AI - Tony Bai

本文永久链接 – https://tonybai.com/2025/08/14/rs-py-ts-trifecta

大家好，我是Tony Bai。

在 AI 浪潮席卷而来的今天，一个深刻的问题正摆在所有开发者面前：我们手中的编程语言，将如何被这股力量重塑？我们未来的技能投资，应该押注在哪里？

最近，Rust 核心团队的 Niko Matsakis，在他的一篇博文中给出了一个大胆的预测：Rust、Python 和 TypeScript 将成为未来的主导语言（移动端除外），形成新的“三驾马车”。

他的核心论点极具说服力：AI 正在削弱我们的“语言忠诚度”。过去，我们选择最熟悉的语言以求最快，因为学习新语言和其生态的成本太高。但现在，AI 正在改变这一切。

Niko 写道：“当我使用 AI 助手构建项目时，我的思维方式不同了。我更多地考虑有哪些库可用，我的基本性能需求是什么，以及我期望与哪些平台集成。” 换言之，AI 正在帮助我们克服学习曲线的“坑”，让我们得以回归本源，为任务选择“基础最扎实”的语言。

而这“三驾马车”，恰好占据了最关键的生态位：

Rust： 系统与性能的基石，以其无与伦比的内存安全和效率成为底层开发的首选。
Python： 数据与实验的引擎，凭借其在科学计算和机器学习领域的绝对统治力，主导原型设计和数据应用。
TypeScript： Web 与应用的界面，作为 Web 的“母语”，在浏览器和众多跨平台应用中拥有不可替代的地位。

这个预测听起来逻辑严谨，几乎无懈可击。然而，当我们把目光从理想的“基础”，转向现实世界的复杂工程实践时，一些强大的“挑战者”浮出水面，它们的故事，同样值得倾听。

一种新的编程范式：“想法导向编程”

在深入辩论之前，我们必须先理解 Niko 提出的一个核心概念，它支撑着整个预测的基石——“想法导向编程” (Idea-Oriented Programming, IOP)。

这并非是那种懒散、模糊地对 AI 说“给我做个XX”的“氛围编程 (Vibe Coding)”。IOP 是一种严谨的编程范式，它重新定义了人与 AI 的关系：

“开发者更像是首席架构师，而你的编码工具就像是你的学徒。你思考目标和关键设计，制定清晰的计划，并将重活累活授权给工具——然后你审查它们的产出，并进行调整。”

在这种模式下，AI 不是“神灯精灵”，而是你的“学徒”。它负责处理繁琐的实现细节，而你，则被解放出来，专注于更高层次的、创造性的工作。正是这种角色的转变，使得“语言基础”变得比“个人熟练度”更重要。

然而，这个看似完美的预测，真的无懈可击吗？

挑战者一：Go 语言的“反击”——简洁即力量

Niko 的预测，似乎忽略了一个在工程效率中至关重要的因素——简单性 (Simplicity)。而这，正是 Go 语言的立身之本。

1. 真正的“AI 友好”： Niko 强调，强大的类型系统对 AI 来说是至关重要的“护栏”。这一点毋庸置疑。但 AI 同样面临“认知负荷”的问题。AI 极其擅长生成 Go 这种规则简单、没有“魔法”、风格统一的样板代码。但让 AI 完美处理 Rust 复杂的生命周期和所有权，或者 TypeScript 中层出不穷的类型体操，至今仍是一个巨大的挑战。在未来“人机协作审查”的开发模式下，哪种语言对审查者更友好？答案不言而喻。

2. 工程效率的真谛： AI 能加速“编码”，但无法加速“决策”。Go 强大的标准库和“小而美”的生态，为开发者提供了一条清晰的“默认路径”，极大地避免了在技术选型上陷入“分析瘫痪”。在一个团队中，这种由简洁性带来的决策效率和低认知负荷，是实实在在的生产力。

3. 并发模型的优势： 在云原生和后端服务的核心地带，Go 的 Goroutine + Channel 并发模型，其简单性和在高 I/O 吞吐场景下的卓越表现，依然是难以被撼动的“杀手锏”。

Go 语言似乎在用它的整个设计哲学反问：当 AI 能处理大部分实现细节时，我们人类开发者最宝贵的资源——注意力——应该花在与语言的复杂性搏斗上，还是花在业务逻辑和系统设计上？

挑战者二：Java/JVM 生态的“护城河”——惯性即引力

Niko 的预测，也可能低估了企业级市场的惯性，以及 JVM 生态那深不见底的“护城河”。

1. 庞大的生态与人才库： 全球数百万的 Java 开发者，以及由 Spring 等框架构建起来的、支撑着全球无数核心业务的庞大系统，不会在一夜之间消失。AI 或许能帮你写一个 CRUD，但无法替代一个经验丰富的架构师来驾驭一个复杂的企业级系统。

2. 虚拟机的力量： JVM 本身就是一层极其强大的抽象。它提供了无与伦比的跨平台能力、经过数十年优化的运行时性能、以及一整套成熟到“令人发指”的调试、监控和性能分析工具。对于追求长期稳定和可维护性的大型企业来说，这种确定性本身就是一种最“扎实”的基础。

3. 新语言的活力： 别忘了，JVM 生态并非只有 Java。像 Kotlin、Scala和Clojure 这样的现代化语言，既享受了 JVM 的全部生态红利，又提供了强大的类型系统和函数式编程能力，它们同样是“三驾马车”的有力竞争者。

