Armin Ronacher（Flask作者）最近提出一个说法：LLM让“精通一门语言”不再是写代码的前提条件，程序员选语言的方式，正在从“我熟悉什么”变成“营销讲了什么故事”。他举了两个案例证明这个转变已经发生——Cloudflare Artifacts的Git协议引擎用纯Zig写成，编译后只有约100KB；Vercel Labs发布的编程agent fx号称冷启动只要10微秒。听起来AI真的把Rust、Zig这类“难语言”的门槛拆平了。把这两个数字掰开看，故事没有原文讲得那么干净。
两个“证据”经不起细看
- Cloudflare Artifacts于2026年4月16日上线，是面向agent的可版本化Git存储服务。它的服务端Git协议引擎完全用不依赖libc的纯Zig写成，编译成约100KB的WASM模块，负责SHA-1、压缩解压、pack文件解析这些活。100KB是体积，不是速度——这两者常被混着讲，其实是两件事。
- Cloudflare公布的性能提升——把一个2.4GB仓库的clone时间从近2分钟压到10-15秒——其实来自另一个独立组件ArtifactFS，靠blobless clone和后台优先级化hydration实现，跟那个100KB的Zig引擎不是一回事，也没有公开可复现的测试方法论。
- Vercel fx的体积数字自己都对不齐：官网写约6.39MiB，GitHub README写7.8MiB，仓库里给macOS ARM64构建定的上限是7.800MiB。三个渠道，三个数。
- fx官网宣传的“10微秒冷启动”没说明用的是什么处理器、什么系统、多少样本。仓库里真正跑的基准测试是用hyperfine在Linux CI上测，预算是2毫秒，但这个测试在TTY初始化之前就退出了——测的是进程调起速度，不是连上LLM、拿到第一个token、完成一次编码任务要多久。benchmarks/results目录目前只是空的占位符。
更关键的漏洞：没人证实过“主要由AI写的”
Ronacher原文说这些项目“看起来主要由LLM辅助完成”，这句话是他的推测，不是Cloudflare或Vercel的官方说法。两家公司至今都没公布过各自项目里AI生成代码的比例。整套“AI让人人都能写硬核代码”的叙事，建立在两个体积/速度数字模糊不清、外加一句没有证实的判断之上。AI很可能确实参与了，但支撑“门槛已经消失”这个结论，证据明显不够硬。
门槛降低的是“写”，没降低的是“信”
Ronacher说对的部分是：LLM确实让人可以在完全不懂Rust或Zig的情况下，把代码硬生生写出来、跑起来。但这几门语言难，从来不只难在语法，难在它们把风险判断留给了程序员自己，而这部分判断力，AI补不上：
- Rust一旦用了unsafe，编译器就不再验证代码的健全性，责任全部转给写代码的人——即便外部接口看着安全，内部实现照样可能有未定义行为。
- Zig自己在版本发布说明里就承认存在破坏性变更、已知bug、甚至可能的错误编译，这门语言还没到“稳”的阶段。
- eBPF的内核验证器只保证程序不会让内核崩溃，不保证程序的逻辑或访问控制策略是对的——“通过验证”和“逻辑正确”是两件事。
- 密码学代码历史上被业内故意“藏着不教”，不是没道理：实现细节上一个小疏漏，足以让整套加密形同虚设。
- 风险.AI能写出编译通过、跑过单测、看着地道的代码，写不出“这段代码在什么情况下会错”的判断力。
转移的成本，谁来扛
2025年一项针对经验丰富开源开发者的对照研究（METR）发现一个反直觉结果：用早期AI编程工具处理自己熟悉的代码库，实际速度反而慢了19%到20%，但这些开发者主观感觉自己变快了。场景不完全对等——原文讨论的是“不熟悉语言、靠agent探路”，METR测的是“熟悉代码库”，但两者共同指向一件事：主观的“变快了”和客观的“真的快了”，经常不是一回事。
Zig社区本身也有一层拧巴：核心团队和不少老用户对AI辅助编程态度偏负面，Zig生态却实实在在因为AI降低了使用门槛而在扩张。理念排斥AI，现实靠AI引流，这个矛盾目前没人正面回应。
门槛从“学语言”挪到了“信代码”，账没变少，只是换了人付。
Ronacher的乐观有一半站得住：更多人愿意为了性能去碰以前碰不了的技术，本身是好事。但省下来的学习成本没有消失，它变成了审查成本、维护成本、事故排查成本——从写代码的新手身上，转移到了本就疲于奔命的开源维护者和安全审查者身上。谁真正为这些“看起来很酷”的100KB和10微秒买单，现在还没有答案。