本提升了约 10 倍。Anders Hejlsberg 的理由是：Go 以极低的工程成本换来了绝大部分的性能提升。他们之所以选择一门更难但更快的语言来重构旗舰工具，是因为技术成本的计算公式已经改变了。

其次，Anthropic 的研究员 Nicholas Carlini 协调了 16 个并行的 Claude Agent，用 Rust 编写了一个可用于生产环境的 C 编译器。该项目包含 10 万行代码，能在 x86、ARM 和 RISC-V 架构上启动 Linux 6.9，成功编译了 QEMU、FFmpeg、SQLite、PostgreSQL 和 Redis，甚至能运行 Doom。

令人震惊的是，这一切总成本不到 2 万美元，历经近 2000 个 Claude Code 会话。用 Rust 写一个 C 编译器，以前足以作为一篇硕士毕业论文，而现在早已不是了。

另外，拥有 13 年 Rust 经验、合著了《The Rust Programming Language》的 Steve Klabnik，在两周内借助 Claude 构建了一门名为 Rue 的全新系统语言，包含约 7 万行 Rust 代码。他感叹道：

“这次我花两周时间取得的进展，比我上次花一两个月取得的进展还要大。”

还有，Ladybird 浏览器的创造者、资深 C++ 工程师 Andreas Kling，通过向 Claude Code 和 Codex 下达数百个小指令，仅用两周时间就将 Ladybird 的 JavaScript 引擎从 C++ 移植到了 Rust。这包含大约 2.5 万行 Rust 代码，与原始 C++ 版本达到了字节级的一致，并且在超过 6.5 万次 test262 和 Ladybird 组合测试中实现了零回归。

“如果靠纯手工完成同样的工作，可能需要好几个月的时间。”

需要注意的是，这些在 2024 年是完全不可能的，在 2025 年也勉强可行。但到了 2026 年初，它们正在变得司空见惯。

选择 Python 和 JavaScript 最强有力的理由，从来不是语言本身，而是其庞大的生态系统：FastAPI、Django、PyTorch、React、Next.js，以及 npm 上的 400 万个包。“我们的团队能在几天内交付功能，因为生态系统已经解决了 90% 的问题。”在过去 10 年里，这是决定性的优势。但在过去 2 年里，它正在被悄然侵蚀。

当你 import pydantic 时，其核心验证库其实是 Rust 编写的。用于替代 pandas 的 Polars 是 Rust 写的；Hugging Face 的 tokenizers 也是 Rust；orjson 同样是 Rust。JetBrains 的 2025 年 Python 调查报告揭示了这一趋势：用于 Python 二进制扩展的 Rust 使用率在一年内从 27% 跃升至 33%。

如今的 Python 生态系统，实际上正变得越来越像一个戴着 Python 帽子的 Rust 生态系统。

底层基础设施也正遵循着相同的发展轨迹。由 Charlie Marsh 于 2022 年创立的 Astral，相继推出了 ruff、uv 和 ty。这三个工具均由 Rust 编写，且都实现了从零到每月数亿次下载的飞跃。

2026 年 3 月 19 日，OpenAI 收购了 Astral；其内部理由是 uv 每周能为 Codex 节省约 100 万分钟的算力。而在十周前，Anthropic 收购了 Bun（每月 700 万次下载，GitHub 8.9 万 Star），并将其称为“AI 主导软件工程的基础设施”。此外，Evan You 创办的 VoidZero 推出了 Rolldown-Vite，这是一款 Rust 构建工具，将 GitLab 原本 2.5 分钟的构建时间缩短至 40 秒，内存占用减少了 100 倍。

Vercel 的产品副总裁 Lee Robinson 也坦言：“我们在 JS 上已经达到了性能优化的极限。”

所谓的“生态优势”，剩下的仅仅是：你在 Python 和 JavaScript 中导入的包，越来越多地变成了用那些你以为无法交付的语言编写的代码的包装层。现在你可以直接使用这些底层语言来交付项目，而外面的包装层反而开始显得多余了。

过去开源世界的妥协存在一个正反馈循环：因为 Python 简单，你选择了它；你发现依赖中有个 Bug；你修复了它；你将修复提交给上游；于是整个生态系统变得更加健康。

