Noah Mitchem 在 Medium 发表文章，提出了一个尖锐的问题：当 AI 能写好代码时，Python 还有什么优势？
过去十年，选择编程语言的标准很简单：Python 或 TypeScript，因为生态庞大、招聘容易、周五就能出 demo。Rust、Go、C++ 虽然性能高 10-100 倍，但需要六个月学习、人才市场小、构建系统难用。所以先用 Python 快速交付产品，承诺以后优化——但很少兑现，不过这也没关系，因为大家都一样。
这个为了最快交付而做的妥协已结束，因为 AI 已经擅长处理那些难的语言。
两年前 GPT-4 写 Rust 还会幻觉 crate 名字。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 实验室正在公开优化系统编程能力：并发 bug、竞态条件、架构缺陷。
@CtrlAltDwayne 说得最好：
“2026 年 Rust 是最好的编程语言的论据不是内存安全或性能，而是 AI 写 Rust 比写 C++ 更好。编译器反馈循环如此紧密，模型能实时自我纠正。每条错误信息都是免费训练语料。Rust 意外地比任何人都早 10 年为 AI 辅助开发做了设计。”
同样的逻辑也适用于 Go 和 Swift。强类型系统加快速编译检查循环，给 Agent 最紧密的迭代周期。对人类最难的系统语言，对 Agent 来说恰恰最容易。
一个季度内发生了这么多：
Python 和 JavaScript 最强的论据从来不是语言本身，而是生态：FastAPI、Django、PyTorch、React、Next.js、npm 的 400 万个包。但过去两年这个优势正在悄然消失。
当你 import pydantic，整个验证核心是 Rust。Polars 是 Rust。Hugging Face tokenizers 是 Rust。orjson 是 Rust。Python 生态逐渐长成了戴着 Python 帽子的 Rust 生态。
Astral 的 ruff、uv、ty 都是 Rust，月下载量数亿。OpenAI 收购 Astral 的理由是 uv 每周为 Codex 节省约 100 万分钟计算。Anthropic 收购 Bun 的理由是“AI 主导软件工程的基础设施”。
Vercel VP Lee Robinson 更是直言：“我们已经达到了 JS 的峰值优化。”
Agent 以特定方式打破了这个正反馈循环：贡献单位从 patch 转移到了“整体移植”（port）。
Flask 创建者 Armin Ronacher 今年 1 月用 Agent 将 Rust 库 MiniJinja 移植到 Go。运行 10 小时（3 小时监督，7 小时无人值守），实际人工时间 45 分钟，API 成本 60 美元。如果跨语言移植库只需要 45 分钟，为其他库提交上游修复 case 的需求每个月都在变弱。
Ronacher 的观察：
“对我来说，价值正在从代码转移到测试和文档。好的测试套件实际上可能比代码更有价值。”
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，这不会因为模型权重不在乎你用什么语言包装而改变。
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。
过去 20 年的语言选择由单一约束塑造：人类写代码，人类在低级别语言上很慢。这个约束已经消失。
Karpathy 在 2 月说：
“LLM 完全改变了软件的约束格局。迹象已经可见，例如将 C 移植到 Rust 的势头正在上升。”他还说“即使 Rust 作为目标语言对 LLM 来说也远非最优。”
最清晰的表述来自 @RealRichomie：
“编程的未来不会是那些对人类最容易的语言。而是对 Agent 最容易的语言。”
来源：https://medium.com/@NMitchem/if-ai-writes-your-code-why-use-python-bf8c4ba1a055
评论删除后，数据将无法恢复
如果 AI 来写代码，为什么还要用 Python？
Noah Mitchem 在 Medium 发表文章，提出了一个尖锐的问题：当 AI 能写好代码时，Python 还有什么优势？
过去十年的“妥协”已经结束
过去十年，选择编程语言的标准很简单：Python 或 TypeScript，因为生态庞大、招聘容易、周五就能出 demo。Rust、Go、C++ 虽然性能高 10-100 倍，但需要六个月学习、人才市场小、构建系统难用。所以先用 Python 快速交付产品，承诺以后优化——但很少兑现，不过这也没关系，因为大家都一样。
这个为了最快交付而做的妥协已结束，因为 AI 已经擅长处理那些难的语言。
难学的编程语言反而先变得简单了
两年前 GPT-4 写 Rust 还会幻觉 crate 名字。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 实验室正在公开优化系统编程能力：并发 bug、竞态条件、架构缺陷。
@CtrlAltDwayne 说得最好：
同样的逻辑也适用于 Go 和 Swift。强类型系统加快速编译检查循环，给 Agent 最紧密的迭代周期。对人类最难的系统语言，对 Agent 来说恰恰最容易。
实际落地的成果
一个季度内发生了这么多：
“但生态呢”的论点正在瓦解
Python 和 JavaScript 最强的论据从来不是语言本身，而是生态：FastAPI、Django、PyTorch、React、Next.js、npm 的 400 万个包。但过去两年这个优势正在悄然消失。
当你 import pydantic，整个验证核心是 Rust。Polars 是 Rust。Hugging Face tokenizers 是 Rust。orjson 是 Rust。Python 生态逐渐长成了戴着 Python 帽子的 Rust 生态。
Astral 的 ruff、uv、ty 都是 Rust，月下载量数亿。OpenAI 收购 Astral 的理由是 uv 每周为 Codex 节省约 100 万分钟计算。Anthropic 收购 Bun 的理由是“AI 主导软件工程的基础设施”。
Vercel VP Lee Robinson 更是直言：“我们已经达到了 JS 的峰值优化。”
从 patch 到 port
Agent 以特定方式打破了这个正反馈循环：贡献单位从 patch 转移到了“整体移植”（port）。
Flask 创建者 Armin Ronacher 今年 1 月用 Agent 将 Rust 库 MiniJinja 移植到 Go。运行 10 小时（3 小时监督，7 小时无人值守），实际人工时间 45 分钟，API 成本 60 美元。如果跨语言移植库只需要 45 分钟，为其他库提交上游修复 case 的需求每个月都在变弱。
Ronacher 的观察：
这个论证在哪里不成立？
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，这不会因为模型权重不在乎你用什么语言包装而改变。
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。
永久转变的原因
过去 20 年的语言选择由单一约束塑造：人类写代码，人类在低级别语言上很慢。这个约束已经消失。
Karpathy 在 2 月说：
最清晰的表述来自 @RealRichomie：
来源：https://medium.com/@NMitchem/if-ai-writes-your-code-why-use-python-bf8c4ba1a055