本文永久链接 – https://tonybai.com/2025/07/05/agentic-coding-is-the-future

大家好，我是Tony Bai。

软件开发的范式正在经历一场深刻的变革。从 GitHub Copilot 的惊艳亮相，到各种IDE中集成的代码生成功能，我们已经习惯了 AI 在编码过程中的“自动补全”。但这仅仅是序幕。如今，一种更强大、更具颠覆性的模式正在兴起，它就是——Agentic Coding (智能体驱动编码)。

最近，Flask 和 Jinja2 等知名开源项目的作者 Armin Ronacher 分享了他近几个月沉浸式体验 Agentic Coding 的感受。他认为，这开启了人机协作编程的新篇章，带来了前所未有的生产力飞跃。

Agentic Coding 不再是简单的代码提示，而是开发者与 AI Agent 之间的实时协作 (real time collaboration)。它预示着软件开发的未来，一个我们都应该主动了解和拥抱的未来。

超越“自动补全”：Agentic Coding 是什么？

要理解 Agentic Coding 的变革性，首先要明白它与我们熟悉的“自动补全”工具的本质区别。如果说 Copilot 是你的“智能导航仪”，那么编码 Agent 就是你的“编程搭档”。它能够：

• 理解和分解复杂任务： 将一个宏大的目标（如“为这个项目添加用户认证功能”）分解为一系列可执行的子任务。
• 自主使用工具链： 像人类开发者一样，运行编译器 (go build)、测试框架 (go test)、linter、formatter 等。
• 与开发环境深度交互： 直接创建、修改、删除文件；与 Git 进行交互；浏览文件系统。
• 基于反馈进行迭代： 当编译失败或测试不通过时，Agent 会阅读错误信息，理解问题所在，并尝试进行修复，形成一个“试错-反馈-修正”的闭环。
• 长时间、持续地工作： 甚至可以运行数小时来完成大型任务。

Agentic Coding 的核心，是将 LLM 的推理能力与实际的开发工具链和环境深度结合，使其从一个“代码片段生成器”进化为一个能够自主执行复杂编程任务的“智能体”。

浪潮已至：Agentic Coding 为何在当下爆发？

Armin 认为，这场浪潮的兴起主要源于三个因素的共同作用：

1. 模型能力的突破： OpenAI o3 、Claude 4 Opus、Gemini 2.5 pro等最新一代模型，在“工具使用 (tool usage)”能力上取得了质的飞跃。
2. 官方 Agent 的引领： Anthropic 的 claude-code 等官方 Agent 实现，为社区提供了最佳实践的范本。
3. 更优的成本效益： 通过订阅服务使用 Agentic Coding，使得长时间、高强度的 Agent 运行在经济上变得可行。

如何高效拥抱 Agentic Coding：来自一线的实践指南

要驾驭好这位强大的“编程搭档”，并非易事。Armin 分享了大量宝贵的实践经验，总结起来，核心在于：构建一个“Agent 友好”的环境，并学会如何有效管理上下文。

语言和代码库的选择：“简单”是 Agent 的朋友

• 简单的语言更受欢迎

Armin 发现，像 Go、PHP、基础 Python 这样的语言，对 Agent 更友好。它们的语法结构清晰，概念相对较少，使得 AI 更容易理解和生成代码。Go 语言的简洁性、强大的标准库和较少的生态系统变动，使其成为 Agentic Coding 的理想选择之一。

• 生态系统稳定性很重要

生态系统变动越少的语言或框架，效果越好。

• 代码库内部模式要统一

如果一个代码库中存在多种相互冲突的设计模式，Agent 会感到困惑。

• 命名要清晰

长且独特的函数名能帮助 Agent 更好地理解和定位代码，避免不必要的代码重复。

优化你的开发环境：为 Agent “铺路”

• 构建“Agent友好”的工具

你的工具在被误用时，应该明确报错并提供有用的错误信息，而不是静默失败。Armin 举例说，Rust 的测试框架在未选中任何测试时会报告“成功运行0个测试”，这就是一个反例。

