本文永久链接 – https://tonybai.com/2025/06/03/provocation-about-ai-assisted-programming

大家好，我是Tony Bai。

最近，fly.io 博客上该公司开发者 Thomas Ptacek 的一篇题为《My AI Skeptic Friends Are All Nuts》的文章，在开发者社区掀起了不小的波澜，一度登顶HN。Ptacek 以一位自称“严肃开发者”（从C语言到Go、Rust均有涉猎）的口吻，向那些对 AI 辅助编程持怀疑态度的“聪明朋友们”发出了略带“挑衅”的宣言：“即使 LLM 今天停止所有进展，它仍然是我职业生涯中发生的第二重要的事情” 。

这篇文章的观点之鲜明、论证之犀利，让我印象深刻。恰逢 前期Google I/O 2025 大会再次展示了 Gemini 等 AI 模型在编码领域的惊人进展，我们不禁要问：AI 编码工具，究竟是能极大提升生产力的“真香”利器，还是又一轮被过度炒作的“智商税”？作为开发者，特别是 Gopher，我们又该如何看待和应对这场正在发生的变革？

在这篇文章中，我就和大家一起来看看 Thomas Ptacek 对AI辅助编程演进的犀利观点以及他的反思。看看你是否认同他的想法。

误区澄清：现代 AI 辅助编程早已不是“复制粘贴”

Ptacek 在文章开篇就点出了一个关键问题：很多人对 AI 辅助编程的印象，还停留在半年前甚至两年前的水平。他写道：“如果你在6个月前（或者，天哪，两年前用Copilot的时候）尝试使用LLM编码并失败了，那么你并没有在做大多数严肃的LLM辅助编码者正在做的事情”。

那么，现在“严肃的LLM辅助编码者”在做什么呢？Ptacek 强调，他们使用的是 Agent (智能体)。这些 AI Agent 不再仅仅是根据提示生成代码片段让你复制粘贴，它们能够：

• 自主地在你的代码库中进行探索。
• 直接创建和修改文件。
• 运行各种工具， 如编译器、测试框架、linter、formatter 等。
• 与 Git 等版本控制系统交互。
• 根据编译和测试结果进行迭代和修正。
• 通过 MCP 或类似机制调用你设置的任意工具。

Ptacek强调：如果你对 AI 编码的印象还停留在 ChatGPT 网页上简单问答然后手动复制代码，那么你可能真的低估了当前 AI Agent 所能达到的自动化和智能化水平。

AI Agent 如何提升编码效率？Ptacek 的“积极案例”

Ptacek 认为，LLM（通过 Agent）能够极大地提升编码效率，主要体现在以下几个方面：

1. 处理“乏味代码”： LLM 可以编写你需要编写的大部分乏味代码。而大多数项目中的大多数代码都是乏味的。这能让开发者从重复性的工作中解放出来，更快地进入“调整代码并立即看到效果更好”的“黄金时刻 (golden moment)”，获得即时反馈的“多巴胺冲击”。

2. 克服项目启动的“惯性”： 面对一个新项目，繁琐的初始设置、依赖管理、基础架构搭建等往往令人望而却步。LLM Agent 可以被指示去“搞定这些破事，直接将你带到“事情几乎可以工作”的阶段。

3. 自动化“苦差事”： 那些你不想做但又必须做的“脏活累活”，比如大规模的单元测试重构，完全可以交给 AI Agent 在虚拟机里折腾几个小时，然后带着一个 PR 回来。这反而会“逼迫”你去做“真正的工作 (real work)”。

回应常见的质疑：Ptacek 的“辩护”

Ptacek 在文章中也针对开发者对 AI 编码的常见质疑进行了犀利的回击，这些回应也为我们思考 Go 语言在 AI 时代的定位提供了新的视角。

• 关于代码质量与审查责任——“你根本不知道它写的是什么！”

