本文永久链接 – https://tonybai.com/2025/07/25/writing-is-thinking

大家好，我是Tony Bai。

最近，全球顶级的科学期刊《自然》(Nature) 发表了一篇社论，标题仅有三个词：“Writing is thinking” (写作即思考)。

这篇社论探讨的是大语言模型时代人类生成的科学写作的价值，其核心观点，对于我们技术领域的开发者、工程师和内容创作者来说，不啻为一记振聋发聩的警示。它在 AI 浪潮席卷一切的今天，迫使我们重新审视一个被我们日渐忽视，却又至关重要的行为——我们自己的思考过程。

开发者版本的“写作即思考”

对开发者而言，“写作”的形式多种多样：
* 编写一份详尽的技术设计文档 (Design Doc / RFC)。
* 撰写一篇分享经验的技术博客。
* 甚至，是构建一个结构清晰、逻辑严谨的复杂软件模块。

这些行为的本质，都和《自然》社论的观点一致：它不仅仅是“报告结果”，更是一个强迫我们将脑中混乱、非线性的想法，梳理成结构化、有意图的叙事的过程。

当你无法用清晰的语言（或代码）写下来时，通常意味着你对这个问题还没有想清楚。这个“写”的过程，本身就是发现逻辑漏洞、提炼核心思想、明确最终影响力的思考过程。正如社论所引述的科学依据：书写行为本身，就能增强大脑的连接性，并对学习和记忆产生积极影响。

AI 带来的“隐形危机”：思考外包

现在，强大的 LLM 出现了。我们似乎可以轻易地“外包”掉这个艰苦的思考过程。

“帮我生成一份关于XX系统的微服务架构设计文档。”
“为我刚才的 Go 函数编写一份详细的单元测试。”

AI 瞬间就能产出看似完美的“结果”。但在这个过程中，我们失去了什么？

1. 效率的假象： AI 会产生幻觉。你可能需要花费更多的心力去验证、修正和编辑一份由 AI 生成的、你并不完全理解的复杂文档或代码，其成本甚至可能超过从零开始亲自撰写。
2. 思想的归属： 社论提出了一个尖锐的问题——如果“写作即思考”，那么当你在阅读一篇由 LLM 生成的论文时，你读到的究竟是研究者的思想，还是 LLM 的“思想”？同理，当你的同事向你展示一份由 AI 生成的设计文档时，这背后真的有他深入的思考和权衡吗？
3. 核心能力的侵蚀： 这是最危险的一点。我们跳过了最宝贵的思考整理过程，直接获取了“结果”，却失去了将知识和经验内化为自身能力的宝贵“过程”。我们放弃了锻炼自己核心思维能力的机会。

从“外包者”到“放大器”：AI 的正确使用姿势

那么，我们应该抵制 AI 吗？当然不。《自然》的社论也明确指出，AI 是一个极其有价值的辅助工具。问题的关键，不在于用不用，而在于怎么用。

我们应该警惕成为一个“思考外包者”，转而努力成为一个“思考放大器”的使用者。

这意味着，永远由人类掌握“思考”的主导权，而在特定的、非核心思考的环节，利用 AI 来提升效率。以下是一些高效的“放大器”模式：

• 语法与可读性优化器： “这是我写的一段技术描述，请帮我润色，使其更易于理解，并修正语法错误。”
• 信息检索与综述助理： “帮我总结一下最近关于 QUIC 协议的三篇关键论文的核心观点。”
• 头脑风暴伙伴： “我正在设计一个高可用的缓存系统，请帮我列出可能需要考虑的 10 个潜在故障点。”
• “破冰”与“思路转换”工具： “我对于如何向非技术人员解释‘幂等性’感到卡壳，请提供三种不同的比喻或解释方式。”

在这些场景中，AI 是你的研究助理、语法老师、灵感催化剂，但绝不是替你完成核心思考的“枪手”。

未来已来：从“代码实现者”到“思想叙事者”

这场关于“写作与思考”的讨论，最终引向了一个更宏大的问题：当 AI 越来越擅长“写作”（即编码实现）时，我们人类工程师的不可替代价值到底在哪里？

答案或许就在《自然》社论的结尾：“将整个写作过程外包给 LLM，会剥夺我们反思和塑造引人入胜的叙事的机会”。

未来工程师的核心竞争力，正在从单纯的技术实现，向上游转移。以下三项“元技能”将变得至关重要：

• 深度反思能力: 对技术领域、业务场景进行深刻的洞察和反思，理解“为什么”远比“怎么做”更重要。
• 创造性任务处理能力: 定义正确的问题，做出关键的架构取舍，进行富有创造力的系统设计。
• 思想叙事能力: 能够将复杂的技术决策、系统设计，用清晰、有说服力的“故事”（设计文档、技术演讲、甚至代码结构本身）讲述出来，影响和说服他人。

