如果代码都让 AI 写了，你为什么还在死磕 Python？

【CSDN 编者按】

过去十年，我们为了“写得快”妥协了性能。如今，AI 抹平了语言门槛，编程范式正经历一场从“对人类友好”到“对 AI 友好”的剧烈位移。底层语言革命已经到来，你的下一行代码，还打算用老办法写吗？

原文链接：https://medium.com/@NMitchem/if-ai-writes-your-code-why-use-python-bf8c4ba1a055

作者 | Noah Mitchem 责编 | 张红月

出品 | 程序人生（ID：coder_life）

过去十年，软件界的潜规则很简单，谁能先上线，谁就是赢家。

当大家为新项目选择编程语言时，常常非 Python 或 TypeScript 莫属。

为什么？因为生态大、招人容易，随便拖拽一下组件，周五就能给老板演示个 Demo。

至于 Rust、Go 或者 C++，虽然性能能吊打 Python 十倍甚至百倍，但代价太惨重：半年的学习曲线、难招的工程师、动不动就报错的编译环境。

所以，大家心照不宣地选了 Python，上线后对客户承诺：“后期再优化性能。”实际上，大家心里都清楚，这几乎是个永远不会兑现的空头支票。

但现在，这个潜规则失效了。

因为 LLM。曾经那些因为“太难写”、“门槛高”而被嫌弃的硬核语言，现在 AI 都能帮你搞定。既然写复杂语言的难度被 AI 抹平了，我们还有什么理由为了“凑合写”而去忍受 Python 的低性能呢？

加入 AMD AI 开发者计划，免费领 50 小时云算力券

进入官方群月月抽显卡、AIPC，好运不停！

对人类越难的语言，AI 越喜欢

两年前，你让 GPT-4 写个 Rust 代码，它能把库的名字编到你怀疑人生。但到了 2026 年，Claude、GPT-5.5、DeepSeek 这些模型早已是“代码大神”，甚至在 SWE-bench 这种极其硬核的基准测试中，都已经达到人类高级工程师的水平。现在的 AI 模型，不仅会写简单的逻辑，更擅长处理系统底层的并发、竞态条件和架构优化。

为什么 AI 偏爱 Rust？

上个月，推特博主 CtrlAltDwayne 总结了一句“名言”：

“2026 年选 Rust，不是因为它性能有多强或内存有多安全，而是因为AI 写 Rust 的表现，远超写 C++。”

https://x.com/CtrlAltDwayne/status/2032388050584736157

这话听着反直觉，逻辑却很硬：“Rust 编译器就像一位严苛但高效的“辅导老师”，它的每一次报错，对 AI 来说都是极其珍贵的“实时训练数据”。AI 可以根据编译器的反馈瞬间修正错误。这种闭环，简直就是为 AI 量身定制的，尽管 10 年前设计 Rust 的人根本没想过这一点”。

这种逻辑同样适用于 Go 和 Swift。

对于人类来说，强类型系统和底层的内存管理可能意味着“学习曲线地狱”；但对 AI 智能体而言，这些约束恰恰是它们最喜欢的——逻辑明确、反馈及时，迭代效率高到吓人。

说白了：那些人类曾经觉得难啃的硬骨头，如今在 AI 面前，全成了“送分题”。

那些曾经不可能的任务，现在几周就搞定了

只要看看过去这三个月发生的事，你就会明白：游戏规则已经变了。

微软 TypeScript 7.0：TypeScript 团队祭出了大招，直接把用了十年的代码库用 Go 重写，新版比 6.0 快了足足 10 倍！

Anders Hejlsberg 的理由是 Go 带来的性能提升远超预期的工程成本。

Anthropic 的研究员 Nicholas Carlini 找了 16 个 Claude 智能体“合伙”，写出了一个能运行 Linux 内核、能跑 Doom 游戏、能编译 Redis 的生产级 C 编译器。整整 10 万行代码，只花了不到 2 万美元。以前这得是硕士的毕业论文题目，现在？这就是 AI 的一个“周末项目”。

Rust 元老 Steve Klabnik 用 Claude 在两周内从零搓出了一门新语言 Rue（7 万行代码）。他感叹道：“以前得花两个月，现在两周就干完了。”

大牛 Andreas Kling 把 Ladybird 的 JS 引擎从 C++ 迁移到了 Rust。一共 2.5 万行代码，两周搞定，通过了 6.5 万多项测试，性能完全对齐。如果是手动移植，他直言：“没几个月根本拿不下来。”

