Twitter 上有一个流行的梗，叫“编程已经解决了”。我不确定这话到底在多大程度上成立，但有一点很清楚：熟悉一门语言这件事已经不再重要，那些曾给人类带来阻碍的摩擦，对智能体来说也不再是问题。

因此，大语言模型让编程语言的选择变得远不如从前那么关键。如果你不喜欢当初的选择，似乎随时都能用另一种语言重写，甚至可以让模型去用一门你作为程序员完全陌生的语言。

这反过来也意味着，人们越来越会——也确实会——更多地根据语言的营销宣传来做选择。作为一名长期的 Rust 程序员，看到如今一些原本可能不会选择 Rust 的人也开始交付 Rust 代码，我觉得颇有意思。我认为这至少部分要归因于最近的两种风向转变：人们越来越多地讨论“想要更快的软件”，以及普遍认为大语言模型非常擅长优化代码且不会破坏原有行为。

像 Mitchell Hashimoto、Charlie Marsh、Jarred Sumner、Daniel Lemire 以及其他不少人，一直以来都对快速、高性能的软件抱有某种执念，而他们恰好也都乐于接受由智能体来写代码。也许是受此影响，又或许毫无关联，现在有更多人也加入了进来。原因在于，有了像 autoresearch 这样的工具，你甚至不一定需要掌握所有技巧——只需让智能体去做就行，当然，懂行会大有帮助！

环顾四周，有不少追求快速、小巧的项目，它们越来越多地选择“硬核语言”。受益的并不只有 Rust。即便是 Zig——尽管其创造者和部分核心社区成员对 AI 这件事整体上相当排斥——也在受益。例如，Cloudflare 新推出的 Artifacts 服务使用了一个纯 Zig 编写的 Git 协议引擎，编译后仅为约 100 KB 的 WebAssembly 模块；而 Vercel 则发布了 fx，一个主打小巧、快速的 Zig 编程智能体。据我观察，这些项目很大程度上都是在大语言模型辅助下完成的。

但人们不仅在选择更小众的语言，也越来越多地涉足“难得多”的技术。突然之间，我看到有人在 DWARF 文件、eBPF、自定义网络驱动、自定义加密以及非常古老的计算硬件上做出了令人印象深刻的成果。这些领域过去对许多开发者而言是难以企及的。在某些情况下（比如加密），你甚至会被劝退，因为懂行的人有意将其设限、筑起壁垒。

所以，这个世界或许会有更多的垃圾内容，但也可能会涌现出更多追求快速、小巧的开发者。