在追求“基础扎实”的企业世界里，Java/JVM 生态的稳定性和成熟度，本身就是一种难以被轻易取代的引力。

小结：一场关于“什么最重要”的伟大辩论

Niko 的预测，与其说是一个结论，不如说它开启了一场关于“AI 时代，什么才是最重要的语言特性”的伟大辩论。

“三驾马车”的拥护者认为： 是强大的类型系统和繁荣的库生态，它们为 AI 提供了最坚实的基础和最丰富的工具。
Go 的支持者反驳道： 是极致的简洁性和低认知负荷，它们将人类从复杂性中解放出来，专注于创造。
Java/JVM 的捍卫者则强调： 是成熟的企业生态和强大的运行时，它们为关键业务提供了最需要的稳定性和确定性。

有趣的是，Niko 自己也承认，这种“想法导向编程”的角色，与大公司的“首席工程师 (Principal Engineer)”非常相似。这引出了一个新的问题：过去，首席工程师的价值在于其丰富的经验和判断力。当 AI 让所有开发者都能像 PE 一样工作时，我们又该如何培养这种宝贵的判断力？

这或许是这场变革中，留给我们的最深刻的思考题。

Rust、Python、TypeScript 组成的“专家团队”或许是一条路，但 Go 这样的“全能瑞士军刀”和 Java 这样的“企业级航母”，也同样拥有无法被忽视的优势。

唯一可以确定的是，旧的格局正在被打破。而未来的编程语言版图，将由我们每一个开发者，用自己的项目和选择，共同绘制。

你认为，在 AI 的浪潮下，哪种语言或哪种特性，才是真正的未来？欢迎在评论区留下你的看法。

资料链接：https://smallcultfollowing.com/babysteps/blog/2025/07/31/rs-py-ts-trifecta

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/2025/08/06/blitzkrieg-vs-attrition-in-ai-age

大家好，我是Tony Bai。

最近，我们的社交媒体时间线上，充斥着各种令人惊叹的 AI 效率神话。一些出海独立开发者，凭借 AI 的强大能力，在极短时间内“闪电般”地产出数个产品，上演着“一人成军”的传奇。

这景象，在令人惊叹之余，也难免给我们这些在大型项目和复杂系统中深耕的工程师，带来一丝焦虑：世界变化这么快，我们传统的开发模式和节奏，是否已经落伍了？

今天，我想和你深入探讨这背后的本质。我们需要清醒地认识到，这其实是两种目标、路径、评价体系都截然不同的开发模式。我称之为：“闪电战”与“持久战”。

“闪电战”模式：速度优先的“代码喷射器”

首先，我们必须理解那些“效率神话”主角们的战场。这是一种典型的“闪电战”模式。

核心目标： 快速验证想法，通过大量的产品“赛马”，在广阔的市场中捕捉稍纵即逝的流量和商机。
产品生命周期： 极短，甚至可以说是“阅后即焚”。一个产品可能只有一周的生命周期。若数据不佳，便会毫不犹豫地被下线，开发者则迅速转向下一个想法。
AI 的角色： 在这个模式下，AI 是一个速度优先的“代码喷射器”。它的核心任务是在最短时间内生成能运行的代码。至于代码质量、设计一致性、可维护性、乃至长期的技术债，通通不在首要考虑之列。因为代码本身，就是一种“快速消费品”。

我们工程师的“持久战”模式：严谨可靠的“副驾驶”

现在，让我们回到自己的战场。我们绝大多数人从事的，是截然不同的“持久战”。

核心目标： 构建稳定、可靠、可长期演进的系统。我们写的代码，很可能需要在金融、医疗、基础设施等关键领域，7×24 小时不间断地运行数年。
产品生命周期： 长期，以年为单位。每一次代码提交，都是在为一座摩天大楼添砖加瓦。
AI 的角色： 在这里，AI 必须是一个严谨可靠的“副驾驶”。它生成的每一行代码，都必须经受我们最严格的审视。因为我们，作为工程师，需要对 AI 产出的质量、安全性、性能、可维护性负全部责任。在这里，代码不再是消费品，而是需要长期持有和维护的核心资产——或者，沉重的技术负债。

看清这一点，我们就能明白：用“闪电战”的效率标准来衡量“持久战”的工作，是毫无意义的。 我们的战场不同，评价标准也完全不同。因此，我们完全没有必要为那种“一人一天N个产品”的神话而感到焦虑。

我们“持久战”工程师的 AI 打法与“护栏”

那么，在我们的“持久战”中，应该如何正确地使用 AI，既享受其带来的效率提升，又保证工程质量呢？关键在于建立清晰的“护栏”。

代码审查是最后防线： AI 生成的代码，必须经过比人类编写的代码更严格的审查。审查的重点，不应仅仅停留在功能实现，更要深入到安全漏洞、性能陷阱、设计模式是否恰当等深层问题。
建立团队级“Prompt 知识库”： 鼓励团队沉淀高质量、包含完整上下文和明确规范要求的 Prompt 模板。这能保证 AI 输出的“起点”质量更高，更符合团队的架构和规范，而不是每次都从零开始“随机”生成。
AI 专攻其擅长领域： 我们可以放心地让 AI 生成单元测试、API 文档、数据结构模板，或是在明确的模式下进行代码重构。但在核心架构设计、复杂业务逻辑实现等“高风险”领域，AI 只应作为提供思路参考的“顾问”，绝不能成为决策者。
引入“AI 生成”标识： 在代码提交或 Code Review 流程中，可以引入规范，要求开发者明确标识出哪些部分是由 AI 主要生成的。这就像在施工图纸上标注出“预制件”，提醒审查者需要重点检查其接口和集成质量。