8.0
热点
AI SCORE
编程提效2026-08-06 20:33
让编程 Agent 用你熟悉的语言写脚本
dev.to · AI#Agent#代码审查#Ruby
Editor brief · 编辑速览
文章建议将一次性脚本统一为开发者最熟悉的语言，以便真正审查 Agent 生成的代码，而不是盲目接受结果。作者还尝试量化 Ruby 相比 Python 的 token 节省效果。
Lucian Ghinda 发表了一篇文章，主张你应该让 coding agent 使用 Ruby 编写那些用完即弃的脚本。下面是他建议你完整粘贴到 Agent 指令文件里的内容：
## Scripts
Write throwaway and utility scripts (data munging, one-off migrations,
file renames, glue code) in Ruby, even in projects written in another
language. If it needs a pipe, a loop, a conditional, or more than one
line, it is a script: write it in Ruby, not Python, Node, or bash.
Single self-contained commands (`grep`, `git status`) are fine as-is.
Use only the Ruby standard library. If a gem would clearly save
significant effort, stop and ask before using it.
Put temporary scripts in a scratch or temp directory, not the repo
root, and delete them when done unless asked to keep them.
当天晚上，我就把它粘贴进了自己的全局 CLAUDE.md。他的论点围绕代码审查展开：他每天都在读 Ruby，所以当 Agent 编写 Ruby 时，他依然能扮演审查者，而不是看着 diff 频频点头。他给出了三个理由，却没有一个与成本有关。于是，我开始寻找他遗漏的那个数字。
“这条规则能否节省 token”，只有与 Agent 在没有它时会写出的代码相比才有意义。所以，我要做的第一件事，就是从全局配置中移除这段规则。一个已经携带这条规则的 Agent，无法告诉你没有它时自己会怎么做。
下面的每一组实验都通过 Claude Opus 5 的 claude --safe-mode 运行。在这种模式下，它不会加载任何 CLAUDE.md、skills、plugins 或 hooks。其中有两组实验故意没有使用这个参数，我会在它们出现时明确说明：这两组用来衡量我自己的配置会怎样影响结果。值得一提的是，即使移除了这条规则，我的全局配置中仍然有一行要求 Agent 编写能够完成任务的最少代码，还有一行要求优先使用 bun 而不是 node。
四项任务，分别对应规则中提到的四类脚本：整理日志、在一棵配置文件目录树中重命名某个 key、重新编号一堆截图，以及把一个 CSV 转换成另一个 CSV。我直接从他的列表中选择任务，而不是自己发明，这样我就无法悄悄挑选更适合 Ruby 的场景。
在看到任何数字之前，有三点实验设置值得说明。这三点都是我做出的选择，也都存在讨论空间：
没有任何一组实验直接粘贴规则原文。每组实验都直接指定一种语言和“只能使用标准库”的约束，因为这才是规则产生的实际效果，而不是规则本身的文字。
bash 组不能使用 jq，因为规则要求只使用标准库，而 jq 需要单独安装。
只有 Ruby 组被明确告知，可以使用它的一种简洁惯用写法。这确实是在给 Ruby 加码，不过在 Ruby 总计 1660 字节的代码中，它大约只影响了 20 字节。
在证明实现等价之前，我不会统计任何内容。每项任务的每个实现都会与一个参考实现进行对比，必须在 stdout 上输出完全相同的字节，并且对其留下的每一个文件产生完全相同的摘要。比较功能不同的程序长度毫无意义，因此必须先通过下面这道检查：
ruby src/run.rb text
