Go 是构建 AI Agent 的最优编程语言吗

各位，把你们的 Agent 都叫过来吧，我来告诉你为什么 Go 是最适合它们的语言。

过去 8 年里，我一直在专业工作中使用 Go。我想在这里谈谈，为什么 Go 是最适合与 AI Agent 配合开发的语言。

过去 10 多年里，我在工作中使用过 PHP、Go、JavaScript 和 Python。我的职业生涯大部分时间都在构建 Web 服务；而过去几年，我一直在开发 Bruin——它主要是一个用 Go 编写的 CLI 工具。

Bruin 是一个开源 ETL 工具。你们有些人可能知道，数据生态非常喜欢（或者说曾经喜欢？）用 Python 构建工具。Python 有大量现成的库，数据从业者也熟悉 Python，因此项目更容易获得社区贡献；与 Go 开发者相比，Python 开发者也更容易招聘。开始构建 Bruin 时，我们必须做出一个决定：CLI 应该用 Go 开发，还是用 Python 开发？

在做决定之前，我们需要考虑几项约束：

Bruin 是一个数据编排工具，这意味着会有大量任务需要并发运行。

Bruin 需要与许多不同的系统交互，例如语言 runtime 或数据平台的外部 API；因此，我们需要选择一种拥有成熟生态的语言。

Bruin 必须足够快。它是一个 CLI 工具，我们希望把它作为后端，与 VS Code 扩展、本地 UI 等各种系统配合使用，因此它必须具备足够好的性能。

Bruin 需要为所有必须集成的不同系统提供可预测的错误处理路径，并向用户明确说明错误。

Bruin 会运行在用户自己的机器上，这意味着它应该能够轻松支持不同的操作系统和硬件架构。

除了这些约束，还有一个更加主观的条件：在相当长的一段时间里，我会是项目的主要贡献者，所以它必须使用一种我喜欢的语言。对于一个构建大型项目的小团队来说，快乐和精力是最稀缺的资源之一。我认为，自己不能对团队采用的技术栈心生厌恶，这一点至关重要。

最终，我们决定选择 Go。它满足了许多要求。虽然与 Python 相比，Go 在某些数据相关任务上存在缺少库等不足，但它满足了最重要的条件：我真的很喜欢使用 Go。这份快乐让我在 Agent 尚未出现之前，就贡献了数千行代码，也支撑着我们走过了很长一段时间。我内心有一部分担心，选择 Go 可能是一个战略错误，因为我们不得不从头构建很多东西；然而，我的直觉告诉我，从长远来看，Go 相对于 Python 在速度和 DX（开发者体验）上的优势会给我们带来更多收益。

我当时完全没有想到 Agent 会成为现实，但我相信，当 Agent 真正出现时，我们当初的直觉让自己幸运地站在了一个相当有利的位置。接下来，我想谈谈使用 AI Agent 编写软件时 Go 所具备的一些优势，以及为什么我认为 Go 是当今最适合 Agent 的语言。

Agent 会吐出海量代码。无论你是否认为它们在这方面称得上智能，它们都能生成非常可信、看起来通常没有问题的代码。第一个挑战也由此而来：我们如何确保它们生成的代码真的可以运行？

最简单的保障方式之一，就是使用编译型语言。强类型也好，静态类型也好——我总是把它们弄混——这类机制能够让 AI Agent 不断迭代自己生成的代码，直到它在一定程度上是正确的。这并不意味着代码真正完成了预期任务，只意味着代码排除了某一类错误，例如使用了错误的类型或参数。代码能够通过编译，就代表至少按照这门语言的标准，生成的代码在语法上是正确的。

编译型语言已经存在了很长时间，但像 Go 这样的高级编程语言并不多。显然还有 Rust，但 Rust 与 Go 有着截然不同的特性和目标使用场景。对于 AI Agent，我认为 Go 胜过 Rust：