然而，AI Agent 以一种特定的方式打破了这个循环：代码贡献的基本单元，从“打补丁”变成了“整体移植”。

今年 1 月，Flask 的作者 Armin Ronacher 使用 AI Agent 将他的 Rust 库 MiniJinja 移植到了 Go。整个运行过程持续了 10 个小时，其中 3 小时受人工监督，7 小时自主运行。他实际花费的人工时间仅为 45 分钟，API 调用成本为 60 美元。

如果跨语言移植一个库只需要 45 分钟，那么向别人的库提交上游修复的理由就变得越来越牵强了。既然可以直接 Fork 并移植，为何还要费劲去打补丁呢？

“对我来说，核心价值正在从代码本身转移到测试和文档上。一个优秀的测试套件，其价值可能实际上超过了代码本身。”

曾经构建了 PyPI 和 npm 的那种开源反馈循环今天依然有效，但显然到了 2028 年，它可能就不再是主流了。

当然，这并不是一场全面扫荡。有几件事必须承认。

首先，有时正确的答案依然是传统的答案。例如，Prisma 移除了其 Rust 查询引擎，转而采用了 TypeScript/WASM 核心：不仅打包体积缩小了 85%，查询速度也提升了高达 3.4 倍。原生的 Rust 二进制文件对 Serverless 运行时并不友好。此外，PyTorch 依然占据深度学习研究领域约 85% 的份额，而且这种情况不会改变，因为模型权重根本不在乎你用什么语言来封装它们。

其次，AI 并非对所有系统级语言都同样擅长。在用 AI 生成代码时，像 Zig、Haskell 和 Gleam 这样相对小众的语言，目前质量还不尽如人意。

毕竟训练数据决定了模型能帮你做什么。Rust 和 Go 之所以中大奖，是因为它们足够流行，在 GitHub 上积累了海量的代码。而 Zig、Haskell 和 Gleam 在这条曲线上依然处于劣势。

过去人们为 Python 和 TypeScript 辩护，本质上是在为开发者体验辩护。选择这些语言，是因为它们最大限度地减少了从人类想法到产品交付之间的摩擦。Rust 在运行时从来不慢；它只是让你在凌晨 2 点需要紧急上线时显得很慢。

但现在，那些最难啃的骨头都交给了 AI Agent。

人类的工作重心已经从“亲自编写代码”转移到了“架构系统”和“审查输出结果”。在这种工作流下，Python 在人体工程学上的优势每个季度都在递减；而当你把服务部署到生产环境时，一门较难语言在运行时带来的优势每天都在产生复利。

“新语言之所以可能行得通，最大原因在于代码编写的成本正在呈断崖式下降。结果就是，生态系统覆盖面的广度变得不那么重要了。”

过去二十年，编程语言的选择始终受制于一个条件：代码是由人来写的，而人类编写底层语言非常慢。现在，这个限制条件已经不复存在了。在 Stack Overflow 的 2025 年度调查中，Rust 以 72% 的比例连续第十年成为“最受推崇的语言”，紧随其后的是 Gleam（70%）、Elixir（66%）和 Zig（64%）。开发者们的偏好一直都在，只是现在的 AI 工具终于追上了这种偏好。

Karpathy 在二月份的评论更是直击本质：

“LLM（大语言模型）彻底改变了软件开发的整个约束条件。这一点已经显露端倪，比如将 C 语言移植为 Rust 的强劲势头。”他还补充道：“即使是对 LLM 而言，Rust 也远非最优的编程语言。”

如今的胜利只是开局，真正的终局还在更远的未来。

4 月 24 日，@RealRichomie 在 X 平台上对新常态做出了最精炼的总结：

“编程的未来将不属于对人类最简单的语言，而是属于对 Agent 最简单的语言。我们刚刚上线了一款 Mac 应用，我们的工程师事先连一行 Rust（或 Tauri）都不懂。结果呢：体积大约只有原来的十分之一，性能极高。AI Agent 才是未来的程序员。”

一款成功交付的应用，使用的是团队中无人掌握的语言，体积仅是 Electron 版本的十分之一，运行速度更快。而人类根本不需要为了这个目标去专门学习 Rust。

所以，下一次你启动新项目时，不必再默认选择 Python 了。