• 统一的、纯文本的日志系统

Agent 需要的是简单、清晰的文本日志来理解系统状态。将浏览器控制台日志、SQL 日志等统一输出到 Agent 可以访问的日志文件中，能极大地帮助它进行端到端的调试。

• 为 Agent 提供“草稿空间”

在项目中明确告知 Agent 在哪里可以安全地创建和运行一次性的测试或探索性代码。

上下文管理是关键：避免“信息过载”与“迷失方向”

• 审慎使用 MCP，拥抱命令行工具

作者发现，当前模型对命令行工具的理解和使用能力，远胜于对 MCP 的。Agent 可以轻松地将多个 CLI 工具组合进 Shell 脚本来完成复杂任务。

• 主动提供摘要，避免 Agent “闲逛”

为 Agent 提供关键 API 或代码模块的摘要，或者构建一个工具来生成摘要，能极大地节省上下文并提高效率。

• 避免在“混乱”的环境中启动 Agent

如果你的开发环境本身是坏的，Agent 会花费大量上下文去修复环境，而不是解决你真正想解决的问题。

• 使用子任务分解复杂问题

将大任务分解为清晰的子任务，是管理复杂性和上下文的有效手段。

拥抱前需理解的关键点：从挑战看发展方向

面对 Agentic Coding 的强大能力，一些开发者可能会有疑虑。我们不必将其视为障碍，而应看作是推动技术向更成熟阶段发展的方向。

• 关于代码质量： Agentic Coding 对开发者的审查能力和架构判断力提出了更高的要求。我们的角色将更多地从“代码生产者”转变为“代码质量的最终负责人和架构师”。我们始终对合并到 main 分支的代码负责。
• 关于“幻觉”问题： 通过工具链（编译、测试、lint）形成的闭环反馈，Agentic Coding 正在有效地缓解“幻觉”问题。这也指明了未来 Agent 开发平台需要重点投入的方向——构建更健壮的验证和反馈机制。
• 关于不擅长特定语言： Agentic Coding 的发展将推动语言和生态系统向更“Agent 友好”的方向演进。正如 Armin 所说，Go 语言因其恰到好处的类型安全、广泛的标准库和推崇惯用法的文化，在这方面已展现出天然优势。
• 关于安全风险（YOLO 模式）： 当前重度用户为了最大化 Agent 能力而给予其完全系统权限的“YOLO 模式”，是一种早期探索阶段的高风险行为。未来，成熟的 Agentic Coding 平台必然会提供更安全、更可靠的权限管理和沙箱环境，这是该领域走向普及的必经之路。

注：YOLO 是 “You Only Live Once” (你只活一次) 的缩写。这个词最初流行于社交网络，表达的是一种活在当下、大胆尝试、不畏惧风险的人生态度。在技术领域，特别是 Armin Ronacher 在谈论 Agentic Coding 时使用的语境下，“YOLO 模式”特指一种大胆甚至有些“鲁莽”的使用方式，即给予 AI Agent 极高的、几乎不受限制的系统访问权限。

Go 语言在 Agentic Coding 时代的独特机遇

在 Armin 的分享中，Go 语言被特别提及，并被认为是 Agentic Coding 的理想选择之一。这并非偶然，Go 的诸多特性使其在这场人机协作的新范式中占据了有利位置：

1. 简洁性与可预测性： Go 语言“简单为王”的设计哲学，使其语法结构清晰、概念少、没有复杂的隐式行为。这使得 AI Agent 能更容易地理解、分析和生成高质量的 Go 代码。
2. 强大的工具链与高效的反馈闭环： Go 的快速编译、内置测试、静态检查等工具，为 Agent 提供了极其高效的“试错-反馈-修正”闭环。Armin 提到的 Go Test Caching 功能，能让 Agent 更智能地只运行受影响的测试，这是一个绝佳的例子。
3. 并发与系统编程能力： Go 语言本身非常适合编写 Agent 所需的各种命令行工具、后端服务、以及处理并发任务的 CI/CD 流程。我们可以用 Go 来为 AI Agent 构建高效、可靠的“武器库”。
4. 清晰的错误处理： Go 显式的 error 返回值机制，相比于异常，为 Agent 提供了更清晰、更可预测的错误处理路径。

