2025 年 12 月，Anthropic 收购了 JavaScript 运行时 Bun。十个月后，Deno 也迎来了重大变化。
10 月 9 日，Deno 创始人 Ryan Dahl 宣布，整个 Deno 团队将加入 Cloudflare。与此同时，Deno Runtime 将在继续维护一年后停止由原团队开发，Deno Deploy 则计划在六个月后关闭。
两款曾经试图改变 JavaScript 开发体验的运行时，先后进入大型科技公司的产品体系，却走向了不同的未来。
但这只是 AI 时代开发工具变化的一部分。
随着 Coding Agent 开始编写代码、安装依赖、运行测试，npm 这样的老牌基础设施获得了新的使用需求；Rust 则因为 AI 基础设施的发展，以及 Agent 降低大型代码迁移成本，迎来了更多应用机会。
AI 正在改变开发工具的使用方式，也在改变这些工具本身的价值。 有些项目获得了新的资源和商业机会，有些成熟技术被应用到新的场景，还有一些独立产品逐渐融入更大的平台。
Bun 和 Deno 的不同走向
先看 Bun。
Bun 由 Jarred Sumner 于 2021 年创建，希望通过更快的 JavaScript 运行时和一体化工具链改善开发体验。它将运行时、包管理器、打包器和测试运行器整合在一起，凭借速度和较低的工具配置成本逐渐积累开发者。
2025 年 12 月 3 日，Anthropic 宣布收购 Bun。当时，按照 Claude Code 的收入水平推算，其年收入规模刚刚突破 10 亿美元。但 Anthropic 却选择加大对 AI Coding 基础设施的投入。
事实上，在收购发生之前，Bun 就参与了 Claude Code 的构建和分发。双方此前合作推动了 Claude Code 原生安装器的推出。Anthropic 看中的是 Bun 在 JavaScript 工具链上的性能、稳定性和开发效率。随着 Claude Code 的使用规模增长，这些能力可以继续支撑其基础设施和产品开发。
根据收购公告，Bun 将继续保持 MIT 开源许可，Anthropic 也承诺继续投入运行时、包管理器、打包器和测试工具的开发。Bun 因此获得了新的资源支持，同时保留了独立产品的发展方向。
Deno 的情况有所不同。
Deno 由 Node.js 创始人 Ryan Dahl 创建。它最初希望重新思考 JavaScript 运行时的设计，包括权限控制、TypeScript 支持、模块管理和内置开发工具。随后，团队推出 Deno Deploy、JSR 等产品，将关注范围从本地运行时扩展到软件包分发和云端部署。
但在 2026 年 10 月 9 日，Deno 宣布团队整体加入 Cloudflare，未来将集中开发基于 Workers 和 Durable Objects 的计算平台。
这次调整也带来了明确的产品变化：Deno Runtime 在一年维护期后停止由原团队开发；Deno Deploy 在六个月后关闭；JSR 则继续运营，并迁移至 Cloudflare 基础设施。
Cloudflare 看中的一项核心技术是 celld。
celld 是 Deno 团队开发的 Rust 项目，目标是让开发者能够在自己的基础设施上运行兼容 Workers 和 Durable Objects 的分布式应用。Cloudflare 计划将 celld 的代码与设计整合进开源运行时 workerd，改善 Workers 和 Durable Objects 的自托管能力。
对于 Cloudflare 来说，这有助于将 Workers 的计算模型扩展到更多运行环境。对于 Deno 团队来说，多年来积累的运行时技术和开发经验，也可以进入新的平台体系。
值得关注的是，Ryan Dahl 在公告中专门提到了 AI Agent。他认为 Durable Objects 提供的持久状态、WebSocket、Serverless 执行和 JavaScript 接口，可以用于构建 Agent Harness。
这说明，AI 运行环境也是新平台关注的应用场景之一。不过，Deno 加入 Cloudflare 的目标还包括更广泛的分布式应用开发。
Bun 获得了来自 AI Coding 产品的长期投入，Deno 团队则将技术积累转向更大的云计算平台。
两个项目都因自身的底层技术能力获得了新的发展机会，只是原有产品的命运出现了明显差异。
npm：老牌工具的新需求
如果把视线从收购转向开发工具的实际使用，会看到另一种变化。
2020 年，GitHub 收购 npm。当时，npm 已是 JavaScript 生态的重要基础设施，拥有超过 130 万个软件包，每月下载量达到 750 亿次。此后，npm 继续承担 JavaScript 软件包注册、依赖管理和分发的工作。
AI 应用的发展，为这个成熟生态增加了新的使用场景。以 Vercel AI SDK 为例，开发者可以通过 npm 安装 AI SDK、模型 Provider 和 MCP 客户端等组件，将模型调用、工具使用和 Agent 能力引入现有 JavaScript 应用。
MCP Server、Agent CLI、Skills 安装工具等项目，也可以借助 npm 生态分发。例如，开发者可以使用 npx 临时执行 CLI 工具，也可以通过 npm 安装依赖，将相关能力集成到已有项目中。
Coding Agent 的普及进一步增加了这些工具的使用方。在传统开发流程中，开发者阅读文档、选择依赖、执行安装命令，再编写代码调用相应的 API。如今，Coding Agent 可以根据任务需要完成其中的部分操作。它能够读取项目的 package.json，检查已有依赖，执行 npm install，调用测试脚本，再根据反馈继续修改代码。
在这样的工作流中，npm 依旧承担原来的依赖管理和软件包分发职责，但使用它的不再只有人类开发者。这也让软件包的机器可读性变得更重要。清晰的 CLI 参数、规范的错误输出、可靠的类型声明和文档，都有助于 Agent 正确调用工具。
