当前位置：首页 > news >正文

Rust 输了？在 AI Agent 的战场上，TypeScript 才是唯一的“神”

news 2026/3/27 5:23:35

大家好，我是Tony Bai。

如果把 2025 年定义为Coding Agent（编程智能体）的元年，那么刚刚开启的 2026 年，毫无疑问是Personal AI Agent（个人助理智能体）的元年。

以 openclaw（曾用名Clawdbot/Moltbot）为代表的开源项目，一夜之间席卷了 GitHub，让无数开发者为之疯狂。但在这一片繁荣的景象背后，作为一名敏锐的技术观察者，我发现了一个极其有趣的现象。

请环顾四周，看看那些最顶尖、最流行、体验最好的 AI Agent 项目：

再看看Go语言，虽然没有占据头把交椅，但也稳稳地守住了一席之地。Gastown、crush 这些专注于并发和后端服务的 Agent 或Agent编排框架，依然拥有自己的一批拥趸。

但是，那个在过去几年呼声最高、号称“内存安全、性能无敌、将重写一切”的Rust去哪了？

在 AI Agent 的应用层战场上，尤其是像上述这些火出圈的AI Agent项目中，Rust 几乎“失声”了。除了 OpenAI 的Codex这个孤勇者之外，我们很难在主流的开源 Agent 列表中看到 Rust 的身影。

难道在 AI 时代的Agentic AI(智能体AI应用)阶段，Rust 输了吗？为什么被视作“玩具语言”的 TypeScript，反而成了 AI Agent的“母语”？

今天，我们不谈信仰，只谈架构。让我们深入剖析这场语言战争背后的第一性原理。

在下结论之前，我们先来看一组数据。

我统计了目前 GitHub Trending 上排名前 20 的 AI Agent 相关项目（排除单纯的模型推理框架，仅统计应用层 Agent），结果令人震惊：

TypeScript / JavaScript：占比约 75%。这是绝对的统治地位。无论是官方的 SDK，还是社区的野生项目，TS 都是默认选项。openclaw的作者 Peter Steinberger 本人就是 iOS 和 C++ 出身，但他依然选择了 TS 来构建他的个人AI助理。
Python：占比约 15%。依靠着 LangChain 和 AutoGen 的早期积累，Python 依然有存量优势，但在构建交互式 CLI和全栈应用时，Python 的体验明显不如 TS 丝滑。
Go：占比约 8%。Go 凭借其单文件分发（Single Binary）和强大的并发模型，在Agent编排框架、Coding Agent，尤其是 DevOps 类的 Agent（如 K8s 运维助手）中表现亮眼。
Rust：占比 < 2%。除了 OpenAI 这种拥有无限工程资源的巨头敢用 Rust 重写 Codex，绝大多数独立开发者和创业公司似乎都对其敬而远之。

这个数据说明了什么？

说明在 Agent 这个特定的垂直领域，开发效率（Velocity）已经彻底压倒了运行效率（Performance）。

对于一个每秒钟只能输出 50 个 Token 的 LLM 来说，你的程序是 1ms 响应还是 10ms 响应，用户根本感觉不到区别。但你能否在 1 天内上线一个新功能，用户感知极强。

TypeScript 之所以能赢，绝不是因为运气，而是因为它在基因层面契合了 AI Agent 的特性。

这是最核心的原因之一。

大模型（LLM）与外部世界交互的通用协议是什么？是JSON。

无论是 Tool Calling（函数调用），还是 Structured Output（结构化输出），LLM 吐出来的都是 JSON。

TypeScript:处理 JSON 是原生的。JSON.parse()之后，直接当作对象操作。配合 TypeScript 的 Interface 定义，你可以获得极佳的类型提示，但又保留了运行时的灵活性。
```
// TS: 轻松处理 interface ToolCall { name: string; args: any } const call = JSON.parse(llmOutput) as ToolCall;
```
Rust/Go:你需要定义严格的 Struct。如果 LLM 发疯，多返回了一个字段，或者把int写成了string，你的serde_json或json.Unmarshal就会直接报错 panic。在 AI 开发中，你需要的是“宽容”，而 Rust/Go 给你的却是“严厉”。

openclaw 作者提到的Vibe Coding，本质上是一种“心流状态”。我想到了一个功能，告诉 AI，AI 生成代码，我运行，成功。整个过程行云流水。

TS 的体验：AI 生成了一段 TS 代码，可能类型有点小问题，用了any，但能跑。我先跑起来看看效果，以后再修类型。It works > It is correct.
Rust 的体验：AI 生成了一段 Rust 代码。10分钟后编译器报错：“生命周期不匹配”、“借用检查失败”、“unwrap 可能会 panic”。你被迫停下来，花 30 分钟和编译器搏斗。你的 Vibe（氛围）瞬间没了。

在探索性开发（Exploratory Development）阶段，Rust 的严格性变成了阻碍。

Agent 不仅仅是在终端跑。它需要操作浏览器（比如使用Playwright），需要写 Chrome 插件，需要构建 Web UI。

在这些领域，TS 是唯一的王。

如果你的 Agent 需要抓取网页数据，TS 有最成熟的库；如果你的 Agent 需要提供一个可视化的 Dashboard，TS 前后端通吃。

那么，Rust 真的输了吗？

从应用层来看，是的。但从基础设施层来看，Rust 依然是基石。

我们必须看清一个分层结构：

L0 (Infrastructure):向量数据库 (LanceDB, Qdrant)、推理引擎 (像Candle)、高性能网关。这是 Rust 的领地。
L1 (Application):Agent 业务逻辑、流程编排、工具调用。这是 TypeScript 的领地。

Rust 并没有输，它只是退到了幕后。 Rust 成了 AI 的“地基”之一，而 TS 成了 AI 的“胶水”。

Agent 本质上就是把 LLM、数据库(记忆)、API 粘合在一起的胶水层。在这个层面上，灵活的胶水（TS）永远比坚硬的水泥（Rust）好用。

在这场战争中，Go 语言处于一个非常有趣的位置。它不像 TS 那么动态，也不像 Rust 那么死板。

Go 在 Agent 领域依然有一席之地，主要得益于两点：

Single Binary (单文件分发)：如果你写一个 CLI Agent 分发给用户，Go 编译出来就是一个二进制文件，扔过去就能跑。TS 还需要用户装 Node.js，装依赖（npm install地狱）。对于openclaw这种本地工具，其实 Go 也是一个极佳的选择（虽然作者选了 TS）。
并发模型 (Goroutine)：当我们需要构建 Agent Swarm (蜂群)，比如同时启动 100 个 Agent 去爬取数据、分析情报时，Go 的 Goroutine 模型比 TS 的Promise.all更轻量、更可控，性能也更佳。

像 Beads 和 Gastown 这样的项目选择 Go，正是看中了它在工程化和并发上的平衡。