你看，这三项无法被 AI 替代的核心能力，恰恰都是通过“写作即思考”这个艰苦而宝贵的过程来培养和强化的。

小结：别让 AI 替你思考

AI 是一场革命性的技术浪潮，它正在重塑我们的工作方式。但我们必须保持清醒：AI 是我们手中的工具，而不是我们大脑的替代品。

我们可以，也应该，让 AI 成为我们强大的“副驾驶”，帮我们处理繁琐的事务，为我们提供新的视角。但方向盘，必须始终握在我们自己手中，谨慎和正确使用带有深度思考和推理功能的AI大模型。

因为我们写下的每一行代码，每一份文档，不仅仅是交付物，更是我们思考过程的凝结与沉淀。这个过程，才是我们作为工程师，最宝贵的财富。

资料链接：https://www.nature.com/articles/s44222-025-00323-4

你的Go技能，是否也卡在了“熟练”到“精通”的瓶颈期？

• 想写出更地道、更健壮的Go代码，却总在细节上踩坑？
• 渴望提升软件设计能力，驾驭复杂Go项目却缺乏章法？
• 想打造生产级的Go服务，却在工程化实践中屡屡受挫？

继《Go语言第一课》后，我的《Go语言进阶课》终于在极客时间与大家见面了！

我的全新极客时间专栏 《Tony Bai·Go语言进阶课》就是为这样的你量身打造！30+讲硬核内容，带你夯实语法认知，提升设计思维，锻造工程实践能力，更有实战项目串讲。

目标只有一个：助你完成从“Go熟练工”到“Go专家”的蜕变！ 现在就加入，让你的Go技能再上一个新台阶！

商务合作方式：撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。如有需求，请扫描下方公众号二维码，与我私信联系。

本文永久链接 – https://tonybai.com/2025/07/25/go-vs-rust-vs-cpp-in-complexity)

大家好，我是Tony Bai。

最近，一张关于编程语言规范词数统计的图表，在技术圈广为流传。它以一种极其直观、甚至有些残酷的方式，将不同语言的复杂性摆在了我们面前。

在这张图上，我们看到了惊人的差异：

• C++: 以超过 80 万词的规范长度，一骑绝尘，成为当之无愧的“巨无霸”。
• C# 和 Java: 分别以约 40 万和 25 万词紧随其后，是功能丰富的“航空母舰”。
• Go: 规范仅约 5 万词，与以简洁著称的 C (约 5.5 万词) 处于同一量级。

这张图不仅仅是一个有趣的谈资。语言规范的长度，是衡量一门语言复杂度的最客观指标之一。 它直接决定了这门语言的学习曲线、认知负荷，以及整个生态的风格。

今天，我们就以这张图为起点，深入探讨三门备受关注的系统级语言——Go、Rust 和 C++——它们各自代表的三种截然不同的“复杂性”，以及这些“复杂性”在 AI 时代意味着什么。

注：Go之所以被最初定位为系统级编程语言，是因为其设计之初便承载了构建高效、可靠系统级软件的愿景，旨在解决多核、网络化机器时代下大型代码库的开发痛点。 然而，其内置的垃圾回收机制和相对较大的运行时， 以及它在网络服务、云计算、微服务等应用层领域取得的显著成功和广泛应用， 逐渐改变了开发者对其的普遍认知，使得今天多数开发者不再将其归类为传统的、如C/C++般直接操作硬件的系统级编程语言。

“广度”的复杂性：C++ 的特性博物馆

C++ 的冗长规范，源于其“广度”上的复杂性。它像一个不断扩建的“特性博物馆”，收藏了自上世纪 80 年代以来的几乎所有编程范式。从 C with Classes，到面向对象，再到泛型元编程，再到现代的函数式风格，C++ 不断地累加新特性，却很少移除旧的。

这种复杂性的特点是：

• 特性极其繁多： 多重继承、模板、操作符重载、右值引用… 你永远无法完全掌握它。
• 选择极其自由： 对于同一个问题，你可能有十种不同的实现方式，每一种都有其微妙的优劣。

这导致的结果是，没有人能成为一个“纯粹的 C++ 开发者”，大家通常都只是某个 C++“安全子集”的专家。团队协作的巨大成本，就耗费在统一这个“子集”上。Google 著名的 C++ Style Guide，其本质就是一份“C++ 禁用特性列表”。