Ptacek强调，开发者始终对合并到 main 分支的代码负责，无论是否使用 LLM。 LLM 生成的代码是“可知的”，你需要阅读它，甚至花时间将其调整为你自己的风格。如果连 LLM 生成的“乏味、重复”的代码都难以理解和消化，那可能是开发人员的“技能问题”。

• 关于“幻觉 (hallucination)”问题——“它会编造不存在的API！”

Ptacek 认为，对于编程而言，Agent 通过工具链（linting、编译、运行测试）形成的闭环反馈，已经（或多或少地）解决了“幻觉”问题。“如果它们的LLM编造了一个新的函数签名，Agent会看到错误。它们将其反馈给LLM，LLM会说‘哦，是的，我完全是编造的’，然后重试”。这里不能不提到** Go 语言的快速编译特性，使得这种“试错-反馈-修正”的闭环能够非常高效地运转。同时，Go 强大的标准库和清晰的 API 设计，是否也能减少 LLM“编造”API 的概率，或者使其更容易被工具链检测出来。

• 关于“代码像初级开发者写的”——“质量太差！”

Ptacek 回应：“一个实习生一个月要花20美元吗？因为 Cursor.ai 就是这个价钱”。他认为，高级开发者的职责之一就是让能力稍逊的编码者（无论是人类还是“智能体”）变得高效。使用好 Agent 本身就是一项技能和一项涉及提示、索引和（尤其是）工具链的工程项目。 LLM 只有在你允许的情况下才会产生劣质代码。

• 关于“不擅长特定语言 (如 Rust)”——“它写不了我的 Rust！”

Ptacek 认为这更多是语言生态和工具链成熟度的问题，而非 LLM 能力的根本缺陷。他特别指出：“我主要用 Go 工作……Go 恰到好处的类型安全、广泛的标准库以及推崇（通常是重复性）惯用法的文化。LLM 在生成 Go 代码方面表现出色。” 想必很多Go开发者也有着与Ptacek相同的感受，这是 Go 语言在 AI 辅助编程时代的一个显著优势！ Go 的简洁性、明确性、强大的标准库覆盖、以及社区对代码规范和惯用法的重视（例如 Effective Go），使得 Go 代码的模式相对统一和可预测，这为 LLM 的学习和生成提供了极大的便利。

对“手工艺精神”与“平庸代码”的再思考

Ptacek 对软件开发中的“手工艺精神”和对“平庸代码”的过度排斥也提出了批判。

• 他认为：专业软件开发者的工作是用代码为人们解决实际问题。在日常工作中，我们不是工匠。过度追求代码的“优雅”而忽视实际产出，可能是“自我安慰的yak-shaving（指做无关紧要的琐事）”。

• 对于“平庸代码”，他认为：开发者都喜欢对代码自吹自擂。他们担心LLM降低了质量的“天花板”。也许吧。但它们也提高了“地板”。LLM 生成的“平庸但彻底”的代码，可能比人类开发者“抖机灵”但引入缺陷的代码更有价值。

这也引发我们思考：在追求卓越工程的同时，我们是否也应该更务实地看待不同场景下对代码质量的不同要求？LLM 是否能帮助我们更高效地处理那些“允许平庸”但又耗时耗力的部分，从而让我们能将精力投入到真正需要人类智慧和创造力的核心工作中？

Go 开发者如何拥抱 AI Agent 的时代？

Ptacek 的文章，无论你是否完全认同其所有观点，都为我们描绘了一个 AI Agent 深度参与软件开发的未来图景。作为 Gopher，我们应该如何应对？

1. 更新认知，拥抱变化： 首先要认识到，现代 AI 辅助编程已经远超简单的代码补全。应该主动去了解和体验基于 Agent 的编码工具。
2. 学习与 AI Agent 高效协作： 掌握提示工程技巧，学会如何清晰地向 Agent表达需求、提供上下文、引导其生成和修改代码。
3. 发挥 Go 语言的优势： 利用 Go 的简洁性、强大的标准库、快速的编译和测试工具链，为 AI Agent 构建高效的开发和反馈环境。思考如何让 Go 代码对 AI 更“友好”。
4. 提升自身的核心价值： 将精力更多地投入到 AI 难以替代的领域：复杂系统设计、架构决策、需求理解与抽象、创新思维、以及对 Go 底层原理和并发模型的深刻理解。
5. 参与构建 Go 的 AI Agent 生态： Go 语言本身非常适合构建 CLI 工具和后端服务。我们是否可以利用 Go 来创建更强大的、针对 Go 开发的 Agent 辅助工具或平台？

