AI 時代的編程語言，這次是來自中國的底層創新

AI 對軟件行業最直接的影響，是重塑整個軟件工程鏈路。當所有開發工具都在走向 AI 原生化，編程語言作為軟件生產的入口，自然也值得重新審視。

OpenAI 聯合創始人 Greg Brockman 也曾寫道：“Rust 是代理的完美語言，因為如果它能編譯通過，它就幾乎是正確的”。

近期知名高性能開源項目 Bun 將核心代碼大規模重寫為 Rust ，則給出了一個更具體的產業信號：當 AI 降低遷移成本之后，軟件基礎設施正在重新向更強約束、更高性能、更易被機器檢查的語言遷移。但 Rust 畢竟誕生于生成式 AI 爆發之前；其核心設計目標是安全的底層編程，而非 Agent 之間的高效協作。OpenAI 創始團隊成員 Andrej Karpathy （Vibe Coding 概念的提出者）曾在 X 上指出：“LLM 正在徹底改變軟件的約束條件，代碼遷移、C 到 Rust 的移植、COBOL 等遺留系統升級都會因為 LLM 擅長 “翻譯” 而發生變化，但 Rust 本身也遠不是面向 LLM 的最優目標語言, 什么樣的語言是最適合 AI 的依然是開放式的問題?！?/p>

AI 正在改變編程語言的分布，這也引出了一個更值得討論的問題：有沒有一門從一開始就面向 Agent 協作、快速反饋和工程閉環設計的新語言？

這個問題已經不只是產業觀察，也進入了軟件工程研究界的評測體系。量子位近日報道了一篇關于 “冷門新語言 AI 寫不動” 的論文，MoonBit 正是在這里進入我們視野。

論文題為《No Resource, No Benchmarks, No Problem? Evaluating and Improving LLMs for Code Generation in No-Resource Languages》，被 IEEE Transactions on Software Engineering 接收。

它把 MoonBit 和 Gleam 放進 “no-resource programming languages” 的框架下評測：兩者都足夠新，公開代碼、教程和問答樣例還不足以讓大模型在預訓練階段充分見過；但論文真正有意思的地方，是同樣作為 no-resource language，MoonBit 在可見語料更少的情況下，反而在多組設置下比 Gleam 更能從 AI 輔助中受益。論文按 GitHub 倉庫規模統計時，MoonBit 約為 Gleam 的七分之一；如果看 2024 年 3 月前模型可能見過的公開倉庫，MoonBit 的可見樣本更少。

論文中的結論指出，few-shot 和 RAG 這類上下文學習方法在 MoonBit 上帶來的提升高于 Gleam，并將原因之一指向 MoonBit 的 AI-friendly 設計；在更難的 McEval-Hard 上，Qwen 2.5 Coder 32B Base 繼續預訓練后，MoonBit 的 pass@1 達到 25.86%，Gleam 為 12.47%；進一步通過 instruction transferring 遷移指令跟隨能力后，MoonBit 達到 32.60%，Gleam 為 26.08%。

可以看到語言設計顯著影響模型學習和生成代碼的效率，所謂 AI 友好的編程語言并不是一句「營銷口號」。

從 2024 年 3 月到現在，MoonBit 的生態也開始給出工程側證據：Mooncakes（MoonBit 包管理網站）庫的數量已跨過萬級門檻，累計下載超 400 萬次，并出現了 Crater、Golem Cloud 的 Wasm Component 案例、MoonXi-net 和 Choir 等瀏覽器、云組件、深度學習框架與多 agent 編排樣本，MoonBit 生態的快速發展在 AI 時代之前是難以想象的。

更值得注意的是，這套底層技術背后的開發團隊來自中國。AI 時代的編程語言是否真的來了？這一次，我們不妨一探究竟。

一、MoonBit 不只是一門編程語言，而是一條內置 “形式化證明” 的軟件流水線

但如果把 MoonBit 僅僅當成一門新語言的語法討論，就錯過了它真正特殊的地方。MoonBit 從設計之初就同步構建了編譯器、構建系統、包管理器、測試框架、文檔工具和 AI 編程助手，形成了一條從代碼編寫到產物交付的完整流水線。這種 “語言即工具鏈” 的思路，在 AI 編碼時代有直接的工程意義。

1、核心不是一次性生成代碼，而是閉環

AI 輔助編程的核心不是單次生成一段代碼，而是 “生成 — 編譯 — 診斷 — 修復 — 測試” 的閉環。在這個閉環里，編譯器給出的反饋能否被模型有效利用，直接決定了 AI 修正錯誤的效率。MoonBit 的編譯器和構建系統一體設計，沒有在遺留工具鏈上打補丁的歷史負擔，這為快速迭代和清晰的診斷信息提供了架構上的基礎。