t1_logs count requests and errors per path in an access log 53 impls identical
t2_config rename one key across a tree of .env files, decoy key left alone 53 impls identical
t3_rename renumber screenshot-N.png to zero-padded shot-NNNN.png 53 impls identical
t4_csv filter a CSV to rows with stock, compute totals, write a CSV 53 impls identical
EQUIVALENT: every implementation matches one reference (stdout + output tree)
十次运行，使用相同的四份任务说明，且任何地方都没有指定语言。其中五次在无配置干扰的环境中运行，另五次则在移除规则后、加载我的真实配置运行。
这份 prompt 并不是盲测，我应该说清楚。它要求 Agent 用一句话解释自己为何选择这门语言，这等于告诉 Agent：有人正在观察它的选择。下一步，我会再做一个盲测版本。
十次运行全部选择了 Python。
没有一次选择 Ruby、bash 或 JavaScript。Agent 给出的理由都与标准库有关：Python 几乎随处都预装了，而且无须依赖就能处理行终止符保留和定点小数格式化。因此，这条规则并不是让 Agent 在 Ruby 与某个抽象的候选集合之间做选择。它每次取代的都是 Python。
其中五次运行加载了我的配置，却依然选择了 Python。只有在能够证明配置确实加载的情况下，这件事才值得报告。事实也确实如此：直接询问处于这种状态的 session，它会向我复述 CLAUDE.md 中的内容；而且如下所示，同一套配置会让代码字节数最多变化 59%。配置已经被读取了。只不过在移除那条规则之后，它对于语言选择没有任何剩余意见。
于是，成本问题变得具体，而答案有着压倒性的差距：
Ruby 是四种语言中代码最短的；在无配置干扰的环境里，为实现相同且经过验证的行为，Agent 生成的 Python 源码长度超过 Ruby 的两倍。
这个数字取决于实验条件，而我自己的环境给出的结果就没这么漂亮了。加载我的真实配置重新运行后，Python 相对 Ruby 的长度优势从多出 120% 降到了多出 18%。这条规则能为你带来多少收益，取决于还有哪些因素正在塑造 Agent 编写代码的方式。
两行数据都是五次运行对一次运行，并使用相同方法测量。无配置干扰的那一行隔离出了规则本身的影响。如果你的 Agent 配置过任何内容，那么底部那一行才更接近你的实际处境，也是我在制定计划时会参考的数字。
计数器会忽略注释和空行，但保留 import，因为必须导入模块确实是这门语言的真实成本。它也保留 Python docstring；这一点对 Python 不利，因为如果 Agent 使用的是 # 注释，就不会被计入。这些 docstring 占无配置干扰环境下 Python 总量的 8%；移除它们之后，Python 不再比 Ruby 大 120%，而是大 101%。
而且，这个差距并不全是 Ruby 带来的。120% 中的大部分并非来自语言本身，而是 Agent 包裹在代码周围的东西：docstring、main()、if __name__ guard，以及行终止符处理。阻止这些习惯之后，Python 相对 Ruby 的差距会降到 18%，接近我手写两种版本时得到的 36%。
以其中一项任务——配置迁移——为例，下面是中性 prompt 生成的结果。先看 Ruby：
root = ARGV[0]
Dir.glob(File.join(root, "conf", "*.env")).sort.each do |path|
content = File.read(path)
renamed = 0
rewritten = content.lines.map do |line|
if line.start_with?("CACHE_TTL=")
renamed += 1
"TTL_SECONDS=" + line[("CACHE_TTL=".length)..]