小结：保持开放，主动实践，与 AI 共舞

AI 编码工具究竟是“真香”还是“智商税”？或许答案因人而异，也因我们如何使用它而异。但 Thomas Ptacek 的“挑衅”至少提醒我们，不能用静止的眼光看待飞速发展的技术。

AI 辅助编程的浪潮已然到来。对于我们 Gopher 而言，Go 语言的特性使其在这波浪潮中具有独特的优势。与其固守过去的经验和偏见，不如保持开放的心态，主动去实践和探索，让 AI Agent 成为我们提升自身能力、加速项目交付、并最终能专注于更有创造性工作的强大伙伴。

毕竟，正如 Ptacek 所说，当他那些“聪明的怀疑论朋友们”最终接受并开始使用这些工具时，他们将会让编码 Agent 比今天强大得多。

而我们，又怎能置身事外呢？

聊一聊，也帮个忙：

• 你目前在工作中使用 AI 辅助编程工具（如 Copilot, Cursor.ai, Gemini Code Assist，Trae等）的体验如何？它在哪些方面帮助了你，又有哪些不足？
• Ptacek 文章中对 AI 编码的哪个观点让你印象最深刻？你同意还是反对？为什么？
• 你认为 Go 语言在 AI 辅助编程时代，还有哪些可以进一步优化的方向，以更好地与 LLM Agent 结合？

欢迎在评论区留下你的思考和经验。如果你觉得这篇文章提供了一个值得探讨的视角，也请转发给你身边的开发者朋友们，一起参与这场关于 AI 与编程未来的讨论！

想与我进行更深入的 Go 语言、AI 赋能开发与技术趋势交流吗？ 欢迎加入我的“Go & AI 精进营”知识星球。

我们星球见！

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/2025/05/06/cheating-the-reaper-in-go

大家好，我是Tony Bai。

Go语言以其强大的垃圾回收 (GC) 机制解放了我们这些 Gopher 的心智，让我们能更专注于业务逻辑而非繁琐的内存管理。但你有没有想过，在 Go 这个看似由 GC “统治”的世界里，是否也能体验一把“手动管理”内存带来的极致性能？甚至，能否与 GC “斗智斗勇”，让它为我们所用？

事实上，Go 官方也曾进行过类似的探索。 他们尝试在标准库中加入一个arena包，提供一种基于区域 (Region-based) 的内存管理机制。测试表明，这种方式确实能在特定场景下通过更早的内存复用和减少 GC 压力带来显著的性能提升。然而，这个官方的 Arena 提案最终被无限期搁置了。原因在于，Arena 这种手动内存管理机制与 Go 语言现有的大部分特性和标准库组合得很差 (compose poorly)。

官方的尝试尚且受阻，那么个人开发者在 Go 中玩转手动内存管理又会面临怎样的挑战呢？最近，一篇名为 “Cheating the Reaper in Go” (在 Go 中欺骗死神/收割者) 的文章在技术圈引起了不小的关注。作者 mcyoung 以其深厚的底层功底，展示了如何利用unsafe包和对 Go GC 内部运作机制的深刻理解，构建了一个非官方的、实验性的高性能内存分配器——Arena。

这篇文章的精彩之处不仅在于其最终实现的性能提升，更在于它揭示了在 Go 中进行底层内存操作的可能性、挑战以及作者与 GC “共舞”的巧妙思路。需要强调的是，本文的目的并非提供一个生产可用的 Arena 实现（官方尚且搁置，其难度可见一斑），而是希望通过解读作者这次与 GC “斗智斗勇”的“黑科技”，和大家一起更深入地理解 Go 的底层运作机制。

