HashiCorp 创始人亲口“认错”：AI 让我重新爱上了 Go (文末福利)

本文永久链接 – https://tonybai.com/2026/04/23/hashicorp-founder-admits-go-is-alive-thanks-to-ai

大家好，我是Tony Bai。

今天是世界读书日，在同款公众号文章的文末我将送出两个价值 99 元的《从 0 开始构建 Agent Harness》专栏的免费兑换码，欢迎大家点击这里积极留言参与！

在技术圈的江湖里，总有那么几位“扫地僧”级别的人物。他们的一言一行，足以引发整个行业的地震。Mitchell Hashimoto，正是其中之一。

作为 HashiCorp 的创始人，曾连续12年，一手使用Go 缔造了Consul、Nomad、Terraform、Vagrant、Vault 等一系列云原生基础设施与Devops“神器”以及Ghostty Terminal (使用 Zig )的他，被无数开发者奉为“云基础设施时代教父级的人物”。

但在 Go 社区，Mitchell 的形象却颇具争议。因为他曾在公开场合不止一次地表达过对 Go 语言的失望，甚至抛出过“Go has no place anymore”（Go 已无立足之地）这样的“暴论”。

然而，就在最近，这位曾经的“Go 社区的争议人物”，却在 X 平台上发表了一篇 180 度大转弯的“认错”长推，瞬间引爆了整个技术圈，获得了超过 21 万的阅读量。

他写道：

“我又开始写 Go 了……‘等等，我以为你说过 Go 已经没有位置了？’我错了。”

“我错的原因，主要是因为 AI 智能体（Agent）在 Go 语言上的生产力高得惊人。我不会把其他语言扯进来，因为我不想喂饱那些螃蟹（暗指 Rust 社区）。”

是什么，让这位顶级大神发生了如此戏剧性的转变？

今天，我们就来深度扒开 Mitchell 的这篇“忏悔录”，看看在 AI Agent 席卷一切的时代，Go 语言那些曾被我们疯狂吐槽的“缺点”，是如何摇身一变，成为最顶级的“超能力”的。

惊天反转：“糟糕的人体工程学”，竟是完美的“机器工程学”

Mitchell 在推文中，首先就点出了一个极其“讽刺”的现象：

“这很有趣，因为 Go 的很多 CLI 工具，比如 go doc 和 gopls，它们糟糕的人体工程学（shitty ergonomics）……竟然被 Agent 完美地规避了。不仅如此，讽刺的是，它们对 Agent 来说简直是天赐之物。”

这句话，堪称整篇推文的点睛之笔。

如果你是一个有经验的 Go 开发者，你一定吐槽过 go doc 的简陋，或者早期 gopls 的各种不智能。相比于 Rust 的 rust-analyzer 那种极其强大的类型推断和代码补全，Go 的工具链显得既“笨”又“直白”。

但在 AI Agent 的世界里，这种“笨拙”，恰恰成了最顶级的优点！

Mitchell 指出，他现在根本不需要给 Agent 写任何复杂的 Skill。只需要在 AGENTS.md 里写一句极其简单的指令：“想找 API 或者调用者？去用 gopls。”

Agent 就能利用 gopls 提供的底层 LSP（语言服务器协议）接口，以极低的 Token 成本，精准地找到接口的实现、方法的定义，以及所有的调用关系。

另一位开发者在评论中也补充道：

“我们一直抱怨 Go 的啰嗦（verbosity），结果证明这恰恰是 LLM 最喜欢的。它们能清晰地读懂意图，而且工具链（如 go doc）给了它们足够的上下文，让它们第一次就能写出能跑通的代码。”

看懂了吗？

那些曾经被人类程序员嫌弃的“机器友好”的接口，在 AI Agent 这个“硅基程序员”面前，摇身一变成了最高效、最廉价的沟通方式。

我们过去追求的“CLI 人体工程学”，在 AI 时代，正在被“Agent 机器工程学”所降维打击。

王者归来：当“无聊”成为 AI 的最佳温床

Mitchell 的“认错”，不仅仅是因为工具链的意外适配。更深层次的原因，在于 Go 语言本身的“无聊”哲学。

在另一场由 OpenAI 创始人引发的“Go vs Rust”论战中，我们已经探讨过这个观点：

Go 语言极简的语法、强制的 gofmt 格式化、以及“万物皆 for 循环”的单一表达方式，使得所有 Go 代码库看起来都像是一个模子里刻出来的。

这种极度的“同质化”，对于基于概率预测的 AI Agent 来说，简直就是天堂。

AI 在生成 Go 代码时，不需要去猜测这个项目是函数式风格还是面向对象风格，不需要去处理复杂的生命周期和所有权问题。它只需要遵循那套刻在骨子里的“Go Way”，就能生成出八九不离十的、能跑通的代码。

评论区里，HashiCorp 的前同事现身说法：

“我当年就是看到 HashiCorp 在用 Go 才入坑的。你今天的这篇帖子，完美地解释了为什么我最近又回到了 Go 的怀抱。”

简单、可预测、没有魔法。 这些在人类极客眼中可能是“缺点”的特质，在 AI Agent 眼里，却成了最宝贵的“确定性”。

终极答案：Go + Zig，基础设施的“黄金搭档”

