当 AI 能写代码，Python 优势不再？难学语言借 AI 逆袭
【导语：Noah Mitchem 在 Medium 发文提出，当 AI 能写好代码时，Python 是否还有优势。过去十年为快速交付选择 Python 的妥协已结束，AI 让难学的编程语言变得简单，Python 生态优势也在瓦解。】
过去十年，选择编程语言多在 Python 或 TypeScript 之间，因为它们生态庞大、招聘容易、能快速出 demo。而 Rust、Go、C++ 虽性能高 10 - 100 倍，但学习周期长、人才市场小、构建系统难用。不过现在，AI 已经擅长处理那些难的语言。
两年前 GPT - 4 写 Rust 还会出现问题，到 2026 年 4 月，Claude Opus 4.7、GPT - 5.5、Gemini 3.1 和 DeepSeek V4 都在 SWE - bench Verified 上突破 80%。AI 实验室还在公开优化系统编程能力，解决并发 bug、竞态条件、架构缺陷等问题。
对人类来说难学的系统语言，对 Agent 来说却恰恰容易。如 Rust 因编译器反馈循环紧密，模型能实时自我纠正，每条错误信息都是免费训练语料，意外地比任何人都早 10 年为 AI 辅助开发做了设计。同样，Go 和 Swift 的强类型系统加快速编译检查循环，也给 Agent 提供了最紧密的迭代周期。
在实际落地方面，一个季度内成果显著。Microsoft 用 Go 重写 TypeScript 编译器，使 TypeScript 7.0 beta 比 6.0 快约 10 倍；Anthropic 研究员用 16 个并行 Claude Agent 在 Rust 中写了一个生产级 C 编译器，总成本不到 2 万美元；Steve Klabnik 用 Claude 两周内创建了 Rue 语言；Andreas Kling 用 Claude Code 和 Codex 两周内将 Ladybird 的 JS 引擎从 C++ 移植到 Rust，零回滚。
Python 和 JavaScript 最强的论据是生态，但过去两年这个优势正在悄然消失。Python 生态中，很多核心验证部分都是 Rust，如 pydantic、Polars、Hugging Face tokenizers、orjson 等。Python 生态逐渐长成了戴着 Python 帽子的 Rust 生态。
同时，Agent 打破了正反馈循环，贡献单位从 patch 转移到了“整体移植”。如 Flask 创建者 Armin Ronacher 用 Agent 将 Rust 库 MiniJinja 移植到 Go，实际人工时间 45 分钟，API 成本 60 美元。
不过，这个论证也有不成立的地方。Prisma 移除了 Rust 查询引擎，改用 TypeScript/WASM 核心，bundle size 降 85%，查询快 3.4 倍；PyTorch 仍拥有约 85% 的深度学习研究份额。
而且，AI 对每种系统语言的能力也不均等，Zig、Haskell、Gleam 等较小语言目前还没有同等质量的 AI 生成支持。
编辑观点：AI 改变了编程语言的格局，难学语言借 AI 崛起，Python 生态优势渐失，但各语言仍有其适用场景，未来编程语言的发展充满变数。