• Go 的语法和概念比 Rust 更简单。

• Go 的类型系统不像 Rust 那么复杂，这使生成的代码更容易贴近一套公认的惯用写法，也更容易被人类理解。

• Go 的编译速度比 Rust 更快，能为 AI Agent 提供更快的反馈循环。

• 现有的 Go 代码远多于 Rust 代码，因此模型使用 Go 时能够生成比 Rust 更好的代码。

这更多是我的直觉，而不是有真实数据支撑的结论，欢迎大家指正。虽然还有许多其他编译型语言，但从易用性、社区、迭代速度和简洁性来看，Go 显然已经成为其中最突出的一员。

也许这一点本该放在最前面？算了。Go 是一门非常简单的语言。如果你熟悉任何一门编程语言，那么阅读 Go 代码对你来说应该轻而易举。你可以立刻理解代码在做什么，并对其进行推理。这意味着，即使你的 Agent 生成了大量 Go 代码，你仍然应付得来。

另一个优势在于理解设计选择：虽然 Agent 能生成非常优秀的代码，但它们有时会突然采用奇怪的设计方案，然后沿着这条路越走越深。Go 的简洁性在这里非常有帮助，它能让你更容易判断 Agent 正在朝什么方向前进。

话虽如此，我坚定地认为，12 个月后我们可能已经不太需要阅读代码了。因此，也可以提出另一种观点：可读性或简洁性在未来可能不会那么重要——这确实有可能。即便如此，只要我想，我仍然希望自己能够随时进入代码中查看和修改。

Go 有自己明确的做事方式

这是我喜欢 Go 的原因之一：它是一门立场鲜明的语言，有清晰的规范，也有相应的工具支持这些规范。运行测试、格式化代码或构建二进制文件，都有标准的方式。Go 还有一套独特的错误处理方式，尽管很多人讨厌它。无论你喜不喜欢，Go 至少明确倡导了一套做事方式，让人们更容易写出惯用的 Go 代码，也让许多人和 Agent 可以共同维护这些代码。

以 JavaScript 为例：完成同一件事有十亿种不同的方式。每当我加入一个 JS 项目，都必须先弄清楚它使用了哪些工具、学习这些工具如何工作，并努力熟悉整个项目，然后才能真正开始产出。每个人对于如何格式化代码、如何分发 package，甚至如何在脚本中导入 library，都有不同的看法。坦率地说，我觉得 JS 目前的状态就是一团滚烫的乱麻——不过我扯远了。

Go 避开了这些问题，因此在 AI 生成代码这件事上体现出一项巨大优势：模型根据训练数据中见过的所有代码，知道该如何使用 Go。不同项目中的 Go 代码通常非常相似，而标准化的工具链也让 Agent 能够高效使用它们。

让 Agent 格式化一段 JS 代码，它可能会引入一个新工具，然后尝试让这个工具正常工作。让它对 Go 代码库做同样的事，它只会运行 gofmt，然后任务就完成了。编写单元测试或构建二进制文件也是如此。

构建跨平台 Go 二进制文件轻而易举

如果你编写的软件只会运行在某个特定环境中，这一点可能不会让你产生太大共鸣。但如果你开发的是 CLI 工具，根本无法控制它最终会在哪里运行，那么 Go 就会成为完美的选择。无论是否涉及 AI，这项优势都成立；不过，我认为它与 AI Agent 结合后会产生一种有趣的效果。

跨平台支持是 Go 的一等公民，这意味着在每次代码变更后，跨不同环境运行所有单元测试和集成测试都会变得非常简单。

你知道这意味着什么吗？

你猜对了：这意味着 AI Agent 可以快速验证自己的工作，并确保没有破坏任何现有功能。显然，如果你根本不写测试，这项能力本身也称不上什么优势；但你可以直接在另一个操作系统上运行相同的命令并验证代码，这一点意义重大。