2024 年，这还是科幻片；2025 年，这是极客们的尝试；而到了 2026 年的今天，这已经成了程序员圈里的日常操作。

AI 不再是辅助你写个函数，它正在重构整个软件架构的底层逻辑。对于那种性能与复杂度的纠结，AI 给出了最硬核的答案：直接重写，一步到位。

修代码的时代终结了，现在流行直接“重开”

开源界的“旧契约”正在失效。

过去，你选 Python 因为上手快，发现依赖库有 Bug，就动手修好并回馈社区。大家齐心协力，生态也就越来越稳。

但 AI 把这个循环彻底搞乱了，程序员们现在不屑于打补丁了，流行直接“移植”。

Flask 作者 Armin Ronacher 把自己的 Rust 库 MiniJinja 移植到了 Go。整个过程，他只花了 45 分钟人工干预，剩下 9 个多小时全靠 AI 自动跑。只花了 60 美元 API 费用，一个新语言版本的库就造好了。

当“跨语言移植”变得像“喝杯咖啡”一样轻松，谁还愿意费劲去给别人的库打补丁？与其费力维护一个上游版本，不如直接 Fork 出个属于自己的新版本。

Armin Ronacher 留下了一句极具洞察力的判断：

“现在的价值重心正在偏移。代码本身不再那么重要了，测试用例和文档才是真正的资产。”

如果代码可以随时被 AI 瞬间重写、移植，那么一套严丝合缝的测试套件，才是保证软件灵魂不死的唯一护城河。

构建 PyPI 和 npm 的循环在今天仍然有效。但显然，它在 2028 年是否依然有效，这并不确定。

AI 并非万能钥匙

别被“AI 重写一切”的叙事带偏了，冷静下来看，这场技术革命也有它的局限性。

有时“老办法”才是最优解。别迷信 Rust，Prisma 就干了件反其道而行之的事：

他们抛弃了 Rust 查询引擎，改用 TypeScript/WASM，结果包体积缩减了 85%，查询速度反而暴涨 3.4 倍。而且，原生 Rust 二进制文件在 Serverless 架构下往往表现得水土不服。再比如 PyTorch，它死死占据了深度学习研究 85% 的江山，因为深度学习的核心是模型权重，至于外面封装的那层皮是什么语言，PyTorch 根本不在乎。

AI 的能力完全取决于它的“胃口”（训练数据）。Rust 和 Go 是真正的“幸运儿”，因 GitHub 上到处都是它们的代码，AI 把它们喂饱了。但对于 Zig、Haskell 或 Gleam 这种小众语言，AI 目前还没学透。如果你强行让 AI 写这些代码，质量往往会翻车。

在 GitHub 数据量巨大的语言面前，AI 是神；在小众生态面前，它还得老老实实当学生。

为什么说 Python 的“统治”不可逆转地结束了？

过去我们死磕 Python 或 TS，本质上是在用“开发体验”换取上线速度。毕竟凌晨两点要上线时，谁敢去碰那难搞的 Rust？

但现在，写代码的苦活累活都归 AI 了。

人类的工作重心彻底变了：不再是“写代码”，而是“架构系统”和“审查 AI 输出”。在这种模式下，Python 那点所谓的“易用性优势”每过一个季度就缩水一分，而 Rust 这些硬核语言在生产环境中的性能红利，却在日积月累地为你节省服务器成本。

正如 Armin Ronacher 所言：“当编程成本被 AI 降至地板价，生态库够不够多，已经没那么重要了。”

过去 20 年，编程语言的选择逻辑只有一个：人类手写代码太慢了，所以必须选简单的。

现在，这个唯一的约束被 AI 抹平了。看看 Stack Overflow 2025 年的调查吧：Rust、Gleam、Zig 这些“硬骨头”霸榜了最受推崇语言。大家内心其实一直向往高效，只是以前受制于人类的码字速度，现在工具终于追上了欲望。

正如大牛 Karpathy 所说，LLM 正在彻底重绘软件工程的版图。目前的 Rust 狂潮，可能仅仅是个开端。

4 月 24 日，网友 @RealRichomie 的一段话彻底点醒了很多人：

“编程的未来，不再是‘对人类友好’的语言，而是‘对 AI 智能体友好’的语言。我们团队没一个人会写 Rust，但这不妨碍我们用 Rust 搓出了一个 Mac 应用——体积只有 Electron 版本的十分之一，性能还快得飞起。”

这才是未来的真相：人类不需要去学那些复杂的语法，只要你指挥得当，AI 就能帮你搞定一切。

所以，下次启动新项目时，请记住：你真的没必要再默认选 Python 了。