小结：拥抱 Agentic Coding，就是拥抱软件开发的未来

Agentic Coding 正在开启一个软件开发的新篇章。它标志着我们与 AI 的关系，从简单的“主仆”（人命令，AI补全），演进为更深度的“伙伴”（人规划，AI协作执行）。

这场变革要求我们主动进化。开发者需要将重心更多地从繁琐的代码实现，转移到复杂问题的分解、系统架构的设计、以及对 AI Agent 的精准引导和结果验证上。

对于我们 Gopher 而言，这是一个激动人心的机遇。Go 语言的设计哲学和工程特性，使其在这场变革中具有天然的优势。与其对新范式感到疑虑或观望，不如主动去学习、实践，探索如何驾驭这位强大的“编程搭档”，让它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助力。

技术的浪潮滚滚向前，拥抱 Agentic Coding，就是拥抱软件开发的未来。

资料链接：https://www.youtube.com/watch?v=nfOVgz_omlU

聊一聊，也帮个忙：

• 你认为 Agentic Coding 将在哪些方面最先深刻地改变我们的日常开发工作？
• Armin Ronacher 提出的这些实践技巧，哪一点你认为最重要，并计划在自己的工作中尝试？
• 你认为 Go 语言为了更好地成为 Agentic Coding 时代的首选语言之一，社区或官方还可以在哪些方面发力？

欢迎在评论区留下你的思考和经验。如果你觉得这篇文章为你描绘了软件开发的未来图景，也请转发给你身边的开发者朋友们，一起迎接 Agentic Coding 时代的到来！

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。

[此处放置知识星球二维码]

我们星球见！

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/2025/06/20/redmonk-index-2025-jan

大家好，我是Tony Bai。

编程语言的江湖，总是风起云涌，新旧更迭。而 RedMonk 编程语言排行榜，以其独特的视角（结合 GitHub 的代码活跃度和 Stack Overflow 的讨论热度），长期以来都是我们观察这片江湖风向的重要参考。

就在最近，RedMonk发布了其2025年1月的编程语言排行榜。榜单本身波澜不惊，Top 20 的名单几乎与上一期如出一辙，这似乎预示着编程语言领域正进入一个相对“固化”的时期。然而，在这份看似平静的榜单背后，却潜藏着一个巨大的变量，一个足以让 RedMonk 自身都开始反思其排行方法论的“房间里的大象”——那就是 AI 的崛起，及其对 Stack Overflow 数据源的颠覆性冲击。

今天，我们就来解读这份最新的 RedMonk 排行榜，看看 Go 语言在其中表现如何，更重要的是，探讨在 AI 时代，我们该如何看待这类排行榜，以及 Go 语言的未来又将走向何方。

RedMonk 排行榜：方法论回顾与本次看点

在解读具体排名之前，我们有必要简单回顾一下 RedMonk 排行榜的方法论。它并非统计当前“谁用得多”，而是试图通过两个维度的数据来预测语言的未来采用趋势：

1. GitHub 数据： 主要通过 GitHub Archive 拉取数据，分析代码提交中使用的语言，代表了语言在实际项目开发中的活跃度和受开发者青睐的程度。
2. Stack Overflow 数据： 通过其 Data Explorer 查询，分析特定语言标签下的问题和讨论数量，代表了语言在开发者社区中的关注度和开发者在学习、使用过程中遇到的问题量（间接反映了活跃度）。

RedMonk 强调，榜单的“分层 (Tiering)”比具体的数字名次更重要，因为精确排名本身就存在误差。同时，对于排名靠后的语言，由于数据量较小，其排名的波动性和不确定性会更大。

本次 2025 年 1 月的排行，最大的看点莫过于 RedMonk 博客作者 Stephen O’Grady 对 Stack Overflow (以下有时简称SO)数据有效性的公开疑虑。他明确指出，随着 ChatGPT、GitHub Copilot 等 AI 工具的普及，开发者遇到问题时，直接向 AI 提问的比例越来越高，而去 Stack Overflow 搜索或提问的需求显著下降。这导致 Stack Overflow 整体流量和特定语言标签下的讨论量都在萎缩，从而可能扭曲了基于 StackOverflow 数据的排名。RedMonk 甚至在考虑未来是否要调整 SO 数据的权重，甚至完全放弃使用它。