后台 Agent 与 Go

和许多人一样，我们一直在尽可能多地尝试后台 Agent。无论是通过一条 Slack 消息触发 Cursor 处理某项变更，还是把本地 session 移交给远程 session，我们都在逐渐摆脱对代码构建和运行环境的严密控制。

这算是一个小优势，但 Go 的跨平台能力在这里同样十分亮眼：同一份代码可以生成以相同方式运行在 Linux、Windows 或 macOS 上的二进制文件，而且处理 Go 代码的整个流程在不同环境中都是标准化的。这意味着我不在乎不同的 Agent 平台运行在哪里，也不在乎某个 sandbox 提供商能否处理我们的开发依赖；一切都能正常工作。

这项优势很可能也会随着时间推移而消失，但以 2026 年初的情况来看，根据我的个人经验，Agent 有 95% 的概率能够一次生成有效的 Go 代码。对此我完全没有任何数据支持，不过相比 Go，我在使用 Python 时确实遇到了更多困难。模型对相关 library、模式和最佳实践非常熟悉，以至于只要确定了方向，使用 Go 构建一项功能几乎会变得轻而易举。

我认为，这其中一部分原因并不是 Go 拥有大量训练数据；如果单纯取决于训练数据的数量，那么 Python 肯定早就赢了。使用 Go 时，一件事通常只有一种做法，而在 Python 中，同一件事可能有 20 种不同的实现方式。如果比较 Go 与 Python 的训练数据总量，Python 会胜出；但在实践中，真正的比较更像是 Go 的训练数据与 Python 中某个特定 library 的训练数据之间的较量，而在这种情况下，Go 反而会获胜。

我敢肯定，随着模型不断进步，训练数据也纳入越来越多其他语言的示例，例如 Rust，这项优势迟早会消失——如果它还没有消失的话。我也确实缺乏证据来支持这些说法，所以请把这部分更多地当成一种感觉。

我认为，编程语言正在经历一个奇怪的阶段：过去许多我们非常在意的东西，如今似乎已经不再重要。人类亲手编写的代码似乎会越来越少，而我们需要的是能够帮助 Agent 把代码写好的系统。

我觉得纯粹是因为运气，Go 恰好落在了易用性、性能和普及程度三者之间的甜蜜点上，因此非常适合 Agent。它们可以写出漂亮的 Go 代码，可以运行、编译、测试和格式化代码，还能用 Go 交付可在各种机器上使用的高性能软件。今天，任何想构建新工具的人都已经可以享受到这些好处：只要让 Claude Code 用 Go 为你构建一个 CLI，然后靠在椅背上，享受结果就行了。

得益于这些优势，Go 最近为 Bruin 赋予了强大的能力，我们也正在进一步加码 Go。Go 会成为 Agent 的编程语言吗？我不知道。未来会不会出现更适合 Agent 的语言？我也不知道。我只知道，我的效率很高，团队的效率也很高，而且我们能够非常迅速地交付像样的软件。更重要的是，即使有了 Agent，我仍然非常享受使用 Go。

你可能感兴趣的其他文章

为什么对数据领域的 AI 保持怀疑是合理的，以及为什么这些问题可以解决

一套使用开源工具构建 AI context layer 的实用框架，把对 AI 数据工程的怀疑转化为真正可行的解决方案，其中包括自愈 pipeline 和团队的渐进式采用。

Bruin MCP 正式发布：你的 AI Agent 数据工具箱

Bruin 现在已经支持 Model Context Protocol，Cursor、Claude Code 和其他编辑器中的 AI Agent 可以查询数据库、摄取数据、比较数据表并构建 pipeline——整个过程都可以通过自然语言完成。

Python 与 SQL：选择正确的工具

一份关于如何在 Python 和 SQL 之间做出选择，以完成数据转换任务的实用指南。了解应该在什么情况下使用哪种工具、需要避免哪些常见反模式，以及哪些决策框架真正有效。