Why Go is an Ideal Language for AI-Assisted Software Engineering

为什么Go是AI辅助软件工程的理想语言 - Google Developers Blog

Google Tag Manager (noscript)

End Google Tag Manager (noscript)

HTML

为什么Go是AI辅助软件工程的理想语言

2026年8月11日

Cameron Balahan

产品经理

Go

Richard Seroter

首席布道师

Google Cloud

分享

• Facebook

• Twitter

• LinkedIn

• 邮件

一段时间以来，软件工程经历了一场深刻而根本的转变：过去我们主要手动编写代码，现在我们则要求AI代码助手和代理为我们生成大量代码。但AI需要监督，因此必须由我们人类来阅读生成的代码、进行清理并验证其是否符合预期。由于AI对生成代码所处的更大上下文理解有限，因此必须由我们来定义系统架构、设计服务之间的边界，并确保生产环境的整体安全性和可靠性。

在这种范式下，开发者工具中最重要的要素也在发生变化。

从编写到审查

历史上，开发者主要通过编程语言的编写难度来衡量其生产力。但当代码代理能在几秒钟内生成数百行符合语法规则的代码时，人类编写代码的速度就不再那么重要了。现在真正重要的是在代码编写完成后对其进行审查、验证和维护。

换句话说，AI正日益成为你的队友——虽然有点特立独行，但确实是个队友。最重要的是我们如何作为一个团队协作。

Go与软件工程

事实上，围绕团队协作开发的考量正是二十多年前Rob Pike、Robert Griesemer和Ken Thompson在Google创建Go编程语言的初衷。当其他语言快速增加特性并试图扩展表达程序逻辑的方式时，Go则专注于一个更大的愿景：以软件工程服务为导向的语言设计。

软件工程与编程并不是一回事。编程是通过编写代码并运行它来解决问题，而软件工程则是与他人协作设计和实现一个能够随时间演进的持久系统的实践。编程是软件工程的一部分，但只是其中一部分。

以软件工程服务为导向的语言设计不仅需要一种语言，还需要一个贯穿整个软件开发生命周期的端到端平台和工具链。它需要一种有原则的简洁性，使整个团队能够以相同的方式结构化、格式化和测试代码。它需要强大的兼容性保证，确保今天编写的代码不仅十年后仍然可用，而且仍然是高质量的代码。它需要一个强大的生态系统，具备能够随着团队规模扩展的全球依赖管理系统。同时，它还需要在所有这些方面都融入合理且稳健的安全考量和工具。

这些要素共同构成了可扩展、长期协作的基础，使我们能够构建即使在原始作者离开后多年仍可维护的系统。如今AI已成为团队的一员，这一基础比以往任何时候都更加重要。

Go是一个平台

Go 最显著的特征之一是它不仅仅是一种编程语言，更是一个完整的平台。从最初的设计开始，Go 就配备了功能强大的端到端工具链，覆盖软件开发生命周期的各个环节。开箱即用，Go 平台提供了内置的代码格式化工具、测试框架、依赖管理以及先进的安全工具，所有功能均可直接通过标准工具链访问。结合全面的标准库（消除了对复杂外部框架的需求），Go 提供了无与伦比的一致性基线。

Go 是一个贯穿软件开发生命周期的平台，开发者可以在各个环节直接使用其工具。

这些功能和工具最初的设计目标是赋能人类开发者，但事实证明，AI 和人类在开发需求上有着惊人的相似性。当 AI 代理需要在没有外部验证的情况下迭代重构代码时，其性能会迅速下降——这与人类手动重构代码时的表现如出一辙。首次重构可能正确率达 95%，但后续的多次重构会导致错误率累积、上下文窗口污染，准确率下降的同时还增加 token 成本。而借助 Go，AI 模型可以利用平台的端到端工具链，以更快的速度、更低的成本和更高的可靠性处理 Go 代码，从而生成质量更高、更安全、更准确的代码。

这种集成的工具链还带来了另一个不那么显眼的好处：生态系统范围的一致性。由于绝大多数 Go 开发者都使用相同的工具核心，整个社区能够以统一的方式协同发展，所有运行时环境、IDE 和包生态系统都能同步无缝地采用重大语言改进。这种统一性通过 Go 的标准库进一步强化，标准库通过减少程序逻辑的差异性、推广重复且可预测的惯用法，使开发者和 AI 都能更快理解代码。这种结构性的统一性不仅帮助人类团队维护大型代码库，还为大语言模型（LLMs）提供了更清晰、更标准化的训练数据。

