夜雨聆风说实话，写这篇文章之前我犹豫了一下。
因为过去一个月，我公众号后台收到不少留言，大意都是："AI 编程工具到底能干啥？不就是帮你补全代码、写点单元测试吗？"
我以前也这么想。
直到上周，我干了一件以前想都不敢想的事——用 Rust 写了一个小小的命令行工具，然后把它集成到了一个 C 项目里。
如果你三年前告诉我："嘿，你一个只会写 JavaScript 和 Python 的人，有一天能碰 Rust 和 C。" 我肯定觉得你疯了。
但这真的发生了。而且不是因为我突然变聪明了，也不是因为我花了一百个小时啃《Rust 程序设计》。我只是用对了 AI 编程工具。
一篇让我破防的文章
事情要从一篇博客说起。
前两天 Shopify 的 Stan Lo 发了一篇文章，标题就叫《AI Coding Agents Are Removing Programming Language Barriers》。这哥们是个 Ruby 开发者，写了十年 Ruby，从 Rails 到 IRB 到 Ruby 的 debug gem，全都是 Ruby 生态里的东西。十年来，Ruby 不只是他的主要语言，基本上是他唯一会用的语言。
然后 2025 年一切都变了。
他今年给 Sorbet（一个 C++ 项目）贡献了代码，改过 RBS 的 parser（C 语言），现在又在搞 ZJIT（Rust 写的 Ruby JIT 编译器）。
一年之内，从 Ruby-only 到 C++、C、Rust 全面开花。
看到这段的时候我直接破防了——这不就是我的现状吗？
我是怎么从"Python 仔"变成"什么都能写一点"的
先交代下我的背景。
我工作这些年，主力语言一直是 Python 和 JavaScript。不是没想过学 Rust——谁没在 Hacker News 上被 Rust 刷屏过呢？但每次打开《The Book》，看到 ownership 和 borrowing 那些概念，我就默默关掉了浏览器。
不是学不会，是真的时间成本太高。要学到能写生产代码的水平，没几百个小时下不来。谁有这时间？
转折点出现在三个月前。我开始认真用 Claude Code 和 Cursor 来做日常开发。
一开始也就是让它写写测试、补补文档。但有一天我接到了一个需求——需要优化一个 Python 数据处理管道的性能，同事建议用 Rust 重写核心部分。
搁以前我肯定拒绝了："我不会 Rust。"
但那天我试了试：把 Python 代码扔给 Claude，说"帮我用 Rust 重写这个函数，保持同样的逻辑"。
十分钟后，我拿到了第一版能编译通过的 Rust 代码。
不是完美的代码，但能跑。而且跑得比 Python 快 40 倍。
之后我花了两天时间，在 Claude 的辅助下把那段 Rust 代码打磨到了可上线的水平。过程中我不只是在抄代码——我在问它"为什么这里要用 match？""为什么这个变量要加 mut？""这个 unwrap 什么时候会 panic？"
Claude 回答得比大部分教科书都清楚。
AI 不是在替你写代码，而是在帮你"跨过那道坎"
Stan Lo 文章里有一句话我特别喜欢：
"AI 不是代码生成器，而是一个技能互补的结对编程伙伴。"
他把这个过程描述为：他知道项目需求和约束，AI 知道语言语法和模式。他负责判断"这么做对不对"，AI 负责探索"还可以怎么做"。
这个描述太精准了。
我以前学新语言的最大障碍不是学不会语法——语法再复杂，花时间总能搞懂。真正的障碍是前 100 个小时的"挫败期"：连编译都过不了、连基本的工程结构都搭不起来、连标准库有哪些函数都不知道。
AI 直接把这段时间抹掉了。
你可以从"有意义的事情"开始做——直接写业务逻辑、直接提交 PR、直接在真实项目里学习。AI 帮你处理那些"stupid rookie mistakes"：变量声明语法错了、类型约定搞反了、跟不熟悉的构建工具打架了。
这不是在让你变懒，而是在让你更快地跨过那道门槛。
但 AI 也有翻车的时候
当然，事情没那么完美。
Stan Lo 也说了：AI 对项目特有的上下文、深层的内部机制、构建系统的古怪约定，经常是"hit or miss"。
我自己的经历也印证了这一点。前几天我在搞一个 Rust + C 的 FFI 绑定，Claude 写出来的 unsafe 代码我根本不敢直接用。问了团队里的 C 语言老手，才发现 Claude 对某些内存布局的假设完全是错的。
这种时候，AI 帮不了你。你需要的还是真人的经验和判断。
但换个角度想：如果没有 AI，我连那段 FFI 代码的初版都写不出来。即使它只有 60% 是对的，那也比从零开始强太多了。剩下的 40% 我可以问人、可以查文档、可以自己调试。
AI 把"从 0 到 1"的时间压缩了 90%，但"从 1 到 10"还得靠自己。
另一个有意思的趋势：Agent 编排平台正在兴起
说到 AI coding agent，这两天还有一个项目挺火的——Optio，一个在 K8s 上编排 AI coding agent 的平台。
它的思路很有意思：把 agent 的工作分成三个层级——Tasks（从 ticket 到 PR 全自动）、Jobs（一次性的参数化任务）、Persistent Agents（长驻的、可寻址的 agent 进程）。
这背后的逻辑是：单个 agent 的能力是有限的，但把多个 agent 编排成一个"开发流水线"——从需求分析到代码生成到 CI 修复到代码审查到合并——就能处理更复杂的工作流。
有点像 Jenkins 之于 CI/CD，Optio 想做的是 Agent 时代的 CI/CD 平台。
当然，它还很早期。评论区里有人直接问"怎么防止 agent 写出垃圾代码把你的代码库搞崩？"——这个问题现在还很难回答。
但方向是对的。当单个 coding agent 的能力逐渐趋同（各家模型差距在缩小），真正的差异化会出现在"怎么把 agent 组织成团队"这件事上。
所以，程序员还要不要学新语言？
写到这里，我猜有人会问：既然 AI 能帮你写任何语言的代码，那我还学新语言干嘛？
我的答案是：要学，但可以换个学法。
以前学新语言 = 先花 100 小时学语法 + 再花 100 小时学框架 + 再花 100 小时做项目 = 300 小时后才能写生产代码。
现在学新语言 = 直接开干 + 遇到不懂的问 AI + 边写边学 = 20 小时后就能贡献 PR。
这不是说不用学了，而是说学习的 ROI 变了。
你可以更快地从一个语言跳到另一个语言，更快地在不同技术栈之间切换，更快地解决那些"需要多种语言知识"的问题。
Stan Lo 在他的文章最后说了一段话，我觉得是对这个时代最好的总结：
"这不会取代深度 expertise——团队里的语言专家仍然不可或缺。但它确实意味着，同时在多个语言中保持生产力，对更多开发者来说已经成为现实。"
写在最后
前几天我在跟一个朋友聊天，他说他现在招人不再看"你精通什么语言"，而是看"你能不能快速上手我们不熟悉的技术栈"。
AI 正在做的，就是让"快速上手"这件事变得前所未有的容易。
我不是在鼓吹"AI 会替代程序员"——恰恰相反，我觉得 AI 让程序员这个角色的天花板更高了。你不再被你的第一门编程语言定义，你可以是任何语言的开发者。
所以，如果你到现在还没试过用 AI 写一门你没学过的语言——去试试。
说实话，那感觉还挺爽的。
（完）
📌 如果你喜欢这篇文章：
点个「在看」让更多人看到 留言说说你用 AI 写过什么"本不该会"的语言 关注我，每周分享 AI 开发工具和效率心得