“深度”的复杂性：Rust 的陡峭山峰

再看 Rust。它的规范词数（约 10 万词）远比 C++ 短小，但几乎所有人都承认，Rust 的学习曲线极其陡峭。

这是因为它代表了另一种“深度”上的复杂性。Rust 的复杂性并非源于海量的特性，而是集中在少数几个强大、深刻且深度交织的核心概念上：

• 所有权 (Ownership)
• 生命周期 (Lifetimes)
• 借用检查器 (Borrow Checker)

你不需要学习一百个小工具，但你必须彻底攀登这几座陡峭的山峰，才能真正驾驭这门语言。它的挑战不在于“知道什么”，而在于“深刻理解”。你需要在脑海中构建一个全新的心智模型，时刻与编译器进行一场关于内存安全的“博弈”。

“组合”的复杂性：Go 的乐高世界

最后，我们来看 Go。它的规范如此之短，是因为它从设计之初就选择了第三条路：将“复杂性”从语言本身，转移到开发者身上。

这里所说的Go的复杂性，是“组合”的复杂性。它为你提供的不是一套功能完备的“瑞士军刀”，而是一盒简单、正交、数量有限的“乐高积木”：

• 简单的类型系统（没有类和继承）
• 只有一个循环结构 (for)
• 清晰的接口（隐式实现）
• 强大的并发原语 (goroutine 和 channel)
• … …

Go 语言本身是极其简单的，一个有经验的开发者可以在一周内掌握其全部语法。真正的挑战在于，你如何用这些有限的、简单的积木，去创造性地组合，以解决现实世界中的复杂问题。

Go 的设计哲学相信，通过组合这些简单的工具，你足以构建出任何复杂的系统。它把对创造力的要求还给了开发者，而不是将其隐藏在语言的“语法糖”和“黑魔法”之下。

AI 时代的新视角：哪种复杂性对 AI 更“友好”？

这场关于复杂性的讨论，在 AI 编程助手日益普及的今天，有了一层全新的意义。我们可以把语言规范的长度，看作是教一个 AI“学生”这门语言的“教科书厚度”。

• 教 AI 写 C++： 就像给它一本大英百科全书。它能学会无数语法，但面对复杂的特性交互和未定义行为时，极易产生“幻觉”，生成看似正确但存在隐蔽 bug 的代码。审查这样的代码是一场噩梦。

• 教 AI 写 Rust： 就像教它下围棋。它能学会规则，但很难掌握其深奥的战略（生命周期）。它生成的代码或许能通过编译，但可能是为了“讨好”编译器而写出的、极其扭曲和不符合人类直觉的代码。

• 教 AI 写 Go： 就像给它一本清晰、简洁的“小红书”。规则少、边界清晰、没有“魔法”。AI 生成的代码不仅更可预测、更符合语言的最佳实践，最重要的是——它对人类审查者极其友好。

在 AI 时代，我们开发者的工作重心正在从“写代码”，更多地转向“审查和指导 AI 写代码”。一门简单的、拥有短小精悍规范的语言，为我们和 AI 之间提供了一个共同的、易于理解的交流基础。

小结：简洁，一种面向未来的选择

回到最初的图表，它揭示了三种不同的设计哲学：

• C++： “我给你一切，你自己想办法管好。”
• Rust： “我会替你管好一切，但你必须先理解我的全部规则。”
• Go： “我只给你几样最强大的工具，剩下的，我相信你的创造力。”

Go 的简洁，不是功能的匮乏，而是一种深思熟虑的、面向未来的战略选择。它不仅降低了人类开发者的认知负荷，更在不经意间，为即将到来的人机协作编程时代，铺平了道路。

因为当你的“同事”是一个 AI 时，一门简单、可预测、易于审查的语言，将是你最有价值的资产。

你的Go技能，是否也卡在了“熟练”到“精通”的瓶颈期？

• 想写出更地道、更健壮的Go代码，却总在细节上踩坑？
• 渴望提升软件设计能力，驾驭复杂Go项目却缺乏章法？
• 想打造生产级的Go服务，却在工程化实践中屡屡受挫？

继《Go语言第一课》后，我的《Go语言进阶课》终于在极客时间与大家见面了！

我的全新极客时间专栏 《Tony Bai·Go语言进阶课》就是为这样的你量身打造！30+讲硬核内容，带你夯实语法认知，提升设计思维，锻造工程实践能力，更有实战项目串讲。

目标只有一个：助你完成从“Go熟练工”到“Go专家”的蜕变！ 现在就加入，让你的Go技能再上一个新台阶！

商务合作方式：撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。如有需求，请扫描下方公众号二维码，与我私信联系。