else
line
end
end.join
File.write(path, rewritten) if renamed > 0
puts [File.basename(path), renamed].join("\t")
end
这就是完整程序。读一遍，你就知道它是正确的。
Python 对同一项任务的实现有 38 行。下面是它的中间部分，也就是实际执行工作的循环：
renamed = 0
lines = text.splitlines(keepends=True)
for i, line in enumerate(lines):
body = line.rstrip("\r\n")
ending = line[len(body):]
key, sep, value = body.partition("=")
if sep and key == OLD_KEY:
lines[i] = NEW_KEY + "=" + value + ending
renamed += 1
text 是文件内容；OLD_KEY 和 NEW_KEY 是两个 key 的名称，定义在文件顶部。这段循环与 Ruby 版本完成的是同一件事，只是额外加入了手动处理行终止符的逻辑，外面还包着一个带 docstring 的 main()、四个 import 和一个 if __name__ guard。这些都不是糟糕的 Python。只是代码更多，而统计结果也证明了这一点。
Ruby 赢下了两项与阅读成本相关的指标，但在最长行指标上输给了 bash。我是在运行实验之前就选定这四项指标的，并且无论结果如何都会全部报告，因为没有公认的方法可以衡量可读性，而事后才选择指标，衡量的其实是作者自己。
在没有特别要求的情况下，Agent 会编写谨慎的 bash：使用 shopt -s nullglob、显式排序、为每个输入创建临时文件，还会检查原文件是否以换行符结尾，以便在输出时恢复。这些代码总计 2333 字节，比 Ruby 长 41%。
于是，我第二次运行了中性 prompt，只改变了一件事：关闭 --safe-mode，让系统加载我的真实配置，而不是使用无配置干扰环境。prompt 相同、任务说明相同、fixture 也相同。
每种语言的代码都缩短了，胜者也发生了变化。在无配置干扰的环境中，Ruby 最短；加载我的配置后，bash 比 Ruby 短 31%，得出了那个整洁的“直接用 bash”结论——而这个结果完全是由我自己的环境产生的。
我无法把这种变化归因于某一句配置，也不应该尝试这么做。关闭 --safe-mode 会同时恢复我的 CLAUDE.md、skills、hooks 和 plugins，其中一个 plugin 注入了一种围绕“编写能工作的最短代码”构建的 persona。那一行数据最诚实的标签应该是“我平时运行的所有东西”。
两个数字都是真实的。它们回答的是不同的问题，而其中只有一个是我最初提出的问题。
如果一行配置就能让数字发生如此大的变化，那么能够有意促成这种变化的最便宜指令是什么？我做了一组阶梯实验：相同的任务说明、相同的无配置干扰环境，每个阶梯上的每种语言分别运行一个 Agent，唯一变化的是指令。
两个单词就能拿到总计 69 个百分点中的 64 个。之后增加的 34 个单词只换来了剩余 5 个百分点，而在每个单元格只运行一次的情况下，这完全落在噪声范围内：相邻阶梯中，每种语言的结果波动最高可达 11%，而两个单词的阶梯已经胜过了三个单词的阶梯。
单词本身远比单词数量重要。"Be terse." 和 "Golf it." 都只有两个单词，但 "Golf it." 生成的代码整体少了 39%，并且在四种语言中都更短。"Golf" 是一个专业术语，它会带入 "code golf" 这个词组蕴含的一切。"Terse" 只是在礼貌地提出要求。
如果你想让 Agent 编写紧凑的代码，整个 prompt 只需要一句 "Golf it."。
下面再次展示同一个配置迁移任务，这次是阶梯最底端的版本：
Dir[ARGV[0]+"/conf/*.env"].sort.each{n=0;File.write(it,File.read(it).gsub(/^CACHE_TTL=/){n+=1;"TTL_SECONDS="});puts [File.basename(it),n]*"\t"}
一行，144 字节，而之前是 409 字节；它也通过了同样的逐字节检查。