这无疑为我们解读本次榜单，尤其是观察那些 SO 数据占比较重的语言，提供了一个全新的、也是更具挑战性的视角。

Go语言：稳坐 Top 12，GitHub 根基深厚

在这样的背景下，我们来看看Go语言的表现：

• 排名： Go 语言在此次排行中位列 第 12 位，与统计语言 R 并列。
• 稳定性： Top 20 的榜单几乎“纹丝不动”，Go 的排名也保持了稳定。回顾历史，Go 从 2015 年的第 17 位，稳步上升，并在近几年持续超越了曾经在 JVM 生态中势头强劲的 Scala 和 Kotlin。
• 解读 Go 的“稳”： 在 Stack Overflow 数据可能“失真”、整体排行趋于“凝固”的大环境下，Go 语言能够牢牢占据 Top 12 的位置，这本身就充分说明了其在 GitHub 上的代码活跃度和开发者基础的极端稳固。这与 Go 在云原生、后端服务、基础设施等领域的深厚积累和广泛应用密不可分。

关键语言动态：Go 在比较中更显价值

RedMonk 的博文还特别点出了一些值得关注的语言动态，通过与这些语言的对比，我们可以更清晰地看到 Go 的独特价值和发展趋势。

• TypeScript (第 6) 的“平台期”与 Go 的“幕后英雄”角色

尽管 TypeScript 在 JavaScript 生态中不可或缺，其排名也高居第 6，但博文指出它似乎进入了一个“增长平台期”，难以再向上突破。

RedMonk 提到了 TypeScript 在可扩展性 (scalability) 方面可能遇到的挑战，并直接点名了微软决定使用 Go 语言重写 TypeScript 的编译器 (tsc) 和相关工具链这一标志性事件。

当然，这无疑是对 Go 语言在构建大规模、高性能开发工具和基础设施方面能力的最好背书。当连 TypeScript 这样的语言工具自身都遇到扩展性瓶颈时，他们选择了 Go 作为解决方案。这充分证明了 Go 在工程效率、编译速度、并发处理和静态二进制部署等方面的核心优势，使其成为构建下一代开发工具（编译器、Linter、语言服务器等）的优选语言。Go，正在成为越来越多关键技术的“幕后英雄”。

• Kotlin (并列 14) / Scala (并列 14) 的“增长天花板”

这两位 JVM 生态的“优等生”排名稳定，但向上突破的动力似乎不足。Go 早已在排名上超越它们。

随着 Go 在微软等传统“非 Go”大厂中找到新的应用场景（如上述 TypeScript 工具链），以及 Rust 在对安全和性能有极致要求的服务端负载中逐渐蚕食地盘，Kotlin 和 Scala 的增长路径面临着不小的挑战。

Go 凭借其简洁的语法、高效的并发模型、出色的网络性能、以及与云原生生态的无缝集成，在现代后端服务开发领域，对传统的 JVM 语言形成了持续且强劲的竞争压力。对于追求快速迭代、高并发、低资源占用的新项目，Go 往往是更具吸引力的选择。

• 新兴语言 (Ballerina, Bicep, Zig 等) 的“SO 困境”

许多被 RedMonk 关注的新兴语言，在本次排名中大多出现了下滑，并且呈现出 GitHub 排名远好于 Stack Overflow 排名的特点。

这很可能就是前文提到的 AI 对 Stack Overflow 数据冲击的直接体现。新兴语言本身在 SO 上的讨论基数就小，当整体 SO 流量下降时，它们受到的负面影响会更加不成比例。

这再次提醒我们，在评估语言趋势时，需要警惕单一数据源（尤其是易受外部因素干扰的数据源）的局限性。Go 之所以能在榜单中保持稳定，更多是依赖其在 GitHub 上庞大且活跃的真实代码贡献和项目应用，这比社区讨论热度更能反映语言的实际生命力。