Go 的可读性

Go 的另一个显著特征是其优先考虑代码的可读性而非可写性。Rob、Robert 和 Ken 认识到，开发者在阅读现有代码上花费的时间远多于编写代码的时间。在仅有人类开发者的环境中，这种设计哲学体现为一种推崇简洁而非巧妙的社区文化，并明确拒绝其他语言所推崇的语法魔法。Go 开发者经常提到，他们喜欢团队中任何人都能轻松识别代码作者，因为所有代码看起来都一样。

在 AI 驱动开发的时代，这种“先读再写”的哲学转化为一种倍增效应。过去，单个开发者可能更倾向于使用语法简洁、隐式类型和巧妙的快捷方式来加速原型开发，但 AI 代理的可用性（agent ergonomics）和对应的开发者验证循环却要求完全相反的特性：可预测性、显式性和严格结构。AI 的出现使软件开发生命周期的速率限制瓶颈从代码生成完全转移到了代码验证环节。如果一种语言提供了表达相同逻辑的十几种方式，AI 模型最终会生成碎片化、风格杂乱的语法拼凑。对于人类审核者来说，验证这些代码变成了一场令人筋疲力尽的意图破译过程。

Go 通过坚定不移的一致性解决了这个问题。通过内置的 gofmt 工具强制执行统一的标准格式，并通过有意限制复杂抽象的语言设计，Go 确保所有代码——无论是资深工程师、初级贡献者还是 LLM 编写的代码——看起来都是一样的。当语法完全可预测时，人类开发者可以更快地发现幻觉 API 调用、逻辑缺陷或安全漏洞。而且，由于这种标准化延伸到开源 Go 生态系统，模型在标准化数据上进行训练，使其在更少的训练样本下就能生成正确且符合 Go 习惯的代码。

最终，对人类清晰的语言本质上也对 AI 模型清晰。随着 AI 不断加速我们生成的代码量，Go 对可读性的承诺确保我们可以在不失去理解、验证和安全维护能力的前提下扩展系统。

Go 是可靠的

但可读性和开发效率只是战斗的一半。一种语言可以尽可能地可读和高效，但如果由此产生的应用程序在负载下脆弱、不安全或不可预测，它就无法用于生产环境。

在 Go 中，第一道防线是 Go 的静态类型系统，它为代理代码提供了自动化的安全网。LLM 经常在结构边界和跨文件类型一致性方面遇到困难，导致幻觉属性和静默的、潜伏的 bug。在 Python 等动态类型语言中，这些幻觉通常会通过基本的语法检查，只在特定生产工作负载下运行时才会崩溃。在 Go 中，编译器会立即拒绝这些错误。如果 AI 代理尝试使用不存在的方法、传递错误类型或未初始化变量，代码根本无法编译。结合 Go 签名的编译速度——比 Java、C#、Rust 和其他编译型生产级语言快几个数量级——代理可以在高度高效的自纠正循环中迭代优化和修复自己的语法和类型错误，在人类同事审查之前就生成语法正确的代码。

除了编译器，Go 的“开箱即用”哲学解决了 AI 生成代码中一个关键的安全风险：软件供应链。当被要求实现一个功能时，LLM 依赖其训练数据，这通常会导致它们建议过时的、未维护的甚至恶意的第三方依赖项。Go 全面的标准库自然引导 AI 模型使用经过优化、安全且官方维护的包，而不是引入外部依赖项。这大大减少了供应链漏洞的攻击面，同时保持代码库的简洁和可维护性。

Go 的漏洞管理系统通过仅显示实际调用函数中的漏洞来减少噪音。

当需要依赖外部库时，Go 的平台基础设施可确保依赖完整性。所有导入到 Go 程序中的模块的校验和及缓存副本都会被记录在 Go 校验和数据库和模块镜像中，从而防止中间人攻击，消除依赖项消失或被静默修改的风险。此外，Go 的漏洞数据库和集成漏洞扫描工具 govulncheck 会追踪这些依赖项中的已知漏洞，并标记调用易受攻击符号的代码。这为人工审查者和 AI 提供了低噪声、高可操作性的反馈，帮助精准修复漏洞。

模糊测试是一种自动化测试方法，通过持续操纵程序输入来发现漏洞。

最后，Go 内置的测试框架和原生模糊测试工具为持续验证提供了标准化、严谨的沙箱环境。与依赖外部测试工具和框架的拼凑方案不同，Go 开发者及其 AI 同事可以使用原生工具链编写和运行健壮的测试。通过运行模糊测试暴露隐藏的边界条件漏洞，AI 可以迭代增强自身逻辑以应对随机、不可预测的输入。其结果是形成一个高度可靠的软件开发生命周期，在代码投入生产前就已得到充分加固。

Go 具备可维护性

虽然可读的代码能让你进入生产环境，可靠的代码能让你今天保持稳定，但衡量软件系统的真正标准是其第二天及之后的可维护性。代码库是活的系统，它们会自然退化、积累技术债务，并必须不断适应变化的需求。当人类开发者是软件的唯一作者时，这种维护负担是运营成本中可预测的部分。但当自主 AI 代理可以随意生成数百个 Pull Request 并重构整个服务时，代码库的演化速度和架构漂移的潜在风险将显著加速。