其中有三处需要解释：
it 是 Ruby 的隐式 block 参数，因此每个 it 都代表当前文件名。它需要 Ruby 3.4 或更高版本。在任何更早的版本中，这一行都会直接报错，而不只是难以阅读。
gsub block 会在统计匹配次数的同时返回替换内容，因此 n 会在构建新文本的过程中作为副作用递增。
[File.basename(it),n]*"\t" 表示使用制表符连接数组，因为对数组使用 * 就是 join。
即便这是我自己的语言，我也不得不看上两遍。
代码行数急剧减少，但每一行本身却变得更糟。Ruby 的最长行从 80 个字符增加到 151 个，JavaScript 从 73 个增加到 199 个；标点符号在非空白字符中的占比也从 24% 上升到 37%。你买到的并不是紧凑的代码，而是高密度代码；你付出的代价，恰恰是当初采用这条规则所看重的东西。
接下来，我让全部 152 个实现处理一个目录名中包含空格的路径，其中包括六个阶梯，以及作为对照组的手写实现。有一个阶梯失败了，而且正是最昂贵的那个：在 36 个单词的指令下编写的四个 bash 脚本全部失败，而更短阶梯中的所有 bash 脚本都正常运行。
awk '{e[$7]+=$9>=400;t[$7]++}END{for(p in t)print p"\t"e[p]"\t"t[p]}' $1/logs/access.log|LC_ALL=C sort -t$'\t' -k2,2nr -k1,1
这里的 $1 没有加引号。其中三个脚本仍然以状态码 0 退出，因为失败的 awk 通过管道传给 sort 后，最终报告的是 sort 的退出状态。这三个脚本中，有两个完全不输出内容，第三个输出 -1。错误确实会到达 stderr，因此盯着终端的人能够看到它。任何只检查退出状态的东西都看不到。
所以，指令中最后增加的 34 个单词换来了 5 个百分点的长度优势，却破坏了它们接触到的每一个 bash 脚本。"Golf it." 本身则没有造成这种问题。
这里的长度单位是字节。我没有对这些代码集运行 tokenizer，因此本文中的每个百分比都是字节百分比；它与 token 账单的接近程度，只是一个尚未经过验证的假设。
每个阶梯上的每种语言都只运行了一个 Agent。四种语言、六个阶梯呈现出的方向是一致的，但具体百分比并不可靠。
四项任务取自原文列出的四种类别，因此我无法挑选有利于自己的场景，但终究也只有四项。
十次运行足以说明这里的默认选择是 Python，却不足以量化它究竟有多大概率选择 Python。
无配置干扰环境移除的是配置，而不是模型本身的先验倾向。"No config" 是我能达到的最诚实下限，却不是一个中立宇宙；换一个模型，完全可能默认选择别的语言。
包含空格的路径故障，只是在一台机器上的一个棘手路径。它展示了这种故障模式，却不能给出可迁移到其他场景的故障率。
保留这条规则。仅从成本角度看，它也能胜出，尽管这并不是原作者提出它的理由：相较于你什么都不说时 Agent 会选择的 Python，在有配置的环境中，它能让源代码减少约三分之一；在裸环境中，则能减少一半。
不要改用“写得更简短”之类的指令。它们确实比这条规则减少了更多代码，但它们买到的是密度，而不是简洁：在一门并非由你选择的语言中，得到更少、却无人能读懂的代码。沿着这条阶梯推得足够远之后，四个 bash 脚本都因为路径中存在空格而失败了，尽管 "Golf it." 本身并没有导致失败。
有三种情况应该覆盖这条规则。第一，所需的库只存在于其他语言中——这也是 Ghinda 自己提出的例外。第二，脚本必须在没有安装 Ruby 的环境中运行——基线实验中的 Agent 之所以选择 Python，正是因为它几乎随处都预装了。第三，任务确实只需要一条诚实的 shell 命令，而规则本身已经对此做出了豁免。
Ghinda 自己给出的理由依然更好，而且本文中的任何表格都无法对此做出定论。可审查性取决于阅读代码的人。对于一个完全看不懂 Ruby 的人来说，上述数字依然成立，但对他而言，上面的每一行数据都失去了意义。
还有一点不只适用于 Ruby：仅仅取决于是否加载了我自己的配置，本文中的每个数字都会发生变化，其中两个结果甚至出现了逆转。如果你要对 Agent 进行 benchmark，请先移除自己的配置，否则你测量的其实是配置。
如需采取进一步措施，你可以考虑屏蔽此人和/或举报滥用行为。