AI 会有自己的编程偏好吗？

如果问 Claude Code “最伟大的编程语言”是什么，它又会怎么回答呢？

今天，Hacker News 上一篇技术博客引发了热烈讨论。作者结论相当直接：静态类型语言更适合“Vibe Coding”。

自从 Claude Code 上线后，这位作者改变了自己十多年依赖 Python 开发的习惯。

转而频繁使用自己并不十分熟悉的 Rust 等强类型语言。

凭借 Claude Code 的功能和编译器的安全检查，他即使在并不熟悉的语言中，也能快速生成并验证数千行改动，而且几乎不破坏稳定性。

他甚至预测：

在企业生产环境中，Python 的采用率将会下降——尽管我个人依旧很喜欢它。

然而，这样的结论在评论区却遭到不少质疑与反驳，尤其是在 Rust 这个热门语言上的讨论，更是针锋相对。

接下来，我们就看看，作者是如何得出“AI IDE 更擅长静态类型语言”这一判断的，而他的观点，又能否站得住脚？

1.因为 Claude Code，我转向了 Rust——更快、更安全

作者说，在CC上线后，他超过 10 年的编程习惯发生了巨变。

Python 不再是他新项目的首选语言。

如今，他常常管理一些并不精通的语言项目——TypeScript、Rust 和 Go——而且运行得相当顺利。

对他而言，这很反直觉：过去，他一直习惯用 Python 把项目“Vibe”出来。

而在 AI IDE 的加持下，他逐渐发现，静态类型、编译型语言在 vibecoding 中反而更适合，因为它们提供了更强的安全性保障。

当项目规模达到一定程度后，Claude Code 搭配 Rust 反而比搭配 Python 更快、更安全——哪怕 Rust 的代码更底层。这完全得益于 AI 工具的加入。

他举了个例子：在 TextCortex 重构大量 TypeScript 前端代码时，Claude Code 会在完成每个任务后自动运行 tsc，确保代码编译通过才提交。这样的工作流，让他的效率远超使用 Python——毕竟 Python 并没有编译期的安全网。更让他惊讶的是，那些在短短几小时内提交的 3-5k 行改动，不仅没有破坏系统，反而提升了稳定性。

“大语言模型依然是‘有泄漏的抽象（leaky abstractions）’，”作者写道，“但它们现在已经足够成熟，既能保留过去 Python 的快速原型开发体验，又能避免 Python 在安全性、性能、语义清晰度上的短板。”

他甚至预测，未来生产环境里，Python 可能会被包括 Rust 在内的强类型语言挤压。

的确，Rust 拥有内存安全、零成本抽象、强类型和编译期检查等特性，但作者的个人体验，未必能代表大多数开发者的现实感受。

2.网友质疑：大模型在生成 Rust 代码上是出了名的差！

在评论区，不少有 Rust 经验的开发者对“更快、更安全”的说法表示质疑，甚至给出了完全相反的故事。

许多网友认为，AI 生成的 Rust 代码质量堪忧——即便能编译通过，也常常低效、臃肿、不优雅。

“这和我用 Claude 写 Rust 的体验完全不符。我有 2.5 年的 Rust 商业开发经验，水平不差。Claude 会在 Rust 代码上产生幻觉，因为它是统计模型，而不是静态分析工具。即便写出能编译的代码，这些代码通常也低效、难看。”

造成这种现象的原因，当然也和 Rust 语言本身的特性密切相关：

1）语义难度高

Rust 的内存安全和所有权系统对 LLM 来说理解门槛很高。

“我看到 LLM 在 Rust 上的主要困难，是理解语言语义——也就是编译器静态验证的那些规则。比如，它们会‘以为’存在 use-after-free 或 use-after-move 这种问题，但在安全的 Rust 中，这根本不可能发生，因为语言本身保证了不会出现这种情况。

