Python是最适合 AI 代码生成的语言?答案可能出乎意料

学 Python 三个月，让 AI 写代码还是只会说'帮我写个计算器'——问题出在哪？一篇论文测了 20 种语言，Elixir 碾压级胜出，原因是 AI 友好的语言设计哲学。

选语言，也得想想 AI 的感受

五年前选技术栈很简单：哪种语言最适合解决问题？团队对哪种更熟？开干。

2025 年不一样了。不管你爱不爱 AI 代码生成工具，它都已经存在。就算你坚持自己写代码，AI 也在参与维护你的代码。所以那句话值得重新想想——"你不是在为自己写代码，而是为下一个工程师写代码"。现在得加一条：你也是在为 AI 写代码。

如果 AI 训练时根本没见过多少你的语言的优秀代码，那它帮别人维护你的代码时，表现会有多糟糕？

很多人以为 AI 代码生成的王者只有两个：Python 和 JavaScript。但最近一篇论文让我重新审视这个判断——事情远非表面那么简单。

剧透：Elixir 才是这匹黑马。

希望尚存

这篇论文来自腾讯 AI 研发团队，叫做 AutoCodeBench。他们用一种"无需人工标注"的方法，生成了涵盖 20 种编程语言的多语言代码生成数据集。

这个数据集有什么特别？

• 3,920 道题目，分布在 20 种语言中
• 所有输入由系统在沙箱环境中自动生成和验证
• 题目涵盖从基础算法到复杂数据结构的各类问题

之前大多数 benchmark 都集中在 Python 上，而这个数据集让我们第一次用偏差更小的方式比较不同语言、不同模型之间的 AI 代码生成能力。

数据说话

测试的核心指标叫 Pass@1——模型在第一次尝试时做对问题的比例，越高越好。

结果很有意思：

• Claude Opus 4、GPT-4.1 这样的顶级模型，整体约 50%
• 但 Elixir 在推理和非推理模式下都突破了 80%，远超其他所有被测语言

这意味着什么？AI 第一次尝试写 Elixir 代码，比写 Python 或 JavaScript 代码的正确率高出一大截。

为什么是 Elixir？

原因一：语言本身对 AI 很友好

Elixir 是函数式编程语言，不是面向对象的。这意味着：

• 不可变性：数据不会被偷偷修改，AI 不需要追踪"藏在某处的隐藏状态"
• 管道操作：data |> transform() |> another()，语义清晰，AI 看到的就是实际的步骤

Elixir 语法紧凑一致，标准库只有约 120 个核心模块、2000 个公共函数。相比之下，Python 有约 15,000 个函数。更少的函数、更清晰的模式，AI 犯迷糊的概率本来就低。

原因二：训练数据的质量

编程语言的"年龄"是双刃剑。太新，没足够训练数据；太老，有几十年的遗留代码和过时写法拖后腿。

Elixir 2011 年诞生，正好处于"金发女孩区"——有足够多的训练数据积累，又没有太多历史包袱。

更重要的是，Elixir 社区的代码质量普遍较高。Elixir 往往吸引有经验的开发者，所以公开代码库里"好代码"的比例更高。AI 在学习这门语言时，吃到的"坏例子"更少。

但是，AI 真的帮得上 Elixir 开发者吗？

斯坦福有一项研究提出了相反的结论：任务复杂度增加时，AI 可能反而降低小众语言开发者的生产力。

这里有个细节——这项研究由 Microsoft 资助，没有测试 Claude 系列模型。而根据很多 Elixir 开发者的实际体验，Claude 编写 Elixir 代码的能力远优于 Copilot 或 OpenAI 的模型。

还有一点不能忽视：Elixir 开发者通常对代码质量非常讲究。管道操作、模式匹配、低圈复杂度——如果 AI 生成的代码"能用但看着不对"，我们会忍不住重写。这不是 AI 不擅长 Elixir，而是 Elixir 的问题本来就够结构化，需要 AI 帮助的地方本来就不多。

结论

我们不必被迫接受 Python 或 JavaScript 成为 AI 代码生成的通用语言。Elixir 证明了这一点——优质的模式和高质量的训练数据，可以让一门语言在 AI 时代继续闪耀。

对于 AI 代码生成这件事，语言的设计哲学比"市场占有率"更重要。不可变性、清晰的语法、更少的历史包袱，这些特性让 Elixir 成为 AI 的好朋友。

当然，语言和框架对问题的适配程度始终重要。Elixir 在容错并发方面有天然优势，这些领域它本来就是重量级竞争者。

原文链接: https://revelry.co/insights/artificial-intelligence/which-language-is-best-for-ai-code-generation/^[2]

引用链接