Home

Back

Google 说 Go 是 AI 时代的“理想语言”,我信了一半

最近读到公众号「Go语言中文网」的一篇译文《Google 官方说 Go 是 AI 编程的最佳语言,让你认同吗?》,它转述的是 Google 开发者博客 2026 年 8 月 11 日由 Go 产品负责人 Cameron Balahan 和 Google Cloud 首席布道师 Richard Seroter 联名撰写的长文。这篇文章在 Hacker News 上吵了几百条评论,支持和反对都很激烈。我 Go 和 Python 都在用,读完有点想法,记下来。

一、它说得对的地方:瓶颈真的从「写」挪到了「审」#

最核心的那句判断我完全认同:当 AI 几秒就能产出几百行语法正确的代码,「写得多快」就不再是衡量语言生产力的标准,真正稀缺的是人的审查、验证和维护成本。这个转变其实比语言之争更重要——它是在重新定义「什么语言算好语言」。原文作者甚至给出一个体感数字,说他审 Go 代码的速度大约是 Python 的 2~3 倍;我提醒自己这只是「体感」,不是实测,但这个方向我相信是对的。

在这个前提下,Go 的几件事确实是真优势,不是吹出来的:

  • 工具链一体化。gofmt、go test、go mod、go vet、govulncheck、pprof、gopls 全是官方内置,团队不用先开会决定用 Black 还是 autopep8、用 pytest 还是 unittest。对 AI agent 来说,这少掉了一整层「猜项目约定」的不确定性。
  • 静态类型 + 极快编译 = 自我纠正闭环。方法名拼错、类型不匹配、变量没用,编译器当场拒绝,AI 在交给人类之前就把这类错修掉了。
  • 单一格式带来的可读性。不管谁写的 Go 都长得差不多,审查时省去「先适应它的风格」的开销。

里面我尤其喜欢 govulncheck 的设计:它做可达性分析,只报告你实际调用到的漏洞函数,不报无关版本号。这种「低噪音、可操作」的反馈,才是自动化流程真正能用的东西。

二、但「理想语言」这四个字,说大了#

以下是我的保留意见。

1. 编译通过 ≠ 正确。 Go 的类型系统能挡住拼写和类型错,挡不住业务逻辑错。批评者的火力更集中:Go 允许 nil 指针、允许结构体部分初始化,编译器拦不住无效状态;而「AI 生成 + 人类验证」模式下,这恰恰是最危险的。Rust、Haskell 靠更强的类型系统能在编译期多挡一层。Go 的取舍是「简单优先、牺牲部分静态保证」——这是优点,也是代价。

2. 优势有场景边界。 Go 的强项集中在 AI agent 运行的基础设施、后端服务、CLI 工具这一带;如果任务本身是「构建 AI 应用」——调大模型 API、接 AI SDK、做数据科学——Python、TypeScript 的生态厚度是 Go 追不上的。有个很具体的对比:Python 生态里有 2500 多个活跃维护的 AI/机器学习库,Go 只有不到 300 个。所以结论更像「Go 特别适合 AI 辅助的后端与基础设施开发」,而不是笼统的 ideal for AI-assisted software engineering。

3. 训练数据量这个变量被轻轻带过了。 LLM 生成代码的质量,很大程度取决于训练语料里这门语言的公开代码规模,而 Go 在 GitHub 上的存量远不及 Python、JavaScript。不过这里也别走极端——有实测者说,Go 几乎瞬间编译,编译语言的摩擦力反过来逼着 LLM 产出更靠谱、更可读的代码。也就是说,结论可能既取决于语言,也取决于模型。

4. 有些具体场景 Go 反而别扭。 做 LLM 应用的人会懂:Go 没有 sum type、没有模式匹配,「模型返回的是工具调用、纯文本、拒绝、还是格式错乱」这类分支,在 TypeScript 的联合类型里写得很干净,在 Go 里得靠 type switch 加接口断言硬拼;而 LLM 输出恰恰是半结构化的,用 encoding/json 硬 marshal 进固定 struct 是最难受的场景。

5. 立场问题。 Google 既是 Go 的创造者也是主要维护者,这篇文章首先是一份立场陈述,不是跨语言基准测试——它并没有证明在同一任务上 Go agent 犯的错更少。

三、我的结论#

我不接受「最佳语言」这个说法,但我接受它揭示的那层真实变化:当代码生成的成本趋近于零,语法表达力就不再值钱,「无聊」的确定性、可读性和低成本验证开始值钱。

落到实践,我的三点建议:

  • 别信口号,自己测。 用同一个 agent 和 prompt,分别生成 Go 和 Rust(或 Python)实现,记录编译通过轮数、token 消耗、review 时长和测试通过率,各跑三次取中位数——单次实验噪声太大,而且结论只适用于你自己的场景。
  • 语言只是工具,纪律才是护栏。 少引入依赖能降风险,但安全还来自密钥管理、超时、鉴权、日志脱敏;语言可以降低出错概率,却不能替人决定哪些操作可以自动化、哪些必须停下来问。
  • 最危险的默认假设,是「因为 AI 写得快,我们仍按写得快来衡量生产力」。

Go 不是「恰好适合 AI」,更不是「唯一适合 AI」。它只是在一个特定场景里,把「人 + AI 协作」的设计成本压得比较低。这已经足够值钱了——但没必要被「理想」这个词绑架。

Google 说 Go 是 AI 时代的“理想语言”,我信了一半
https://jimdeng.com/blog/go-ai-ideal-language
Author jimdeng
Published at 2026-10-28 18:00