Rust 是为数不多真正做了新东西的语言，它的语义和 Go、TypeScript 的差异，比 Go 和 TypeScript 之间的差异大得多。我猜在 Haskell、OCaml、Prolog 这类语言中，LLM 的表现也会差不多。”

2） 边缘情况多，写法不统一

Rust 的标准库庞大、边缘情况丰富，甚至还有不少“看似应该存在但实际没有”的特性，例如没有没有隐式类型转换，没有默认的没有默认的“空值”/null等等。这些都容易让 AI 生成错误代码。

大语言模型在生成 Rust 代码上是出了名的差。…… Rust 本身坑很多、标准库庞大且边缘情况多，还有很多你以为应该存在但其实不存在的东西。Rust 的写法种类也很多，而不是像有些语言那样只有一种惯用法。

3）训练数据劣势

与 Java、Python 相比，Rust 在 LLM 训练语料中的高质量代码库相对较少，这直接影响了模型的生成质量。

一方面，Rust 诞生时间较短（2015 年稳定版发布），成熟项目和大规模开源库数量有限；另一方面，很多 Rust 代码分布在较小的社区仓库中，不像 Java/Python 那样集中在大型开源项目和知名代码平台，爬取难度也更高。

3.不过，这并不表示AI IDE不合适写Rust

Rust 一直以高性能和内存安全著称，但学习曲线陡峭。

如今，Claude Code 等一类好用的 AI 编程工具，正在显著降低 Rust 的上手门槛。

有网友指出，即便是相对小众的语言（如 OCaml、Scala），在 AI 辅助下产出高质量结果的时间和精力成本都大幅下降——虽然第一次生成几乎不会完全正确，但修正和迭代的速度快了很多。

那么，如何利用 Rust 的特性找到适合 AI 辅助的用法？

一位开发者分享了自己的经验：

我用 Claude 写 Rust 的结果还不错。我的提示语通常是这样： “我有一个数据库表 Foo，这是它的 DDL：，帮我在 /v0/foo 创建 CRUD 接口；用和 Bar 相同的代码风格。” 我觉得它在模仿现有代码风格方面做得挺好。

原因在于，强类型语言在 AI 编码中确实能形成更快的错误定位与修复循环。

另一位网友补充：

“尤其是在 agentic coding 环境里。强类型/静态类型语言配合良好的编译器提示，能通过解析和类型检查形成非常快的反馈循环，而如果配合像 Claude.md 这样的规则文件，还能迭代得更快。”

4.写在最后：AI并不能直接帮你上手不会的语言

为什么评论区有人说“AI 写 Rust 出奇地差”，而作者却有完全相反的体验？

一位网友给出了一个有趣的解释——他借用了传播学中的“媒介素养”概念：当人们在某个领域是专家时，他们能分辨信息源的好坏；但当他们对主题不熟时，往往会假设信息源至少是靠谱的。

他说，自己在用大语言模型做 Web 开发时，也有和作者类似的感受：看起来 AI 的表现很不错——至少比自己手写的“烂摊子”要好。但问题是，他其实没有资格去判断 AI 代码的真正质量。“

他说了一句很扎心的话：“我觉得，AI 的不少价值，都来自工程师以为自己有资格判断它写得好不好。”

这番话引起了不少共鸣。有人补充说：

“虽然 AI 写不好 Rust，但如果让它从零生成可用且优雅的 Python 代码，它反而挺不错的。顺便说一句，我并不精通 Python。”

那么，AI 最擅长写的，其实正是你不精通的语言？

在讽刺之余，这也提醒了我们：在 AI 时代，开发者的持续学习依然有意义——编程能力既无法被一键自动化取代，也需要为所谓的“AI 编程神话”降降温。

不过，像作者这样，被 Claude Code 改变十年编程习惯的故事，未来只会越来越多。

你觉得 AI 更擅长写哪种语言？

你有被哪款 AI IDE 改变过编程习惯吗？欢迎在评论区聊聊。