#模型时代# Hugging Face联合创始人：新编程语言的演化方向将与人类分道扬镳

绿叶诗笺

#模型时代# Hugging Face联合创始人：新编程语言的演化方向将与人类分道扬镳


刚刷到Thomas Wolf，Hugging Face联合创始人兼首席科学官的一个推文，谈软件工程的未来预测，很有洞察。做个转译。另外，Andrej Kaparthy也转评了一下，我附在最后了。

一、单体应用回归，依赖链条瓦解
过去，开发者写软件像搭积木——大量依赖第三方库，形成深层依赖链条（dependency tree）。原因很简单：从零写一个功能太贵，不如直接调用别人写好的。

但AI编程agent改变了这个经济账。当"重写一段代码"和"读懂一个陌生代码库"的成本趋近于零，你就没必要再引入一长串依赖了。需要某个库的某个功能？让agent把相关部分提取出来，或者干脆从头写一个。结果就是单体应用（monolith）的回归——一个完整的应用，尽量自己搞定一切。

好处是实打实的：依赖少了，供应链攻击（supply chain attack）的面就小了；打包体积更小，性能更好，启动更快。借助AI不知疲倦的耐力，"从底层裸金属（bare-metal）一路写到应用层"这件过去不切实际的事，正在变得可行。

二、林迪效应失灵，历史代码不再是护城河
"林迪效应（Lindy effect）"说的是：一个东西存在的时间越长，它未来继续存在的概率就越大。与之相关的还有"切斯特顿之篱（Chesterton's fence）"——拆掉一道篱笆之前，你得先搞清楚它为什么被立在那里，否则拆除本身就有代价。

这两条规律支撑了大量历史代码（legacy code）的存续。没人敢动，因为没人能完全理解它。

但AI打破了这个僵局。一个不知疲倦的agent可以彻底翻阅老代码库，理解每一处设计意图，然后用新语言完整重写。过去人类早就放弃的那些"祖传代码"，现在有了被认真审视和替换的可能。

但有一个关键前提： 未知的未知仍然是未知的。AI能否真正覆盖所有测试场景、边界情况（edge cases）和形式化验证（formal verification），决定了这场替换到底能走多远。在AI主导的世界里，形式化验证不是可选项，而是必选项。

三、强类型语言崛起，编程语言的选择逻辑变了
过去，一门编程语言能不能流行，很大程度取决于"人的因素"：好不好学？写起来爽不爽？社区友不友好？生态丰不丰富？

这些因素本质上是人类心理学和社交动力学的产物。而语言真正的硬核属性——类型安全、形式化验证能力、静态检查与动态灵活的平衡——反而经常被排在后面。

当AI成为主要的代码编写者，人的因素退场，语言的选择标准就会发生根本变化。强类型（strongly typed）、可形式化验证、高性能的语言将占据优势。这些语言对人类来说往往更难学，但恰恰更适合LLM——因为LLM天然擅长在形式化验证和强化学习（reinforcement learning）的环境中工作。

哪些语言会因此崛起，哪些会衰落，值得密切关注。

四、开源的经济基础被重塑
过去几十年，开源社区的底层驱动力是人与人之间的连接：一起写代码、一起学习、一起使用，从中获得归属感和成就感。

但当代码的编写者和阅读者主要变成了机器，这些激励机制就开始瓦解。未来大概率会出现"AI社区"——一群AI agent协作构建代码库和工具链。但这样的社区缺少人类驱动开源运动的那些根本动机：好奇心、社交需求、自我实现。

如果开源的未来基本不再有人类参与，那么AI模型的对齐（alignment）问题就不仅仅重要——它将是决定性的。

五、新编程语言的演化方向将与人类分道扬镳
我们在设计编程语言时面临的经典权衡——表达力 vs. 简洁性、安全 vs. 控制力、性能 vs. 抽象层级、编译时 vs. 运行时、显式 vs. 隐式——AI agent是否也会面临同样的取舍？

答案很可能是否定的。

长远来看，创造新编程语言的理由将大幅偏离人类过去的动机。很可能存在一种"LLM最优编程语言"，而这种语言和人类收敛出来的那些语言，可能长得完全不一样。

Andrej Karpathy 的评论：

对编程语言和形式化方法（formal methods）领域的人来说，现在一定是一个极其有趣的时期——LLM从根本上改变了软件的整个约束格局。

这种趋势已经露出端倪：比如将C语言移植到Rust的势头越来越猛，以及越来越多人开始关注用COBOL等语言编写的历史代码库（legacy codebase）的升级改造。
值得注意的是，LLM在代码翻译方面的表现远好于从零生成（de-novo generation）。

原因有两个：第一，原始代码库本身就相当于一份极其详细的提示词（prompt）；第二，它还提供了编写具体测试用例的参照基准。

不过话说回来，即便是Rust，作为LLM的目标语言也远远谈不上最优。什么样的语言才是最优的？还需要为人类保留哪些让步（如果有的话）？这些都是全新的、极其有趣的问题和机会。

最终的结局很可能是：人类有史以来写过的大量软件，将被反复重写很多遍。