为何还要探索 Arena？理解其性能诱惑

即使官方受阻，理解 Arena 的理念依然有价值。它针对的是 Go 自动内存管理在某些场景下的潜在瓶颈：

• 高频、小对象的分配与释放： 频繁触碰 GC 可能带来开销。
• 需要统一生命周期管理的内存： 一次性处理比零散回收更高效。

Arena 通过批量申请、内部快速分配、集中释放（在 Go 中通常是让 Arena 不可达由 GC 回收）的策略，试图在这些场景下取得更好的性能。

核心挑战：Go 指针的“特殊身份”与 GC 的“规则”

作者很快指出了在 Go 中实现 Arena 的核心障碍：Go 的指针不是普通的数据。GC 需要通过指针位图 (Pointer Bits) 来识别内存中的指针，进行可达性分析。而自定义分配的原始内存块缺乏这些信息。

作者提供了一个类型安全的泛型函数New[T]来在 Arena 上分配对象：

type Allocator interface {
  Alloc(size, align uintptr) unsafe.Pointer
}

// New allocates a fresh zero value of type T on the given allocator, and
// returns a pointer to it.
func New[T any](a Allocator) *T {
  var t T
  p := a.Alloc(unsafe.Sizeof(t), unsafe.Alignof(t))
  return (*T)(p)
}

但问题来了，如果我们这样使用：

p := New[*int](myAlloc) // myAlloc是一个实现了Allocator接口的arena实现
*p = new(int)
runtime.GC()
**p = 42  // Use after free! 可能崩溃!

因为 Arena 分配的内存对 GC 不透明，GC 看不到里面存储的指向new(int)的指针。当runtime.GC()执行时，它认为new(int)分配的对象已经没有引用了，就会将其回收。后续访问**p就会导致 Use After Free。

“欺骗”GC 的第一步：让 Arena 整体存活

面对这个难题，作者的思路是：让 GC 知道 Arena 的存在，并间接保护其内部分配的对象。关键在于确保：只要 Arena 中有任何一个对象存活，整个 Arena 及其所有分配的内存块（Chunks）都保持存活。

这至关重要，通过强制标记整个 arena，arena 中存储的任何指向其自身的指针将自动保持活动状态，而无需 GC 知道如何扫描它们。所以，虽然这样做后， *New[*int](a) = new(int) 仍然会导致释放后重用，但 *New[*int](a) = New[int](a) 不会！即arena上分配的指针仅指向arena上的内存块。 这个小小的改进并不能保证 arena 本身的安全，但只要进入 arena 的指针完全来自 arena 本身，那么拥有内部 arena 的数据结构就可以完全安全。

1. 基本 Arena 结构与快速分配

首先，定义 Arena 结构，包含指向下一个可用位置的指针next和剩余空间left。其核心分配逻辑 (Alloc) 主要是简单的指针碰撞：

package arena

import "unsafe"

type Arena struct {
    next  unsafe.Pointer // 指向当前 chunk 中下一个可分配位置
    left  uintptr        // 当前 chunk 剩余可用字节数
    cap   uintptr        // 当前 chunk 的总容量 (用于下次扩容参考)
    // chunks 字段稍后添加
}

const (
    maxAlign uintptr = 8 // 假设 64 位系统最大对齐为 8
    minWords uintptr = 8 // 最小分配块大小 (以字为单位)
)

func (a *Arena) Alloc(size, align uintptr) unsafe.Pointer {
    // 1. 对齐 size 到 maxAlign (简化处理)
    mask := maxAlign - 1
    size = (size + mask) &^ mask
    words := size / maxAlign

    // 2. 检查当前 chunk 空间是否足够
    if a.left < words {
        // 空间不足，分配新 chunk
        a.newChunk(words) // 假设 newChunk 会更新 a.next, a.left, a.cap
    }

