快速与硬核代码
摘要
本文探讨了大语言模型如何降低编程语言选择的摩擦,促使开发者采用如 Rust 和 Zig 等面向性能的语言来开发快速、小型的软件,并使得处理以前被认为困难的技术成为可能。
<p>推特上的一个梗是“编程现在已被解决。”我不确定这在多大程度上是真的,但有一件事非常清楚:熟悉一门语言的行为不再重要,一些对人类有意义的摩擦对智能体来说已无关紧要。</p>
<p>因此,大语言模型使编程语言的选择远不如过去那样重要。如果你不喜欢这个选择,你似乎可以用另一种语言重写它,并且可以让你作为程序员完全不熟悉的语言被选中。</p>
<p>这反过来意味着人们更多地基于语言的营销进行选择和使用。作为一名长期使用 Rust 的程序员,我发现现在许多以前可能不会选择 Rust 的人正在发布 Rust 代码,这相当迷人。我将至少一部分归因于最近的两个氛围转变:关于想要快速软件的讨论增多,以及大语言模型在优化代码而不回退行为方面的卓越表现。</p>
<p>像 Mitchell Hashimoto、Charlie Marsh、Jarred Sumner、Daniel Lemire 和许多其他人一直对快速和高性能软件有着某种程度的痴迷,并且他们恰好都对智能体编写代码持开放态度。也许因此,或者其他不相关的人现在也加入了。这是因为像
<a href="https://github.com/davebcn87/pi-autoresearch">autoresearch</a> 这样的东西,你甚至不一定需要知道所有技巧:你只需要让智能体来处理——尽管知识很有帮助!</p>
<p>如果你环顾四周,有很多项目都希望快速和小型,并且它们越来越多地选择“硬核语言”。受益的不仅仅是 Rust。即使是 Zig——尽管其创建者和核心社区的某些部分对整个 AI 事物持相当负面的态度——也是如此。例如,Cloudflare 的新
<a href="https://blog.cloudflare.com/artifacts-git-for-agents-beta/">Artifacts</a> 服务
使用纯 Zig 的 Git 协议引擎,编译成大约 100 KB 的 WebAssembly 模块,而 Vercel 发布了 <a href="https://github.com/vercel-labs/fx">fx</a>,一个据称小巧快速的 Zig 编码智能体。据我所知,所有这些项目很大程度上都得到了大语言模型的辅助。</p>
<p>但这不仅仅是人们选择不那么常见的语言,还在于他们越来越多地使用“困难得多”的技术。突然之间,我看到人们用 DWARF 文件、eBPF、自定义网络驱动程序、自定义加密和非常古老的计算硬件做了一些真正令人印象深刻的事情。这些事情以前对许多开发者来说是禁区。在某些情况下(例如加密),你甚至会被拒之门外,因为那些事情被知情者有意地把关。</p>
<p>所以,也许世界上会有更多粗糙的东西,但也可能会有更多开发者希望事物快速和小型。</p>
查看缓存全文
缓存时间: 2026/08/23 03:38
# 快速而艰深的代码
来源:https://lucumr.pocoo.org/2026/8/22/fast-hard-code/
撰写于 2026年8月22日
推特上的一个流行说法是“编程问题现在已解决”。我不确定这在多大程度上属实,但有一点非常明确:熟悉一门语言的过程不再重要,一些曾对人类至关重要的阻力,对智能体而言已无关紧要。
因此,LLM 使得语言选择远不如过去那般关键。如果你不喜欢某个选择,似乎可以用另一种语言重写代码,甚至可以让你——作为程序员——完全不熟悉的语言来完成它。
这反过来也意味着,人们确实会更依赖于语言的营销来做出选择。作为长期的 Rust 程序员,我饶有兴趣地看到,现在发布 Rust 代码的人,其中一些以前可能不会选择它。我将此部分归因于近期两个趋势的转变:关于追求快速软件的讨论越来越多,以及关于 LLM 在不回退行为的前提下进行卓越代码优化的讨论也越来越多。
像 Mitchell Hashimoto、Charlie Marsh、Jarred Sumner、Daniel Lemire 等许多人始终对快速、高性能的软件怀有某种执着,并且他们碰巧都乐于接受智能体编写代码。也许是受此影响,或其他不相关原因,现在其他人也纷纷加入。这是因为有了像 autoresearch (https://github.com/davebcn87/pi-autoresearch) 这样的项目,你甚至不必掌握所有技巧——只需让智能体来处理即可,当然,相关知识依然大有裨益。
环顾四周,有许多项目追求快速和小巧,它们越来越多地选择“艰深的语言”。从中受益的不仅是 Rust。即使是 Zig——尽管其创造者和部分核心社区对 AI 一事相当不以为然——也不例外。例如,Cloudflare 的新 Artifacts (https://blog.cloudflare.com/artifacts-git-for-agents-beta/) 服务使用纯 Zig 编写的 Git 协议引擎,编译成约 100 KB 的 WebAssembly 模块;而 Vercel 则发布了 fx (https://github.com/vercel-labs/fx),一个被宣传为小巧快速的 Zig 编码智能体。据我所知,这些项目大多都在 LLM 的辅助下完成。
这不仅仅是人们选择了不常见的语言,还在于他们正越来越多地使用“更艰深”的技术。突然间,我看到人们利用 DWARF 文件、eBPF、自定义网络驱动、自定义加密和非常古老的计算机硬件做出了许多令人印象深刻的事情。此前,这些东西对许多开发者来说都是禁区。在某些情况下(例如加密),你甚至会被拒之门外,因为知情者有意设立了门槛。
因此,也许世界上会有更多质量不高的代码,但可能也会有更多开发者,他们追求快速和小巧的软件。
本文标签:ai (https://lucumr.pocoo.org/tags/ai/)、编程 (https://lucumr.pocoo.org/tags/programming/) 和 想法 (https://lucumr.pocoo.org/tags/thoughts/)
复制为 (https://lucumr.pocoo.org/2026/8/22/fast-hard-code.md)/查看 (https://lucumr.pocoo.org/2026/8/22/fast-hard-code.md) markdown
相似文章
软件没有理由再慢了
该文章指出,LLMs和AI工具正在降低软件性能优化的门槛,使得之前因成本过高而无法实施的自定义适配(如JIT编译器和正则表达式引擎)成为可能。
2倍,而非10倍:2026年使用LLM编程
作者认为,由于LLM能够处理易于验证的任务,目前可为编程提供约2倍的生产力提升,但根本性限制使其无法实现10倍改进;进一步的提升将来自围绕现有能力重构工具,而非模型改进。
JIT编译代码在5μs内完成
文章探讨了AI辅助如何简化了创建具有亚微秒级编译时间的快速JIT编译器的过程,并通过一个基于Rust的正则表达式引擎示例进行了演示。
编写快速编译器
这篇文章描述了编写快速编译器的各种技巧和策略,专注于最小化代码执行、减少内存使用和优化常见路径,以实现每秒超过50万行代码的编译速度。
使用枯燥语言配合LLM
一篇观点文章指出,LLM在枯燥且一致的语言与生态系统(如Ruby on Rails)中表现更佳,因为训练语料库的方差较低,从而产生更可靠的智能体输出,而碎片化的生态系统(如JavaScript)则导致效果不佳。