2、形式化驗證納入原生工具鏈，被更強約束檢查

更值得注意的是，MoonBit 把形式化驗證也納入了原生工具鏈的設計范疇。這意味著 MoonBit 試圖讓 AI 生成的代碼不僅能編譯通過，還能在同一個工具鏈內接受更強約束的檢查。通過定義 Hoare triples 的方式，MoonBit 提供比使用專用形式化證明語言更好的書寫體驗；AI 可以對代碼有選擇地證明，同時無需提供完整的證明鏈條，成功率更高。AI 生成代碼的 “可檢查性” 會提升一個臺階：模型寫出代碼，編譯器檢查類型，驗證器檢查性質，反饋可以同時來自多個維度。這種設計思路在已有的主流語言中并不多見，因為它要求語言設計者在早期就考慮驗證工具與編譯器、構建系統的集成，而不是事后以外部工具的形式掛載，而且不同于 Rocq 等學術語言，MoonBit 證明的代碼是真實的生產的代碼而不是抽取之后的代碼。

以二分查找這個經典例子為例。二分查找看似簡單，卻是出了名的 “容易寫錯”。Java 核心開發者、 《Effective Java》作者 Joshua Bloch 在 2006 年曾專門撰文指出，Java 標準庫中的二分查找實現存在整數溢出 bug，而這段代碼在生產環境中運行了近十年才被發現。

上圖展示了 MoonBit 中對二分查找的完整驗證。左側是帶有合約和循環不變量的函數實現，右側是謂詞定義文件，底部終端則顯示驗證全部通過。

在 MoonBit 里，形式化驗證并不是額外附加的一層文檔，而是和代碼本身一起構成程序的一部分。

二、AI 原生應用場景：自帶沙箱的跨平臺部署能力，智能體的理想語言

1、跨平臺部署能力，降低 AI 生成代碼進入真實環境時的兼容成本

Skill 是當前 Agent 生態中一個已經存在的概念：它通過SKILL.md文件為 AI Agent 提供專門的指令和工作流，讓 Agent 在特定任務中知道該怎么做。但SKILL.md本身只是文本，真正讓 Agent 完成復雜工作的，是背后那層可執行代碼。

MoonBit 試圖補上這層可執行能力。開發者可以用 MoonBit 編寫異步邏輯，編譯成 Wasm 字節碼，通過 Mooncakes 發布，最終用戶或 Agent 只需一條命令就能運行。

Wasm 的優勢在于可移植、可嵌入、可隔離。同一份邏輯可以進入云函數、邊緣節點、瀏覽器、插件系統，也可以進入 Agent runtime，作為一段受控能力被調用。對 Agent 來說，這一點尤其重要：它需要自動執行代碼，但又不能無條件信任代碼。

以已經發布在 Mooncakes 上的peter-jerry-ye/hn-brief為例，這個工具會抓取 Hacker News 當日熱門文章和高贊評論，調用 DeepSeek 模型生成中文簡報。用戶只需要執行：

這條命令背后，moon 工具鏈會解析 Mooncakes 包坐標，獲取對應的 Wasm 產物，在本地 Wasm 運行環境中啟動程序，并把結果返回給用戶。使用者不需要再為每個 Skill 單獨配置 Python、Node 或其他運行環境。

2、原生的沙箱模型，讓 MoonBit 天然適合隔離執行場景。

如果說 Wasm 和 Mooncakes 解決的是 “代碼怎么跑”，那么運行時策略解決的是 “代碼能跑什么”。

每個 Skill 可以附帶策略文件，聲明它需要哪些環境變量、允許訪問哪些網絡端點。以hn-brief為例，它只允許訪問 Hacker News 和 DeepSeek 兩個地址，并要求宿主環境提供DEEPSEEK_API_KEY：

運行時通過--experimental-policy加載策略后，程序的網絡訪問會受到約束。如果移除 DeepSeek 的端點，請求會被拒絕，而不是默認放行。

這種機制的價值不在于提供一個不可攻破的安全沙箱 —— 它遠未達到操作系統級隔離的程度，也不能證明密鑰不會被已獲授權的端點轉發 —— 而在于把程序對外部資源的依賴變成了一份顯式、可審計的聲明：這個 Skill 要訪問哪里、需要什么環境變量、能不能讀寫文件，都可以提前看到。對 Agent 場景來說，這比盲目運行一段腳本更可控。

3、不只是 AI Coding 的目標語言，也被用于 AI 基礎設施本身

更值得注意的是，MoonBit 的應用并不只停留在 “讓 AI 更容易寫代碼”。從已有案例看，Crater、Golem Cloud 的 Wasm Component 案例、MoonXi-net 和 Choir 等項目，已經覆蓋瀏覽器、云組件、深度學習框架和多 Agent 編排等方向。

