AI编程代理终结编程语言锁定效应：代码迁移进入可逆时代

编程语言不再是锁定：一个颠覆性的观点

Simon Willison 近日分享了一个引人深思的故事，以及 Mitchell Hashimoto（HashiCorp 联合创始人）关于 Bun 从 Zig 迁移到 Rust 的评论。Mitchell Hashimoto 是基础设施自动化领域最具影响力的技术人物之一，HashiCorp 旗下的 Terraform、Vault 等工具被全球数百万开发者使用。他在 2023 年底离开 HashiCorp 后，持续关注 AI 与系统编程的交叉领域。他提到的 Bun——一个以高性能著称的 JavaScript 运行时——最初选择了相对小众的 Zig 语言来构建底层，如今却在认真考虑向 Rust 迁移。这种底层基础设施级别的语言切换能够被提上日程，本身就是一个强烈的信号。

核心观点只有一句话：

Programming languages used to be LOCK IN, and they're increasingly not so. （编程语言曾经意味着锁定，但这种情况正在改变。）

这个判断背后，是 AI 编程代理（coding agents）正在从根本上改变软件开发的经济学。

真实案例：用 AI 编程代理完成跨平台重写

在一次技术会议上，Simon 遇到了一位来自中型科技公司的工程师。这家公司拥有一对"传奇级"的 iPhone 和 Android 原生应用——所谓"传奇"，既是对其历史地位的尊重，也暗示了维护这类遗留代码的沉重负担。

这位工程师告诉他，他们刚刚完成了一件过去可能需要数月甚至数年的工程壮举：用 AI 编程代理驱动，将两个原生应用完整重写为 React Native。

React Native 是 Meta（原 Facebook）于 2015 年开源的跨平台移动开发框架，允许开发者使用 JavaScript/TypeScript 编写同时运行在 iOS 和 Android 上的应用。早期的 React Native 因性能瓶颈和原生模块兼容性问题饱受批评，许多团队在尝试后又回归原生开发。但自 2022 年起，Meta 推出了全新的架构（New Architecture），包括 Fabric 渲染器和 TurboModules，大幅改善了 JavaScript 与原生层之间的通信效率。Expo 生态的成熟也极大降低了开发门槛，使得 React Native 在 2024-2025 年重新成为跨平台开发的主流选择。

Simon 随即提出了一个尖锐的问题：既然 AI 编程代理已经能大幅降低同时维护 iOS 和 Android 两套代码的成本，为什么还要费力迁移到 React Native？

对方的回答包含两层意思：

1. React Native 近年来已经成熟到足以覆盖他们的全部需求——这是技术选型层面的理性判断。
2. 如果这个决定被证明是错误的，他们可以再用 AI 代理迁移回原生——这才是真正颠覆性的思维转变。

软件重写的经济学正在被 AI 重塑

过去：代码重写是一场豪赌

在传统软件工程中，大规模代码重写几乎是最高风险的决策之一。Joel Spolsky——Stack Overflow 的联合创始人和知名技术博主——在 2000 年发表的《Things You Should Never Do》一文中，以 Netscape 浏览器的惨痛教训为例，论证了从头重写代码是"一家软件公司能犯的最严重的战略错误"。Netscape 在 1998 年决定从零重写浏览器引擎，耗时三年才发布 Netscape 6.0，期间市场份额被 Internet Explorer 彻底蚕食。Spolsky 指出，旧代码中看似丑陋的补丁和特殊处理，往往是多年真实 bug 修复和边界情况处理的结晶，重写意味着丢失这些隐含知识。这篇文章在软件工程界影响深远，"不要重写"几乎成为行业信条长达二十余年。

选择一种编程语言、一个框架、一个技术栈，本质上是一个半永久性的承诺。迁移成本如此之高，以至于很多公司宁愿在已经不合适的技术栈上缝缝补补，也不敢轻言重写。这就是所谓的技术锁定（lock-in）。

技术锁定是信息经济学中的核心概念，最早由经济学家 Joseph Farrell 和 Paul Klemperer 等人系统研究。锁定效应的本质是转换成本（switching cost）：当从一种技术迁移到另一种技术的成本高到足以阻止迁移时，锁定就形成了。在软件开发中，编程语言的锁定不仅包括代码重写的直接成本，还包括团队技能的重新培训、工具链的重建、第三方库生态的适配，以及迁移期间业务连续性的风险。历史上，这种锁定效应催生了许多"路径依赖"现象——大量金融系统至今仍运行在 COBOL 上，不是因为 COBOL 是最佳选择，而是因为迁移成本远超维护成本。