    // 3. 在当前 chunk 中分配 (指针碰撞)
    p := a.next
    // (优化后的代码，去掉了检查 one-past-the-end)
    a.next = unsafe.Add(a.next, size)
    a.left -= words

    return p
}

2. 持有所有 Chunks

为了防止 GC 回收 Arena 已经分配但next指针不再指向的旧 Chunks，需要在 Arena 中明确持有它们的引用：

type Arena struct {
    next  unsafe.Pointer
    left, cap uintptr
    chunks []unsafe.Pointer  // 新增：存储所有分配的 chunk 指针
}

// 在 Alloc 函数的 newChunk 调用之后，需要将新 chunk 的指针追加到 a.chunks
// 例如，在 newChunk 函数内部实现: a.chunks = append(a.chunks, newChunkPtr)

原文测试表明，这个append操作的成本是摊销的，对整体性能影响不大，结果基本与没有chunks字段时持平。

3. 关键技巧：Back Pointer

是时候保证整个arena安全了！这是“欺骗”GC 的核心。通过reflect.StructOf动态创建包含unsafe.Pointer字段的 Chunk 类型，并在该字段写入指向 Arena 自身的指针：

import (
    "math/bits"
    "reflect"
    "unsafe"
)

// allocChunk 创建新的内存块并设置 Back Pointer
func (a *Arena) allocChunk(words uintptr) unsafe.Pointer {
    // 使用 reflect.StructOf 创建动态类型 struct { Data [N]uintptr; BackPtr unsafe.Pointer }
    chunkType := reflect.StructOf([]reflect.StructField{
        {
            Name: "Data", // 用于分配
            Type: reflect.ArrayOf(int(words), reflect.TypeFor[uintptr]()),
        },
        {
            Name: "BackPtr", // 用于存储 Arena 指针
            Type: reflect.TypeFor[unsafe.Pointer](), // !! 必须是指针类型，让 GC 扫描 !!
        },
    })

    // 分配这个动态结构体
    chunkPtr := reflect.New(chunkType).UnsafePointer()

    // 将 Arena 自身指针写入 BackPtr 字段 (位于末尾)
    backPtrOffset := words * maxAlign // Data 部分的大小
    backPtrAddr := unsafe.Add(chunkPtr, backPtrOffset)
    *(**Arena)(backPtrAddr) = a // 写入 Arena 指针

    // 返回 Data 部分的起始地址，用于后续分配
    return chunkPtr
}

// newChunk 在 Alloc 中被调用，用于更新 Arena 状态
func (a *Arena) newChunk(requestWords uintptr) {
    newCapWords := max(minWords, a.cap*2, nextPow2(requestWords)) // 计算容量
    a.cap = newCapWords

    chunkPtr := a.allocChunk(newCapWords) // 创建新 chunk 并写入 BackPtr

    a.next = chunkPtr // 更新 next 指向新 chunk 的 Data 部分
    a.left = newCapWords // 更新剩余容量

    // 将新 chunk (整个 struct 的指针) 加入列表
    a.chunks = append(a.chunks, chunkPtr)
}

// (nextPow2 和 max 函数省略)

通过这个 Back Pointer，任何指向 Arena 分配内存的外部指针，最终都能通过 GC 的扫描链条将 Arena 对象本身标记为存活，进而保活所有 Chunks。这样，Arena 内部的指针（指向 Arena 分配的其他对象）也就安全了！原文的基准测试显示，引入 Back Pointer 的reflect.StructOf相比直接make([]uintptr)对性能有轻微但可察觉的影响。

性能再“压榨”：消除冗余的 Write Barrier

分析汇编发现，Alloc函数中更新a.next(如果类型是unsafe.Pointer) 会触发 Write Barrier。这是 GC 用来追踪指针变化的机制，但在 Back Pointer 保证了 Arena 整体存活的前提下，这里的 Write Barrier 是冗余的。