当然，npm 本来就拥有庞大的用户基础，不能将它目前的活跃度归因于 AI。但可以观察到，**AI 正在为成熟的软件包生态增加新的使用者和新的分发需求。**那些拥有稳定接口、完善文档和丰富生态的工具，也因此具备了被 Agent 复用的条件。
Rust：Agent 正在改变语言迁移的成本
npm 的变化主要发生在工具使用端，而 Rust 提供了另一个观察角度：AI 正在降低大型软件的迁移成本。
Rust 凭借内存安全、较低的运行时开销等优势，在系统编程领域受到关注。但对于长期维护的 TypeScript、Zig 或 C++ 项目，迁移意味着大量代码重写、接口适配和测试验证，工程成本一直是重要障碍。
Coding Agent 的出现，正在改变这一局面。
2026 年 7 月，Bun 创始人 Jarred Sumner 公开了一次大型迁移实践：借助 Claude Code，在 11 天内将原有的 53.5 万行 Zig 代码迁移到 Rust。Bun 选择 Rust，主要是为了解决 JavaScriptCore 垃圾回收机制与 Zig 手动内存管理之间的协调问题，减少内存泄漏、重复释放和悬空指针等错误。
按照 Jarred Sumner 的估算，完全依靠人工完成迁移，需要三名熟悉代码库的工程师投入约一年。实际迁移中，他组织了约 50 条动态工作流，最多同时运行 64 个 Claude 实例，执行代码迁移、编译修复、测试和对抗式 Review，模型调用成本约 16.5 万美元。
迁移后的实现通过了原有测试套件，并率先用于 Claude Code。官方披露，新实现的二进制体积缩小约 19%，部分实际工作负载性能提高 2%～5%。不过，合并后仍发现 19 个回归问题，代码中也保留了一定比例的 unsafe Rust，需要继续修复和改进。
GitHub 也进行了类似的大规模迁移。2026 年 9 月，GitHub 公开了 Copilot Agent Runtime 从 TypeScript 迁移到 Rust 的实践。整个过程持续约 14.5 周，产出了超过 83 万行生产 Rust 代码、47 万行单元测试，通过 128 个迁移 PR 分批推进。期间，Copilot CLI 仍发布了 135 个版本。
GitHub 选择 Rust，是为了支持运行时原生嵌入不同语言和应用，并降低启动、内存及进程间通信开销。Agent 承担大量代码迁移、测试和错误修复工作，人类工程师负责迁移规划、代码审查及行为一致性验证。
类似尝试也出现在较小的项目中。2026 年 4 月，一名开发者借助 Claude Code Agent Teams，公开的阶段性成果包含 11 个 Workspace Crate、超过 3.1 万行 Rust 代码。
这些案例说明，Coding Agent 开始承担过去需要大量人工投入的跨语言迁移任务。当代码重写、编译修复和测试的成本下降，一些过去因工程投入过高而被搁置的技术方案，也可能重新进入实施阶段。
当然，迁移成本下降并不意味着所有项目都需要转向 Rust。复杂系统仍要解决正确性验证、性能回归和长期维护问题。但 AI 正在改变技术选型中的成本计算，让 Rust 等已有技术路线获得更多应用机会。
开发工具的下一阶段
从 Bun、Deno、npm 到 Rust，可以看到 AI 正在从使用和生产两个方向改变开发工具的发展。
一方面，Coding Agent 正在成为开发工具的新用户。它们安装依赖、运行构建、调用 CLI、执行测试，也需要沙箱、持久化状态和远程执行环境。这让成熟的工具链和底层基础设施获得了新的使用需求，也让性能、稳定性以及与 Agent 的兼容能力受到更多关注。
另一方面，Coding Agent 也开始参与软件本身的开发。Bun 和 GitHub 的 Rust 重写案例表明，随着代码迁移、测试补充和大规模重构的成本下降，一些过去因工程投入过高而被搁置的技术方案，有机会重新进入实施阶段。
这两方面的变化，可能进一步影响开发工具的发展方向。未来的工具既要满足人类开发者的需求，也可能需要考虑 Agent 如何调用、执行和维护它们。 而当 AI 降低软件改造成本，企业也有机会重新评估现有技术栈，选择过去难以负担的架构方案。
不过，新的需求和技术能力并不能保证每个独立产品都能持续发展。Bun 因为与 AI Coding 产品的需求契合，获得了 Anthropic 的资源支持；Deno 团队的技术积累进入 Cloudflare 的计算平台，原有运行时和部署服务却将逐步退出官方维护。
对于开发者来说，技术选型也需要考虑更多长期因素。除了性能、兼容性和开发体验，项目的维护能力、商业模式以及未来的迁移成本，都值得纳入评估。
AI 正在改变现有软件基础设施的需求、开发成本和商业价值。 一些成熟工具因此获得新的应用空间，一些技术路线重新受到关注，也有独立产品逐渐融入更大的平台。未来开发工具将如何发展，很大程度上取决于它们能否适应这些新的需求，以及能否持续获得维护和投入。
参考资料
-
Anthropic acquires Bun as Claude Code reaches $1B milestone：anthropic.com/news/anthropic-acquires-bun-as-claude-code-reaches-usd1b-milestone
-
npm is joining GitHub：github.blog/news-insights/company-news/npm-is-joining-github/
-
Migrating the GitHub Copilot runtime to Rust, using Copilot：github.blog/ai-and-ml/generative-ai/migrating-the-github-copilot-runtime-to-rust-using-copilot/