AI 时代，或许 Rust 比 Python 更合适

现在大模型编写代码能力产生质变，如果在问在 AI 生成代码（AI-Generated Code）的时代，AI 最适合写哪种语言？ ，或许 Rust 比 Python / TS 更合适。

原因很简单：编程语言的评价标准，正在随着 Vibe Coding的盛行而发生根本性的改变。

我很喜欢 Python 因为它简单、优雅、灵活、符合人类直觉。

Python 的设计哲学强调代码的可读性和语法的简洁。不需要定义繁杂的类型，不需要管理内存的分配，甚至连大括号都省了。对于**碳基生物（人类）**来说，Python 极大地降低了认知负荷，让我们能把精力集中在业务逻辑上。在过去，程序员的脑力和打字速度是瓶颈，而 Python 完美地解决了这个痛点。

但是动态类型带来的隐式 bug，是较差的运行性能，以及重构大型项目运行时报错。人类写得爽，妥协了机器运行的可靠性。

借助 cursor、gitHub copilot、codex，claude code 等强大的 AI 工具，直接敲击键盘去写具体的实现代码变得更少。更多提供意图、编写 Prompt，而 AI 负责生成数百上千行的代码。

如果写代码的不再是人类，那些为了迎合人类而设计的语言特性（如动态类型、极简语法）或许不太重要了

这正是 Rust 迎来破局点的原因。

Rust 长期以来的口碑是：运行快、极其安全，但是太难学、太难写。

所有写过 Rust 的人都体会过被所有权机制、生命周期和借用检查器支配的恐惧。

但是AI 不会因为繁琐的语法感到疲惫，也不会因为严格的类型推导而产生挫败感。那些曾经让人类痛苦不堪的 Rust 门槛，对 AI 来说基本不存在。

然后就是 Rust 的特性与 AI 生成代码的需求相符合：

AI 是有幻觉的，它生成的代码虽然看起来一本正经，但可能存在逻辑漏洞或调用了不存在的方法。

在 Python 中，因为它是动态类型和解释执行的，AI 生成的错误代码常常能顺利运行，直到某个边缘条件被触发时才在运行时崩溃。这需要人类写大量的测试用例去防范。
在 Rust 中，只要编译通过，大概率就能跑。Rust 有严格的编译器。AI 生成的代码有极其细微的类型不匹配或内存泄露风险，都会被编译器拒绝。

AI 修 Bug 的能力很大程度上取决于它能获得什么样的报错信息。

Python 的运行时报错有时缺乏上下文，或者堆栈信息极其冗长。
而 Rust 拥有全宇宙最友好的编译器报错。Rust 的报错不仅会告诉你哪里错了，还会详细解释为什么错，甚至直接给出修改建议。
当 AI 生成的 Rust 代码编译失败时，Agent 可以直接将这段极其详尽的编译器报错回传给自己。AI 看报错 -> AI 瞬间理解 -> AI 修复代码 -> 再次编译。在这个闭环下，Rust 能很好的引导 AI 写出正确代码。

如果让 AI 生成代码的成本是一样的，那为什么不让它生成一份性能比肩 C++、且没有内存溢出风险的代码呢？Python 如果遇到性能瓶颈将很难受，而 Rust，从一开始就获得了高性能的终端产物，且几乎零附加成本。

一个类型严格、编译严苛、报错清晰的语言，天然就比动态语言更适合大模型去推导和验证。

欢迎在评论区分享你的"Vibe Coding"体验！