过去十年,大家更偏爱 Python 和 TypeScript,因为它们生态成熟、上手快、招人也容易。2026 年的今天,Claude、GPT-5.5、DeepSeek 这些大模型,已经能在写代码这事上达到甚至超过人类高级工程师的水平,能搞定并发、竞态和架构优化这些难题,AI 就是在给我们搬开那些复杂语言的绊脚石,从而填平以前我们学不会、不敢碰带来的门槛。AI 即便是个再聪明的脑子,它也得有东西可学才行。代码能不能被 AI 学好,很大程度上还被 GitHub 上的公开代码量完全拿捏,小众语言的处境就尴尬了,缺乏训练数据。
编程的重心已经变了,现在更考验我们设计架构、审查 AI 输出这些最值钱的本事。Rust、Go 等老牌硬核语言热度回升,TypeScript、Python 等老选手的好日子也在继续。但真正的关键是,一个团队只要定好了测试和文档,软件的底子就稳了一半。代码随便改,文档不能丢,测试是王道,有谱的交付才算真到位。
到头来,AI 在这两年内的野蛮快速进化,已经彻底颠覆语言被选中的逻辑。微软的工程师还狠下心来自研工具,进一步降低了对老语言、旧生态的依赖。因为老一套的开发体验不好使了,技术圈开始纷纷转向。Prisma 就是个例子,团队出人意料地向旧方案“投降”,用 TypeScript/WASM 替代 Rust 引擎,包体积就是砍掉了 85%;高手们纷纷基于大模型另起炉灶造轮子,菜鸟也直接借助 AI 杀入底层领域内,还捣鼓出像模像样的编译器研发成果。AI 更青睐强类型、反馈快的铁饭碗。
眼下 Rust、Go 以及 Swift 等硬骨头,也纷纷朝对 AI 友好的方向猛卷,要么强化即时的编译器反馈,要么自驱进化为智能体。这半年,大厂对开发语言等选型的思路却完全不同了,纷纷开始借助 AI 搞大迁移。微软就说了,用 Go 重写 TypeScript 编译器后性能暴涨十倍,而 Anthropic 的一群 AI 只花两万美元生产制造十万行 C 编译器,这逼着业界采用全新的技术路线。眼下,Zig 等语言销路受阻,也是因为训练数据太少,毕竟,代码才是硬通货的燃料,向大模型提供底气。人不能被工具憋死。说实话,AI 还是那根粗大腿,好用的老办法照样有。老实讲,它对测试用例等资产的胃口是无穷大的。一看,编程这事真绝,大家都自研了奇奇怪怪的编译器,C 编译器、新语言以及 JS 引擎等。现在更省事了,想移植点啥代码就用 AI 干。高手写代码就用测试进行重构,要想跑得稳,生成的产物已经不含人工水份,人为的出错率也降到零点几。再加上,AI 的训练数据以及开源社区的文档都在猛增,这也为代码重写提供了底气,从而倒逼必须采用更轻量高性能的方案。成本账算得太精了。
话都说到这份上了,以后怎么混?