从 npm 与 Bun 的选择看 AI 时代的“最佳实践”焦虑

开头叠两个甲:

第一,写下本文是因为 AI 圈天天地震,我就挑最典型、自己也犯过的错来讲讲,就当一种自我解嘲吧。

第二,我绝对欢迎 AI 编程,但"一蹴而就"这种思想不可取。

AI 带给我们最大的浮躁就是:创造结果的时间太多,学习过程的时间太少。

本文旨在表达"先做起来,在做中学"的观点。

如果你点开这篇文章还是为了来找 npm 和 Bun 谁更好的答案的,我告诉你:选择 pnpm。没有什么团队能彻底抛弃 Node.js,pnpm 在兼容性与性能间做到了最好的平衡。OK,你现在可以退出界面接着看下一篇"最佳实践"去了,gogogo。

焦虑是怎么来的

这种焦虑有两根引线。

第一根:AI 降低了动手门槛,也制造了"动手了就是懂了"的幻觉。 你对 AI 说"帮我写一个用户登录系统",Cursor 唰唰唰生成几百行代码,跑通了,你觉得自己"会了"。三个月后系统崩了,你站在满屏红色报错前,发现自己看不懂错误堆栈在说什么。那些底层知识,AI 帮你跳过了,你也心安理得地跳过了。你刚觉得自己能评价工具的优劣,其实连工具出问题了你都修不了。

第二根:信息过载让你觉得"选错"的代价很高。 以前你只知道 npm,现在 Bun、pnpm、yarn、deno 同时推到你面前,社交媒体还不断给你推送"为什么我从 npm 迁移到了 Bun"的爆款文章。"最佳实践"四个字从一种参考,变成了一种压迫。

你刷到的其实是经过剪辑的技术爽文,看多了,你会觉得全世界都在用最新最酷的工具,只有你还在用"老古董"。

AI 工具本身也在替你做判断。Cursor 的补全建议、Copilot 的代码生成,都在潜移默化地告诉你"这样写是主流"。到最后,"最佳实践"是 AI 喂给你的,你连质疑的力气都没有了。

两根引线拧在一起,就拧出了一个问题:你把精力花在了选工具上,而不是写代码上。

工具从来不是瓶颈

先看一张图:

TECHSY 基准测试证实了 Bun 确实快。数据对比如下:

包管理器 冷装 50 个依赖耗时
Bun 0.8 秒
npm 14.3 秒

差距是 13.5 秒。但对于绝大多数项目,这 13.5 秒,远不如"代码里有没有一个未处理的异常"来得致命。

再看代码质量:

ShipLight 对 470 个真实 GitHub PR 的追踪分析:

  • AI 生成代码总问题数:人类的 1.7 倍
  • 逻辑错误:多 75%
  • 安全漏洞:多 2.74 倍

Bug 来自逻辑错误和安全漏洞,跟包管理器选 npm 还是 Bun 没有任何关系。

再看历史。2004 年 ,Mark Zuckerberg 用 PHP 写 Facebook。代码库后来被工程师自嘲为"屎山",但它支撑了 Facebook 从校园网站到全球巨头的全过程。2010 年 用户破 5 亿,PHP 成为瓶颈;2011 年 推出 HipHop,把 PHP 编译成 C++;2014 年 开发 Hack 语言,逐步迁移。PHP 够不够好根本不是重点------重点是他先跑起来了。

所以,不要追求"完美",要追求"价值";不必放大 npm 和 Bun 这种无关痛痒的问题的焦虑。

"最佳实践"是个伪命题

先跑起来,这个道理谁都懂。但很多人没想明白的是:你根本不需要"最佳"的方案。

技术选型的本质是取舍,不是找最优解。你的项目有几个开发者?交付 deadline 有多紧?团队对哪个工具更熟悉?性能瓶颈在哪?这些问题没有标准答案。

  • 一两个人的小项目,用 npm 完全够用,换 Bun 省下来的时间还不够你读一遍迁移文档
  • 几十人的团队,可能需要 pnpm 的 workspace 和严格的依赖管理

别人的"最佳实践"写在他们特定的上下文里,你抄过来,代价谁来承担?

追求面面俱到,本质上是在追求一个不可能完成的任务。你想找一个工具,它速度快、生态全、学习曲线平缓、社区支持好、零配置零坑点。这种工具不存在。

  • pnpm 在磁盘空间上省了,但它的软链接机制带来了新的心智负担
  • Bun 安装快,但你团队里没人写过 Bun 的 bug report

每个选择都有代价,区别只是你把代价花在哪。

所以,选型的时候,问自己一个问题就够了:这个选择在我当前的场景下,最大的风险是什么?能接受,就选它。不能接受,换一个。就这么简单。

坑只能自己踩

很多问题,别人说了,你没体会。自己用了,才会发现。

你在 Twitter 上看到有人洋洋洒洒写了五千字分析 Bun 在处理大型 monorepo 时的内存问题。你觉得醍醐灌顶,截图保存,转发到团队群里。但你们项目只有三个依赖,连 monorepo 是什么都还没搞清楚。那条五千字文章救不了你,但它成功让你多花了一个下午去调研。

别人的经验是二手信息。他踩坑的环境、项目结构、团队配置、使用方式,和你一模一样吗?