AI 时代，编程语言排行榜的挑战与 Go 的新机遇

AI 代码助手（如 ChatGPT, GitHub Copilot）的普及，正在深刻改变开发者的工作习惯。遇到问题，许多人可能首先想到的是“问 AI”，而不是去 Stack Overflow 搜索或提问。这对依赖 SO 数据的 RedMonk 排行榜方法论构成了前所未有的挑战。Stephen O’Grady 的坦诚，也预示着未来编程语言趋势的观察方法可能需要革新。

在这样的背景下，Go 语言的机遇何在？

1. GitHub 数据权重可能提升： 如果 SO 数据权重下降或被弃用，那么更能反映语言实际使用和生态发展的 GitHub 数据将变得更加重要。Go 在这方面一直表现强劲，拥有大量高质量的开源项目和活跃的贡献者。
2. AI 基础设施的构建者： 正如我在之前的文章中多次提到的，Go 语言凭借其高性能、高并发、易部署的特性，非常适合构建支撑 AI 大模型训练、推理服务的底层基础设施（如分布式计算框架、模型服务平台、向量数据库、数据管道等）。许多流行的 AI 开源项目（如 Ollama）也选择使用 Go。
3. AI 应用的工程化落地： AI 模型最终需要被集成到实际的应用和服务中才能产生价值。Go 的简洁性、强大的网络库、以及出色的工程化特性（如编译速度、静态部署），使其成为将 AI 模型快速、可靠地工程化、产品化的优秀选择。
4. “工具的工具”： Go 在构建开发工具方面的优势，在 AI 时代将更加凸显。无论是构建 AI 代码分析工具、模型部署工具，还是 AI 辅助开发平台的后端，Go 都能胜任。
5. 对 LLM 的“友好性”探索： 虽然目前 Go 在 LLM 训练数据中的占比可能不如 Python，但 Go 语言相对简单的语法、明确的类型系统、以及强大的标准库，是否可能在未来使其更容易被 LLM 理解、分析和生成高质量代码？这是一个值得探索的方向。

小结：喧嚣之中，坚守价值，拥抱未来

RedMonk 的最新编程语言排行榜，在 AI 席卷技术圈的当下，给我们带来了新的思考。Stack Overflow 讨论热度的“失真”，或许只是 AI 改变我们工作和学习方式的一个缩影。

对于 Go 语言而言，其在榜单中的稳定表现，特别是在 GitHub 维度上的持续强势，证明了其深厚的开发者基础和旺盛的生态活力。像微软选择用 Go 重写 TypeScript 工具链这样的行业案例，更是对其核心竞争力的有力印证。

面对 AI 带来的不确定性，Go 语言凭借其在构建高性能网络服务、云原生基础设施、以及高效开发工具等领域的明确价值定位，依然展现出强大的韧性和广阔的前景。未来，它不仅将继续作为这些领域的中流砥柱，更有望在 AI 基础设施和工程化领域扮演越来越重要的角色。

作为 Gopher，我们既要看到排行榜数据的变化，更要理解变化背后的深层逻辑。坚守 Go 语言的核心价值，持续学习和实践，同时对新技术保持开放和探索的心态，这或许才是我们在这个快速变化的时代中，最稳妥的前行之道。

你对这份 RedMonk 榜单有什么看法？AI 的出现改变了你获取技术信息的习惯吗？欢迎在评论区分享你的观点！

精进有道，更上层楼

极客时间《Go语言进阶课》上架刚好一个月，受到了各位读者的热烈欢迎和反馈。在这里感谢大家的支持。目前我们已经完成了课程模块一『语法强化篇』的 13 讲，为你系统突破 Go 语言的语法认知瓶颈，打下坚实基础。

现在，我们已经进入模块二『设计先行篇』，这不仅包括 API 设计，更涵盖了项目布局、包设计、并发设计、接口设计、错误处理设计等构建高质量 Go 代码的关键要素。

这门进阶课程，是我多年 Go 实战经验和深度思考的结晶，旨在帮助你突破瓶颈，从“会用 Go”迈向“精通 Go”，真正驾驭 Go 语言，编写出更优雅、
更高效、更可靠的生产级代码！

扫描下方二维码，立即开启你的 Go 语言进阶之旅！

感谢阅读！

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。