当然，Mitchell 也并非无脑吹捧 Go。作为一个顶级的开发者，他清醒地认识到 Go 的边界。

当他需要编写一个“可移植的、能轻松嵌入各种生态系统”的底层库时，他并没有选择 Go，而是选择了 Zig。

“对我来说，重要的是可移植性。我正在写一个必须能轻松嵌入各种生态系统的通用库。一个独立的、不依赖 libc、没有操作系统原语要求、能说 C ABI、并且只有 100KB 大小的库，是一个很容易推销的方案。”

在这里，Mitchell 亮出了他的答案：Go + Zig。

Go：负责上层的、高并发的业务逻辑和网络调度。
Zig：负责底层的、需要极致性能、零依赖、跨平台 C ABI 兼容的核心组件。
CGO：通过 Zig 强大的交叉编译能力，将 Go 与底层 C-ABI 组件的胶水成本降到最低。

这套组合拳，既享受了 Go 无与伦比的开发效率和并发模型，又利用了 Zig 对底层的极致压榨能力，同时还避开了原生 CGO 的种种编译噩梦。

这或许是比“Go vs Rust”之争，更具前瞻性和实操价值的“版本答案”。

英雄所见略同：Pandas 之父的“痛苦告别”

如果说 Mitchell Hashimoto 的“回归”还带有一丝云原生以及DevOps 创始人的恋旧情结，那么另一位顶级大神——Pandas 库的创始人、数据科学界的“教父级”人物 Wes McKinney——的2026表态，则更像是一封写给 Python 的“分手信”，充满了痛苦、不舍，但又极其决绝。

就在 Mitchell 的推文引发热议的同时，有人在评论区挖出了 Wes McKinney 今年年初的一篇极具前瞻性的博文《从人类工程学到智能体工程学》。

在这篇文章里，Wes McKinney 抛出了一个极其震撼的开场白：

“我最近用 Go 写了很多新软件。但问题是，我这辈子其实一行 Go 代码都没写过。这到底是怎么回事？”

答案，同样是 AI Agent。

作为一个将毕生心血都奉献给了 Python 数据科学生态的巨匠，Wes McKinney 坦言，当软件的“主要作者”从人类变成 AI 时，我们评判一门编程语言优劣的标准，发生了根本性的改变。

“人类工程学（Human Ergonomics）的重要性正在急剧下降。Python 对人类来说极其愉快和高效，但当 Agent 替你写所有代码时，这个好处就显得无足轻重了。”

他用一种近乎“残忍”的视角，剖析了 Python 在 AI Agent 时代的三个致命缺陷：

缓慢的编译-测试循环：Agent 编译和测试的频率比人类高出一到两个数量级。Python 缓慢的测试启动和依赖安装，对 Agent 来说是一种“惩罚”。
痛苦的软件分发：Agent 需要大量自包含的、无依赖的二进制工具。而 Python 拖着一个沉重的解释器，感觉就像“我们当年拼命想摆脱的 Java 虚拟机（JVM）”。
性能与内存的短板：这些在人类开发时可以容忍的问题，在 Agent 24 小时高强度运行时，会被无限放大。

图 Python Environment https://xkcd.com/1987/

那么，AI Agent 时代的“赢家”是谁？

Wes McKinney 给出了和 Mitchell Hashimoto 几乎一模一样的答案：Go。当然在数据科学以及人工智能的基础设施层面，Wes McKinney认为 Rust 也将会占据着越来越重要的地位。

因为它们解决了最关键的三个问题：

无痛构建静态二进制文件。
极速、确定性的构建过程。
精简的资源占用和出色的运行时性能。

他甚至更进一步指出，由于 Go 拥有比 Rust 快得多的编译时间，在 Agent 高频迭代的场景下，Go 甚至比 Rust 更具优势。

“我依然深爱着 Python，并为我们建立的生态系统感到自豪。但很明显，鉴于 Agent 循环带来的生产力优势，我和业界的大部分人，将会写越来越少的 Python，转而拥抱 Go 和其他现代编译语言。”

一个为 Python 奋斗了近 20 年的灵魂人物，最终为了 AI，选择了自己从未写过的 Go。

这已经不是简单的技术选型，这是一场关于“工程师生存法则”的深刻变革。

英雄惜英雄：一场关于“回归”的集体狂欢

Mitchell 的这篇“认错”长文，像一声号角，引来了无数在 Go 与其他语言之间摇摆的开发者的共鸣。

Bun 的创始人 Jarred Sumner 激动地在评论区留言：“我想看看你到底在搞什么！”（Mitchell 回复：“我早点联系你！”）

一位前 Vercel 工程师更是直言：“老哥你终于兜了一圈又回来了！”

当然也有一些开发者表示这也许是Mitchell的“幻觉”或“偏见”，一位开发者(显然不是很熟悉 Mitchell 的开发过往)写道：

“也许你只是比 Zig 更不习惯 Go，所以你注意到的 Go 的问题更少。而且你已经是 Zig 的专家了，用它提升的空间不大了(想学习一下新的编程语言)。LLM 让你看到在你不懂的领域(指Go)正确率是 100%，但在你懂 60% 的领域(指Zig)，只对了 60%”。
（Mitchell 则毫不客气地回怼：“我写了 12 年全职的、纯粹的 Go。我的判断力很可靠。”）

这场大讨论，最终演变成了一场关于“回归 Go”的集体狂欢。