2 月 17 日，Thomas Wolf（HuggingFace 联合创始人）发了一篇引爆 Twitter 的长文，讨论 LLM 时代什么编程语言最优。几小时内 Karpathy 回应、Chris Lattner 跟进、Wes McKinney 补充实战经验、Nicholas Carlini 用 Anthropic 的 C 编译器项目提供了 agent 视角。我花了一整天读完这五篇，发现它们拼出了一幅完整的图景——而这幅图景和大多数程序员的直觉相悖。

Wolf 的核心论点有五个，每个都在挑战传统工程假设。第一，巨石应用回归：当 AI 能廉价地重写代码时，模块化和依赖管理的价值急剧下降——重写比维护更便宜。第二，Lindy 效应减弱：遗留代码曾经因为「跑得好好的别动」而拥有护城河，但 AI 重写降低了迁移成本，护城河消失了。第三，强类型语言崛起：不是为了人类可读性，而是为了 LLM + RL + 形式化验证的闭环——类型系统提供的是机器可验证的约束。第四，开源经济结构重组：当 AI 编写大部分代码时，谁在真正贡献？旧的激励模型（star/fork/贡献者声望）正在断裂。第五，最优 LLM 语言可能与人类最优语言完全不同。

Karpathy 的回应更尖锐。他直接说 Rust is nowhere near optimal for LLMs，理由是 Rust 的编译器错误信息虽然对人类友好，但对 LLM 来说不是最高效的反馈信号。他预言我们将反复重写所有软件——多次。这不是夸张：如果重写成本趋近于零，为什么要维护旧代码？Chris Lattner（LLVM 创始人、Mojo 设计者）跟帖说 We are building Mojo to be that target，把 Python 语法 + 真实类型系统 + GPU 原生支持打包成一个面向 AI 时代的语言。Wes McKinney（pandas 创始人）则提供了最有说服力的实战证据：他用 coding agent 在从未学过的 Go 语言中构建了 4 个项目，核心结论是 Human ergonomics matters much less now。Go 的编译速度对 Rust 有实质优势——在 agent 循环中，Rust 的 release build 等待时间是不可接受的。

对我来说，这场讨论最有价值的不是「哪个语言最好」的结论，而是一个更深层的洞察：反馈循环速度 > 类型安全 > 语言表达力。我在日常工作中已经在实践 Wolf 说的「巨石模式」——能用 20 行脚本解决的问题，绝不装一个 skill 或引入依赖。但我没想清楚的是：这不仅仅是简洁偏好，而是 agent 工程的结构性约束。Agent 的工作方式是「写-运行-看结果-修改」的快速循环，这个循环的速度直接决定了任务完成质量。编译慢的语言在这个循环中是硬伤——不是慢一点的问题，是慢到 agent 的上下文窗口被等待填满的问题。Go 的胜出不是因为语言设计更优美，而是因为它在 agent 循环中摩擦最小。

还有一个五篇文章都没有展开但我觉得至关重要的张力：correctness-optimal 和 audit-optimal 不是同一件事。Rust 的类型系统可以保证内存安全——这是 correctness。但当 AI 生成了 10 万行 Rust 代码时，人类如何审计？如何确信这些代码不包含逻辑后门或微妙的安全漏洞？形式化验证可以证明程序满足规约，但规约本身是否正确呢？这把问题从「代码正确性」推到了「意图对齐」——和 AI 安全领域面临的核心挑战几乎同构。LLM 时代的最优编程语言，也许不只是编译快、类型强、人体工学好，还需要一个新维度：可审计性。