Go 对这种加速的主要应对方案在于其著名的兼容性承诺。在 Go 中，兼容性不仅是便利性，更是关键的安全和运营需求。由于兼容性承诺，15 年前为 Go 1.0 编写的代码无需任何修改即可在最新的 Go 工具链上编译运行。而且，由于 Go 承诺永不破坏向后兼容性（永远不会有 Go 2.0！），Go 代码将永远不会失效。相反，随着 Go 编译器和运行时的改进，你的代码也会随之提升，无需任何修改：只需升级、重新编译，即可享受改进带来的好处。

当与 Go 的运营可移植性结合时，这种长期耐用性更加出色。Go 可直接编译为一个静态二进制文件，且没有系统依赖。随着自主 AI 代理越来越多地作为系统管理员运行——启动微服务、执行脚本、通过命令行界面与环境交互——这种自包含的设计变得前所未有的重要。而且，由于 Go 编译器可以跨操作系统和系统架构进行交叉编译，这些 AI 代理可以轻松为所有可能的目标构建二进制文件，无需复杂的构建系统。

数十个预构建的现代化工具通过确定性方式更新旧代码模式，使其符合最新的惯用法和语言特性。

为了应对架构漂移问题，Go语言提供了内置的确定性工具，这些工具旨在大规模重构和现代化代码库——以及整个Go生态系统。这包括Go官方语言服务器gopls，以及全新重构的go fix工具，现在该工具引入了“现代化工具（modernizers）”的概念。现代化工具通过确定性方式将旧的代码模式更新为最新的惯用法和语言特性，从而保持代码的一致性。在大规模应用中，这不仅推动了代码本身的演进，也带动了整个Go生态系统的更新，使库、开源项目和其他第三方代码库保持统一性。由于这些工具是标准化的，并直接集成到Go平台中，AI代理可以利用它们安全地重构包、管理依赖关系并清理技术债务，而不会破坏代码库。

最终，Go通过内置的可观测性和性能调优工具，确保这种可维护性直接延伸到生产环境。Go运行时开箱即支持内置的性能分析和执行追踪功能，使开发人员能够深入洞察应用在负载下的行为表现。编译器也原生支持基于配置文件的优化技术，该技术利用真实生产环境的配置文件生成高度优化的二进制文件。当与AI编排的部署流水线结合时，这将形成一个高度复杂的闭环优化循环：生产数据可以自动反馈到编译器中，用于重建和优化系统。

结论

当开发者编写更少代码时，选择编程语言的重要性似乎变得愈发关键。然而，当代码生成被交给AI处理时，软件工程的主要瓶颈已完全从编写速度转移到了审查、验证和维护的严谨性上。那些历史上侧重于松散原型设计和巧妙隐式快捷方式的语言，如今在面对碎片化、智能体输出的重压时，难以保持稳定性。相比之下，Go语言从设计之初就致力于解决大规模、长期协作的挑战。其优先考虑可读性的清晰表达、生产环境就绪性以及平台范围内的统一性，正好提供了所需的确定性保障，使AI队友的高速输出既能被有效吸收，又不会牺牲可靠性、可维护性或系统完整性。

最终，AI是你的新队友——一个高产的贡献者，其成功需要强有力的约束条件。当你基于Go进行开发时，你不仅是在编写代码；你正在构建一个稳健的、具备自我修正能力的平台，使人类与AI能够安全地协作并持续改进生产系统。

入门

准备好尝试了吗？开始步骤如下：

• 通过go.dev上的安装说明下载最新版Go。

• 如果你使用的是基于Visual Studio Code的IDE（如Antigravity），请确保安装VS Code的官方Go扩展。

• 指示你的AI代理使用Go工具链，可以通过显式指令或预加载技能实现，例如这个流行社区仓库中提供的技能。

• 要求你的AI代理为你编写一个Go语言新应用！

posted in:

• AI

• 云技术

• 社区

• 业务与领导力

• 解决方案

• 学习

• 探索

• 影响力

上一篇

下一篇

相关文章

列表

移动

网络

案例研究

社区

弥合领域鸿沟：使用Antigravity和Gemini构建的AI竞速教练

2026年7月8日

AI

公告

学习

Agent Plugins 打包你的技能、工具及其他内容

2026年8月6日

云

创新一周年：庆祝 Google Cloud 与 NVIDIA 开发者社区达到 10 万成员

2026年5月19日

操作指南

使用 LiteRT 和 Gemma 在 Raspberry Pi 上掌握边缘 AI

导航点