作者的解决方案是将next改为uintptr：

type Arena struct {
    next  uintptr // <--- 改为 uintptr
    left  uintptr
    cap   uintptr
    chunks []unsafe.Pointer
}

func (a *Arena) Alloc(size, align uintptr) unsafe.Pointer {
    // ... (对齐和检查 a.left < words 逻辑不变) ...
    if a.left < words {
        a.newChunk(words) // newChunk 内部会设置 a.next (uintptr)
    }

    p := a.next // p 是 uintptr
    a.next += size // uintptr 直接做加法，无 Write Barrier
    a.left -= words

    return unsafe.Pointer(p) // 返回时转换为 unsafe.Pointer
}

// newChunk 内部设置 a.next 时也应存为 uintptr
func (a *Arena) newChunk(requestWords uintptr) {
    // ... (allocChunk 不变) ...
    chunkPtr := a.allocChunk(newCapWords)
    a.next = uintptr(chunkPtr) // <--- 存为 uintptr
    // ... (其他不变) ...
}

这个优化效果如何？原文作者在一个 GC 压力较大的场景下（通过一个 goroutine 不断调用runtime.GC()模拟）进行了测试，结果表明，对于小对象的分配，消除 Write Barrier 带来了大约 20% 的性能提升。这证明了在高频分配场景下，即使是 Write Barrier 这样看似微小的开销也可能累积成显著的性能瓶颈。

更进一步的可能：Arena 复用与sync.Pool

文章还提到了一种潜在的优化方向：Arena 的复用。当一个 Arena 完成其生命周期后（例如，一次请求处理完毕），其占用的内存理论上可以被“重置”并重新利用，而不是完全交给 GC 回收。

作者建议，可以将不再使用的 Arena 对象放入sync.Pool中。下次需要 Arena 时，可以从 Pool 中获取一个已经分配过内存块的 Arena 对象，只需重置其next和left指针即可开始新的分配。这样做的好处是：

• 避免了重复向 GC 申请大块内存。
• 可能节省了重复清零内存的开销（如果 Pool 返回的 Arena 内存恰好未被 GC 清理）。

这需要更复杂的 Arena 管理逻辑（如 Reset 方法），但对于需要大量、频繁创建和销毁 Arena 的场景，可能带来进一步的性能提升。

unsafe：通往极致性能的“危险边缘”

贯穿整个 Arena 实现的核心是unsafe包。作者坦诚地承认，这种实现方式严重依赖 Go 的内部实现细节和unsafe提供的“后门”。

这再次呼应了 Go 官方搁置 Arena 的原因——它与语言的安全性和现有机制的兼容性存在天然的矛盾。使用unsafe意味着：

• 放弃了类型和内存安全保障。
• 代码变得脆弱，可能因 Go 版本升级而失效（尽管作者基于Hyrum 定律认为风险相对可控）。
• 可读性和可维护性显著降低。

小结

“Cheating the Reaper in Go” 为我们呈现了一场精彩的、与 Go GC “共舞”的“黑客艺术”。通过对 GC 原理的深刻洞察和对unsafe包的大胆运用，作者展示了在 Go 中实现高性能自定义内存分配的可能性，虽然作者的实验性实现是一个toy级别的。

然而，正如 Go 官方的 Arena 实验所揭示的，将这种形式的手动内存管理完美融入 Go 语言生态，面临着巨大的挑战和成本。因此，我们应将这篇文章更多地视为一次理解 Go 底层运作机制的“思想实验”和“案例学习”，而非直接照搬用于生产环境的蓝图。

对于绝大多数 Go 应用，内建的内存分配器和 GC 依然是最佳选择。但通过这次“与死神共舞”的探索之旅，我们无疑对 Go 的底层世界有了更深的敬畏和认知。

你如何看待在 Go 中使用unsafe进行这类底层优化？官方 Arena 实验的受阻说明了什么？欢迎在评论区分享你的思考！ 如果你对 Go 的底层机制和性能优化同样充满好奇，别忘了点个【赞】和【在看】！

原文链接：https://mcyoung.xyz/2025/04/21/go-arenas

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。