這些場景需要的是可分發、可嵌入、可約束執行的軟件組件。也就是說 MoonBit 一邊可以成為 AI coding 的目標語言，另一邊也可以成為 Agent runtime、云端組件、瀏覽器側智能應用里的實現語言。

所以，MoonBit 在 Agent 場景中的價值不是單點的。它給出的是一條完整鏈路：用一門支持異步并發的語言寫邏輯，編譯成跨平臺 Wasm，通過 Mooncakes 分發，再用策略文件約束運行行為。這個鏈條的大部分環節可能不是 MoonBit 首創的，但把它們垂直整合放進同一個工具鏈里，才是它真正值得關注的地方。

三、AI 時代原生編程語言的后發優勢與邊界

新語言剛出來的時候，總給人一種 “生態不夠、案例少、開發者不買賬” 的印象。但在 AI 時代，這件事也開始呈現出另一面：沒有太多歷史包袱，反而意味著它可以圍繞新的軟件生產方式重新設計自己。MoonBit 的后發優勢正在于此：它可以從一開始就把 AI 友好、快速反饋、可驗證性和多后端部署放進語言與工具鏈設計中。

在 AI Coding 場景下，一門語言的競爭力不再取決于人類程序員的學習曲線，還取決于模型是否容易生成可靠、可用的產物。而模型要高效地生成正確的代碼，取決于編譯器是否能給出清晰診斷，測試和驗證是否能快速接入；代碼要真實可用，取決于產物是否能面向不同運行環境穩定分發。MoonBit 試圖做的，正是把這些環節放進同一個工程閉環：生成、編譯、診斷、修復、測試、驗證，再到多后端輸出和包管理以及分發。

上述公開論文中的結果也給出了一個值得關注的信號。在公開語料少于 Gleam 的情況下，MoonBit 反而更能從 few-shot、RAG、繼續預訓練和 instruction transferring 等方法中受益。這說明，模型學習一門語言的效率，并不只由語料規模決定，也會受到語言設計、工具鏈反饋和代碼模式一致性的影響。

這對新語言來說很關鍵。過去，新語言最大的門檻往往是生態冷啟動，開發者也缺少足夠理由遷移。但現在，AI 正在壓縮這個積累周期。原本高度依賴人工和社區時間的工作，正在變得更快。

當然，AI 不會去掉工程門檻。生態成熟度、工業驗證、開發者心智和長期維護能力，仍然是一門語言能否走遠的核心問題。因此，AI 時代并不會讓新語言 “自動成功”，但是會削弱一部分傳統生態壁壘，把競爭重新拉回到語言和工具鏈本身。真正有機會的新語言，必須同時回答三個問題：模型能不能高效學會，生態能不能快速長起來，開發者愿不愿意在真實項目中采用。

從這個角度看，MoonBit 的價值不只是 “又一門新語言”。它更像是在回答一個新的基礎軟件問題：當代碼開始由人和 AI 共同生產時，一門語言應該如何設計自己的語法、工具鏈、驗證能力和部署路徑。對于 AI 時代的編程語言來說，這可能才是更關鍵的起點。

參考鏈接

[1] Andrej Karpathy on X: “LLMs change the whole constraints landscape of software completely”

https://x.com/karpathy/status/2023476423055601903

[2] Greg Brockman on X: “rust is a perfect language for agents, given that if it compiles it's ~correct”

https://x.com/gdb/status/2007228511363444905

[3] Bun PR#30412: Rewrite Bun in Rust

https://github.com/oven-sh/bun/pull/30412

[4] 量子位：《冷門新語言 AI 寫不動？IEEE 論文：從零到及格線，MoonBit 給出完整訓練路線》

https://mp.weixin.qq.com/s/Ma_y7a5TNbJy64YK2Fh74Q

[5] Alessandro Giagnorio, Alberto Martin-Lopez, Gabriele Bavota. “No Resource, No Benchmarks, No Problem? Evaluating and Improving LLMs for Code Generation in No-Resource Languages.” arXiv:2606.16827, accepted by IEEE Transactions on Software Engineering.

https://arxiv.org/abs/2606.16827

[6] CSDN：《MoonBit 生態跨過萬級門檻：開發者開始用它做瀏覽器、云組件、智能體和深度學習框架》

https://mp.weixin.qq.com/s/N2Sr9s0vO0sa6Fo3fy0_oQ

[7] 《當 AI 主宰寫代碼，MoonBit 嵌入「形式化驗證」讓 Bug 清零》

https://mp.weixin.qq.com/s/CMh66hhpMVbKvwvnonWPRg

[8] MoonBit 包管理網站

https://mooncakes.io/