以下是 Joaquim Rocha 博客文章《Language Agnostic Programming: Why you may still need code》的中文翻译（保留原文结构与技术细节）：
与语言无关的编程：为什么你可能仍然需要代码
作者：Joaquim Rocha
声明 我通常不会写这种推测性的文章。然而，随着人工智能正在迅速改变我们构建软件的方式，我一直在思考这一切可能的发展方向。所以这既不是预测，也不是宣言，只是我一直在思考的一些想法。
在我的职业生涯中，我有幸（有时也痛苦地）使用过多种编程语言与范式。而最近，像所有人一样，我也越来越多地借助大型语言模型（LLMs）及其用户界面工具（如 GitHub Copilot、Cursor、Claude Code 等）来提升产出效率。然而，当看到类似「英语将成为你唯一需要的编程语言」这类断言时，我仍会心生怀疑------尤其是其中那个"唯一"和"永远"的措辞：如果 AI 能把我们的英文描述准确转化为可运行的代码，我们是否就真的不再需要编程语言了？
诚然，AI 在将自然语言翻译为代码方面表现惊人；而且，如果你能用英语（或其他任何自然语言）清晰表达意图，确实可以完成大量工作------我自己也常这样做！
但即便如此，我认为编程中仍有某个方面是不可或缺的：调试 。无论 AI 生成代码的能力有多强，甚至它在自动调试方面表现得多好，当程序行为不符合预期时，我们依然需要理解代码实际做了什么。而要做到这一点，我们就仍需依赖编程语言------未必是为了最初编写代码，而是为了阅读、跟踪与推理那些出问题的代码。
当自然语言无法满足需求时
我弟弟特别喜欢一则经典笑话：一位软件工程师的伴侣让他去商店买牛奶，并补充了一句："如果店里有鸡蛋，就带十二个回来。"结果工程师带回了十二瓶牛奶。问他为何如此，他回答："因为他们有鸡蛋。"
这类歧义对人类（大多数时候）可通过语境与常识轻松化解，但计算机却要求指令绝对无歧义。在编程中，类似的歧义可能导致灾难性故障，而非仅仅是幽默的误会。
编程语言正是为此而设计：它通过语法消除了歧义。例如，当我们写下：
c
for (int i = 0; i < 10; ++i) {
printf("%d\n", i);
}其含义毫无模糊空间（暂且忽略 C 语言中诸如"未定义行为"这样有趣的例外）。相比之下，用自然语言描述相同逻辑的方式可能有几十种，每一种都可能因措辞不同而引发歧义。
编程语言选择的困境
暂且假设我们认同这样一个前提：LLM 负责全部代码生成，而编程语言仍为理解和调试所必需。那么问题来了------这也是软件工程师长久以来的困扰：你该学哪门语言？
"英语即唯一编程语言"这一愿景背后的热情，不仅在于简化编程或降低门槛，更在于它似乎消解了"为 Web 学 JavaScript""为系统编程学 C"这类认知负担。
语言的选择从来不只是个人口味问题；它会实质性地影响开发流程。习惯使用 Python 或 JavaScript 等高级语言的开发者，无需掌握 C 的手动内存管理或 Rust 的所有权模型；反之，若被迫在一门不熟悉的语言代码库中工作，效率可能大打折扣。
一种新的可能性：与语言无关的编程
LLM 或许能开启一种引人入胜的可能性：如果它们能无缝且准确地翻译不同编程语言，那么调试（甚至更广义的代码理解）是否可彻底脱离特定语言的束缚？
试想这样一种未来：程序由 LLM 用一门高度严谨的语言（如 Rust------其显式的类型系统与所有权机制确保了内存安全、线程安全与错误处理的精确性）生成并"存储"，但程序员在阅读或调试时，却可按偏好将其"视图"切换为任意语言：
- 我想看 Go？可以。
- 你更习惯 Python？也行。
- 同事偏爱 TypeScript？没问题。
底层程序保持同一份（精确且无歧义），而每个人通过自己最熟悉的"语言界面"与其交互。
当然，技术挑战是存在的：
- Rust 的所有权模型如何优雅表达为 Python？
- C++ 的模板元编程或 Python 的动态类型，在其他语言中可能找不到直接对应；
- 如何处理语言特有的惯用法与标准库？
但许多问题可通过精心设计与工具支持缓解------例如，无法良好映射到高层语言的模块仍可保留为 Rust 源码，或辅以注释说明其设计意图；而 LLM 的核心职责是确保语义一致性：无论你在哪种语言界面中修改，翻译回底层语言后行为不变。
目前，我们已能对 GitHub Copilot 说"用 Python 重写这个模块"或"把这个函数转成 JavaScript"。但要使上述设想真正高效落地，LLM 必须做到极快 （理想情况下比打开 Emacs 还快）且高度精确。这虽是极高要求，但在 AI 飞速演进的背景下，并非天方夜谭。
未来的模型
在此模型中：
- 人工智能系统能够根据自然语言描述直接生成代码，生成精确、安全且快速的编程语言。
- 需要阅读或调试代码的程序员可以选择他们偏好的编程语言接口。
- 人工智能负责底层代码与各种语言接口之间的转换，确保语义在所有视图中保持一致。
这种方法可以进一步普及编程，并促进团队间的交流与协作，因为它允许程序员使用他们最熟悉的语言进行编程，而无需考虑底层实现方式。
当然，这只是一种理论，我并不确定它最终会如何发展。我甚至不确定我是否希望它如此发展！但是，鉴于人工智能和编程之间的关系仍在快速演变，我们可能会看到完全不同的范式出现，所以这种情况也并非不可能。