现在：AI 代理让重写成为可逆决策

当 AI 编程代理能够以极低的成本完成大规模代码迁移时，整个决策框架发生了质变。技术选型从一个"不可逆的战略决策"变成了一个"可逆的战术选择"。

AI 编程代理（Coding Agents）是 2024-2025 年 AI 应用领域发展最快的方向之一，代表性产品包括 Cursor、Claude Code、Devin、OpenAI Codex 以及 GitHub Copilot 的 Agent 模式等。与早期的代码补全工具不同，编程代理能够理解高层次的任务描述，自主规划执行步骤，读取和修改多个文件，运行测试并根据结果迭代修复。在代码迁移场景中，代理可以分析源语言的代码结构和语义，理解业务逻辑意图，然后在目标语言中生成功能等价的实现。这种能力的关键突破来自大语言模型上下文窗口的扩大（从 4K 到 128K 甚至更长）以及工具调用（tool use）能力的成熟，使代理能够处理真实项目中跨文件、跨模块的复杂依赖关系。

这意味着：

• 试错成本大幅下降：选错了技术栈？没关系，再迁移一次。
• 决策速度可以加快：不需要花数月时间做技术评估和 POC，因为错误的代价变小了。
• 遗留系统不再是枷锁：那些积累了十年技术债务的"传奇"系统，终于有了经济可行的现代化路径。

从经济学角度看，AI 代理对锁定效应的消解，本质上是在大幅降低转换成本这个关键变量。当转换成本趋近于零时，锁定效应自然瓦解。

更深层的影响：代码之外什么才是真正的护城河

代码本身的价值在下降

如果编程语言和框架不再构成锁定，那么代码本身作为竞争壁垒的价值就在持续下降。真正有价值的不再是"用什么语言写的"或"写了多少行"，而是：

• 业务逻辑和领域知识：代码背后的"为什么这样做"比"怎么做"更重要。
• 数据和用户关系：这些是 AI 无法轻易复制的资产。
• 架构决策和系统设计：高层次的设计思想仍然需要人类的判断力。

对开发者意味着什么

这并不意味着学习编程语言变得毫无意义。恰恰相反，理解多种语言和范式的开发者将更有价值——因为他们能更好地指导 AI 代理完成跨语言迁移，能更准确地评估不同技术栈的适用场景。

但那种"我是 X 语言专家，所以一切都应该用 X 来写"的思维方式，确实正在失去立足之地。

AI 驱动代码迁移仍需保持审慎乐观

当然，我们也需要注意几个现实问题：

1. AI 驱动的重写质量如何保证？ 自动迁移的代码是否真正保留了所有边界情况和隐含逻辑？这需要严格的测试覆盖。
2. 并非所有系统都适合自动迁移。 高度复杂的分布式系统、涉及底层硬件交互的代码，迁移难度仍然很高。分布式系统中的代码不仅包含业务逻辑，还深度耦合了网络通信协议、一致性保证机制、故障恢复策略和并发控制模型。例如，一个使用 Erlang/OTP 构建的电信系统，其容错能力和热代码升级特性是语言运行时层面的能力，无法简单地通过代码翻译迁移到其他语言。类似地，涉及内核模块、设备驱动或实时操作系统的底层代码，其正确性依赖于特定语言对内存布局、中断处理和时序控制的精确掌控。这些场景中，AI 代理面临的不仅是语法翻译问题，而是需要理解目标平台的运行时语义差异，这仍然是当前技术的重大挑战。
3. 这个趋势目前还处于早期阶段。 上述案例虽然令人振奋，但我们还需要更多大规模验证。

不过，方向已经很清晰了。正如 Mitchell Hashimoto 所言，编程语言的锁定效应正在消解。而推动这一变化的核心力量，正是日益强大的 AI 编程代理。

对于技术决策者来说，这或许是最值得内化的新认知：在 AI 时代，技术选型的可逆性正在成为常态，而非例外。