就算一模一样,他描述"坑"的方式和他实际"踩坑"的感受,中间还隔着一层语言压缩。你读到的是一篇技术博客,他经历的是一个深夜 debug 的下午。

这在 AI 时代尤其致命。AI 给你的是"标准答案",但标准答案不适用于你的具体情况。Cursor 帮你写了一段代码,它不会告诉你,这段代码在你们的业务高峰期会有什么表现。Copilot 补全了一个函数,但它不知道你们的代码库已经有一个功能相似但实现不同的函数,只是名字不一样。

这些"不知道",AI 不会主动告诉你,你必须自己跑一遍、测一次、踩一次。

这与 AI 最大的价值背道而驰

AI 时代最大的优势是什么?是快速试错。

以前你做一个技术调研,要翻几篇博客、读几个 benchmark、在本地搭环境跑测试。一下午过去了,你还在纠结。现在呢?让 AI 给你做个对比分析,一分钟出结果。

这个速度差异意味着什么?意味着你可以用更少的代价,把多个方案都跑一遍,用实际数据说话。

但前提是,你真的去跑了。

纠结选型的过程,恰恰是把"快速"两个字扔进了垃圾桶。你在论坛上翻了两小时帖子,在 AI 对话框里问了三轮"Bun 和 npm 哪个好",在 GitHub 上对比了五个项目的迁移记录。这三个小时,如果你直接选了 pnpm 开工,代码都已经写完了。而 pnpm 和 Bun 在实际项目中的真实差距,远没有论坛上说的那么戏剧化。

你会说:万一选错了呢?选错了又怎样? AI 帮你迁移的速度,比你纠结的速度快得多。bun.lockb 转 package-lock.json,一行命令的事。

真正让项目陷入困境的,从来不是包管理器的选择------是代码里的逻辑错误、是架构上的缺陷、是业务理解上的偏差。这些坑,不管你选 npm、Bun 还是 pnpm,一个都躲不掉。

先跑起来,再迭代

如果你也困在"选型焦虑"里,这里有几个我亲测有效的做法:

  1. 给自己设一个"选型截止时间"。工具选型最多花两小时。时间一到,抓阄也要选一个,然后写代码去。你会发现,绝大多数时候,"选 A 还是选 B"对结果的影响,小于"你多写了两小时还是少写了两小时"。

  2. 区分"学习"和"干活"。学习新工具可以,但给它单独的时间段,比如周末下午。工作时间里,用你最熟悉的工具,把事做完。不要让"学习"成为"拖延"的遮羞布。

  3. 刻意保留"不用 AI"的能力。每周抽一点时间,手写一段代码、手动查一次文档、自己画一张流程图。为了保持"底层理解"的肌肉记忆,不是为了复古。AI 是拐杖,但你的腿不能废。

  4. 接受"过时"的必然性。你今天写的代码,三年后看大概率是"垃圾"。这不是你的失败,这是技术进化的常态。重要的是,这三年里你交付了什么价值,解决了什么问题,成长了多少。

工具会过时,能力不会。PHP 成了 Facebook 的瓶颈,但 Zuckerberg 先用 PHP 把 Facebook 跑起来了。

你今天纠结的"最佳实践",三年后可能就被淘汰了。但你在实践中积累的调试能力、架构直觉、问题嗅觉,是任何工具都夺不走的。

把精力花在真正重要的事上。 不是选一个完美的工具,而是用你选的工具,做出一个能用的东西,然后迭代它。

这就是 AI 时代"最佳实践"的真正含义。

相关推荐
deli0071 小时前
32K 上下文塞满后,AI 最先忘掉什么?120 轮对话实测
前端
deli0072 小时前
手机拍灯为什么有一条条黑纹?PWM 240Hz 实测
前端
深蓝AI3 小时前
12000 名工程师的高盛,只用四个月就收回了交易员的 AI 编程权限
人工智能·程序员
wangruofeng7 小时前
AI Models 1.1.0 发布,查大模型价格、对比模型和找 API 地址
前端·aigc·ai编程
怕浪猫7 小时前
这个十几个agent 协作项目值得关注
人工智能·面试·github
wangruofeng7 小时前
给前端开发者的 100 个设计参考网站
前端·设计
starzy19909 小时前
深入理解Scala隐式类:扩展方法机制
开发语言·人工智能·scala
深蓝AI9 小时前
为什么 agent 的 demo 都很惊艳,上了生产就不靠谱
人工智能·程序员
数字新视界9 小时前
信创动环监控在机房环境管理中的智能化应用与实践分析
大数据·人工智能·物联网·信息与通信·动环监控系统
岁月宁静10 小时前
DeepSeek Harness 实战与架构解析:让 Agent 从“会聊”到“能交付”
人工智能·python·agent