Armin Ronacher（极简 Coding Agent 工具 Pi 的两名开发者之一）在最新文章（A Language for Agents）中，总结了 AI 对编程语言特点的好恶：
AI喜欢什么：
显式类型信息，无需LSP推断
刚性语法结构，括号优于空白
副作用必须声明 needs { db, time }
结果类型替代异常（Result）
grep可搜索的显式包前缀
AI讨厌什么：
宏（Macros）增加理解难度
重新导出（Re-Exports）和Barrel Files
不稳定测试（Flaky Tests）
工具链分裂（代码能跑但类型检查失败）
如果我们要设计这样的语言，它会是怎么样的呢？
# AI 时代的编程语言：从写起来准，到读起来准
面向Agent的编程语言应具备"显式契约"特性——所有对代码行为的假设都必须明文写进代码，而非依赖外部工具或开发者记忆。
- 三大契约维度
1. 类型契约：签名即文档
// 而非：auto result = process(data)
// 而要：Result process(RawData data)
拒绝动态类型和过度类型推断。类型信息必须保留在源码中，无需LSP即可理解。
2. 依赖契约：函数即边界
func fetchUser(userId: UserID) needs { db, time }
所有副作用（数据库、时间、随机数）必须在函数签名中显式声明。AI才能正确Mock，写出稳定测试。
3. 语法契约：明确胜于简洁
拒绝聪明：避免宏、运算符重载、隐式转换
拒绝魔法：避免全局状态、依赖注入黑盒
拒绝歧义：避免重导出、Barrel files，
定义必须指向单一真实来源
- 代码可读性的衡量标准
语言是否Agent友好的评估指标：
独立理解度：脱离IDE，仅靠grep能否定位所有依赖？
修改局部性：改一行代码，受影响范围是否可预期？
工具一致性：parser、type checker、formatter、linter对代码的理解是否100%一致？
测试确定性：AI生成的测试是否必然通过或失败
# 一句话总结
AI友好的代码 = 显式信息密度 × 局部可推理性
人类追求写代码时的快感（少打字、灵活性）
AI追求读代码时的确定性（无歧义、可预测）
AI喜欢什么：
显式类型信息，无需LSP推断
刚性语法结构，括号优于空白
副作用必须声明 needs { db, time }
结果类型替代异常（Result）
grep可搜索的显式包前缀
AI讨厌什么：
宏（Macros）增加理解难度
重新导出（Re-Exports）和Barrel Files
不稳定测试（Flaky Tests）
工具链分裂（代码能跑但类型检查失败）
如果我们要设计这样的语言，它会是怎么样的呢？
# AI 时代的编程语言：从写起来准，到读起来准
面向Agent的编程语言应具备"显式契约"特性——所有对代码行为的假设都必须明文写进代码，而非依赖外部工具或开发者记忆。
- 三大契约维度
1. 类型契约：签名即文档
// 而非：auto result = process(data)
// 而要：Result process(RawData data)
拒绝动态类型和过度类型推断。类型信息必须保留在源码中，无需LSP即可理解。
2. 依赖契约：函数即边界
func fetchUser(userId: UserID) needs { db, time }
所有副作用（数据库、时间、随机数）必须在函数签名中显式声明。AI才能正确Mock，写出稳定测试。
3. 语法契约：明确胜于简洁
拒绝聪明：避免宏、运算符重载、隐式转换
拒绝魔法：避免全局状态、依赖注入黑盒
拒绝歧义：避免重导出、Barrel files，
定义必须指向单一真实来源
- 代码可读性的衡量标准
语言是否Agent友好的评估指标：
独立理解度：脱离IDE，仅靠grep能否定位所有依赖？
修改局部性：改一行代码，受影响范围是否可预期？
工具一致性：parser、type checker、formatter、linter对代码的理解是否100%一致？
测试确定性：AI生成的测试是否必然通过或失败
# 一句话总结
AI友好的代码 = 显式信息密度 × 局部可推理性
人类追求写代码时的快感（少打字、灵活性）
AI追求读代码时的确定性（无歧义、可预测）
