AI Agent 打破编程语言壁垒

十年间（2014—2024 年），我一直是一名只使用 Ruby 的开发者。我参与过 Ruby 生态中的各种工作——从 Rails 开发，到 IRB、RDoc 和 debug gem 等 Ruby 核心工具。但无论在技术栈中如何辗转，我始终没有走出 Ruby 的边界。Ruby 不只是我的主要编程语言，实际上也是我唯一使用的语言。

这一切在 2025 年发生了改变。

这一年，我为 Sorbet（C++）贡献了代码，参与了 RBS parser（C）的开发，现在又开始深入研究 ZJIT（Rust）。多种因素共同促成了这次转变——这是我一直梦寐以求、却又害怕尝试的事情。但 Cursor 和 Claude Code 这样的 AI coding 工具——Shopify 也鼓励使用它们——彻底改变了我的职业生涯。

机遇汇聚的完美风暴

在深入讨论 AI 之前，我必须先说明促成这次转变的两个关键因素：

首先，我们 Ruby DX 团队的路线图发生了变化，要求 Sorbet 支持 RBS。这意味着我必须开始参与使用 C++ 和 C 编写的项目——它们都是系统编程语言，需要理解许多我在 Ruby 中从未接触过的概念。

其次，Shopify 的 Ruby and Rails Infrastructure 团队汇聚了众多专家，而且他们真的很乐于分享自己的知识。Alexander Momchilov、Alexandre Terrasa、Max Bernstein 以及其他许多人，都极其慷慨地投入了自己的时间。正是这些结对编程和辅导，让我掌握了 C、C++ 和 JIT 的基础知识，具备了尝试这类工作的基本条件。

但问题在于：优秀的导师，以及通过项目学习新语言的机会，一直都存在。如今真正不同的是，AI 从根本上改变了学习曲线。

系统编程项目的复杂性

以 ZJIT 为例。它是一款新的 Ruby just-in-time（JIT）编译器（如果想进一步了解，可以阅读 Max 在 RailsAtScale 上发布的相关文章）。这个项目非常典型地体现了其中的挑战：它既要求深入理解相关概念（JIT 和 GC 如何工作），又要求具备特定语言和工具方面的专业知识（Rust 惯用写法、C 编程约定、Ruby 的构建系统）。参与 ZJIT 的开发，意味着你必须不断在以下领域之间切换：

• Rust（ZJIT 使用的编程语言）

• C（Ruby 使用的编程语言）

• 通用 JIT 知识（编译器理论、优化策略）

• ZJIT 特有的概念（它独特的架构和设计决策）

• Ruby 内部机制（VM 实际如何工作）

• Ruby 构建系统（除了 autoconf 和 Makefile 等我过去很少接触的工具之外，它还有自己的一套约定）

一个 pull request 通常会同时涉及其中 2～4 个领域。对于前三项——语言语法、通用概念和标准模式——Claude 的帮助非常显著。至于后三项——项目特有的知识、深层内部机制和构建系统中的特殊问题——它的表现则时好时坏。

但即便如此，它仍然帮我消除了一半的学习障碍。

AI：能力互补的结对伙伴

真正的突破，始于我不再把 AI 当成代码生成器，而是开始将它视为一个能力互补的结对伙伴。

这并不是让 AI 替我写代码。如果我指望 Claude 正确实现 ZJIT 的功能，结果很可能只会让我感到挫败，浪费的时间或许还会超过节省的时间。AI 缺少这项工作所必需的项目特有上下文和深厚领域知识。

相反，我们更像是一对各有所长的工程师。它比我更了解特定语言的语法和模式，而我更清楚项目的需求和约束（希望我的品味也更好）。这就形成了一种高效的学习互动：

• 我提供任务需求和项目上下文

• AI 识别现有模式，并充当语言专家

• 我追问某些方案为什么可行或不可行

• AI 探索其中的原理——可能通过实际修改代码，也可能只是进行推断——然后把结果告诉我

• 在对话过程中，我既学习这门语言，也学习如何有效地运用它

例如，当我需要为 ZJIT 分析某条 Ruby bytecode 指令的运行情况时，可以让 Claude Code 查找以前做过类似工作的 PR，并逐行解释其中我不理解的部分。我也可以毫无负担地提出一些“很傻”的问题，例如：“为什么 JIT 编译器需要 profiling？”而不必担心自己是在浪费别人的时间。遇到陌生的 Rust 语法，我可以立刻获得解释。在整个过程中，我对这门语言和整个系统的理解都在逐步加深。

当然，也有一些时候，我和 AI 会一起走向错误的方向，最终只能依靠导师和队友的解释与知识分享才能纠正。AI 可以加速学习，但在校正方向这件事上，人类专家的经验依然无可替代。

语言壁垒正在消融

最令我兴奋的是，如今我们不再需要先花 100 多个小时学习 C，才能第一次为 C 项目贡献代码。AI 就像另一双帮我们检查问题的眼睛，让我们不再被那些新手常犯的小错误卡住——例如使用错误的变量声明语法、误解类型约定，或者被陌生的工具折腾得焦头烂额。我们从第一天起就能做出有意义的贡献，同时在实践过程中按需学习。

这并不能取代深厚的专业能力——团队里的语言专家依然不可或缺。但它确实意味着，对更多开发者来说，熟练使用多种语言并保持生产力，如今已经成为可以实现的目标。语法、标准库函数和常见模式带来的认知负担，可以交给 AI 分担，让我们把精力集中在真正需要解决的问题上。

对于一个做了十年“Ruby 开发者”的人来说，能在不到一年内成为一名多语言开发者，简直是一场革命。而且我猜，自己只是较早进入了这股趋势；它最终将彻底重塑我们对编程语言专业化分工的理解。