我一行代码都没读就发布了"，被OpenAI收购后，uv工具创始人开始反思AI编程

配图：播客视频截图

过去三年，Python 开发者工具领域发生了一场静悄悄的革命。Charlie Marsh 从一家计算生物学公司辞职后，花了 9 天搭出 Ruff 原型——比当时最快的 Python linter 还快 10 到 100 倍。随后他成立 Astral，用 Rust 打造了 uv，最终在今年三月把整家公司卖给了 OpenAI。

但这不只是"技术天才靠 Rust 征服世界"的故事。日前 Charlie 在播客中与主持人 Ryan Peterman 探讨了 AI Agent 如何重塑软件工程的每个环节，并给出了一个一线实践者最诚实的思考。

核心金句速览

Python 工具链：隔壁 JS 圈早把工具用 Go/Rust 重写了，Python 圈还在用 Python 写工具，慢得理所当然。"凭啥我们不能拥有同样爽的东西？"
选 Rust：坦白说当初就是跟风（hype），但回头看香爆了——Cargo 一把梭，git clone 完就能 cargo run，不用跟 C++ 构建系统斗智斗勇。内存安全当初根本不在乎，现在觉得真香。
AI 时代重写：不会。代码完全重写后，作为人类你可能就不再理解任何代码了；用已知问题换未知问题太蠢，测试全过不代表行为一致（Hyrum's Law），最终坑的是用户。
AI 写 PR：现在 AI 写 PR 成本为零，审查成本却更高，开源生态快被淹死了。
结对编程：以前同事闭眼合我 PR，现在逐行细审——因为代码不是我的了，是 Agent 的。信任崩塌了。但整天使 AI 跑各种实验，以前不敢想的问题随手验证，这种解锁感挺爽。
初级工程师：会被坑惨。他们没能力给 AI 当教练，只能被 AI 带沟里去。优秀工程师用 AI 更猛，所以团队倾向招资深工程师。

Python 工具链需要一场"Rust 革命"

Charlie 观察到，Web 生态（ESBuild、SWC、Bun、Deno）早把原生工具链当理所当然，但 Python 生态缺少这种实验精神，所有工具都是 Python 写的。他发布 Ruff 时博客标题就是《Python 工具链可以快得多得多》——本质是一个待验证的假设。9 天做出 linter 原型，因为 linter 核心逻辑简单、规则可无限扩展，"用户从一个小核心加若干规则就能立刻获得价值"。相比之下，完成 75% 的类型检查器几乎毫无用处。

开发者营销"10 秒法则"

Charlie 坦言在工程师圈子里"营销"几乎是脏话，但他认为 GitHub 上成千上万的优秀项目就因为不会营销而永远没人发现。核心策略是"10 秒内抓住注意力"：不需要一堆 emoji 和截图，而是用诚实、真诚的方式在几秒内讲清楚"为什么这个项目值得你花时间"。

他当年研究过 OpenAI/DALL-E 的博客——"即使你一个字都不读，光看图片和标题，你也能理解他们做了什么，而且会被震撼到"。Ruff 的 benchmark 对比图就是典型：一张图本身就能说明一切，不需要文字解释。但他也强调不做"图表犯罪"（chart crime，故意截断坐标轴），benchmark 本身复杂且充满争议，必须在准确传达与抓住注意力之间找平衡。

为什么选 Rust

Charlie 坦诚当初选 Rust 很大程度是跟风，但回头看是极其正确的决定。他现在对 Rust 最大的欣赏点反而是工具链：Cargo 让"git clone 然后 cargo run/build/test"就能跑起来变得理所当然，而 C/C++ 的构建系统"那一堆乱七八糟的东西"令人望而生畏。内存安全是他当初完全不在乎、现在觉得"简直太棒了"的东西。

他直言不误：除非有非常特定的技术原因或维护现有软件，否则基本不明白为什么要在新项目里用 C 或 C++——"我知道这么说会被骂，但我无所谓。"但他也不教条，认为 Zig 正在发生的事情非常有趣，Rust 应该向它学习；很多人用 Go 也取得了巨大成功。

AI 时代的代码重写

Charlie 直到去年圣诞假期才开始真正用 Agent 编程，到现在不过几个月，但已经"几乎不在编辑器里直接改代码了，所有修改都通过 Codex 完成，即使小改动也是用提示词驱动"。他对 Bun 那种纯 Agent 重写表示不会做但欣赏其实验精神，并给出三层反思：

代码理解问题：如果代码被完全重写，作为人类你可能就不再理解任何代码了。如果团队已重度依赖 Agent，理解代码到底还重不重要？
已知问题换未知问题：即使最好的测试套件也只是正确性的近似逼近。Hyrum's Law 告诉我们任何实现细节最终都会变成某些人依赖的行为——即使测试全过，隐含行为可能已改变，最终把问题推给用户。
开发方式光谱：从 Karpathy 定义的 Vibe Coding 到完全不使用 LLM。Charlie 自己上周写了个内部用的 Rust linter，全程由 GPT-5.5 完成，"我一行代码都没读"——因为内部工具容易判断正确性。但 UV 被数百万工程师依赖，任何变更必须极其谨慎。

Charlie 去看了 Bun 的仓库，发现"跟我们的仓库完全是两个世界"——头号贡献者是一个 bot，人类提交的 PR 里评论也明显全是 agent 写的。他对那篇重写博文很感兴趣，但认为"没有人类审查，我不认为有人真正读过那些代码的实质性部分，这基本上是不可能的"。

对抗 AI slop 的策略

Charlie 分享了团队对抗 AI slop 的具体做法：

AI 政策：不是反 AI，而是过滤净负面贡献。政策很简单——"你提交的东西，你自己得理解"。识别 agent 写的回复有"特征"：过于详尽、格式过于规范、用词过于学术、塞满链接，在没必要的地方投入远超人类的"努力"。
Zig 项目的对比：Zig 完全禁止 LLM 代码，提出了"贡献者扑克"概念——传统开源中你给新贡献者反馈，他学习成长，本质是投资"人"；但 agent PR 打破了这个循环：给反馈→塞回 agent→生成新版本→合并，没有累积没有成长。
审查成本失衡：以类型检查器 TY 为例，有人花 2 分钟写一个"看起来合理"的 PR，团队却要花 1 小时去理解。"这种不平衡正在严重破坏开源社区的生态，我不知道怎么解决，它只会越来越糟。"
自动化验证兜底：TY 每个 PR 都在 Valgrind 和 CodSpeed 上跑大量 benchmark，覆盖内存、模拟时间、墙钟时间；还有整套生态测试对比诊断信息差异。提 PR 前应用 Codex Review（/review 命令）跑几轮。
自己审一遍：在 GitHub UI 里像审阅者一样从头读到尾，往往能发现本地 diff 时忽略的问题。把常犯错误编码进 skill，比如提 PR 前让 Agent 检查"这些条件判断是否仍然相关，还是重构遗留"。

信任的瓦解与重建

团队有人直接对 Charlie 说："以前你提 PR，我基本扫一眼就过了，因为对你有很高信任度。但现在你提 PR，我得逐行细审，因为那些代码不是你写的，是 Agent 写的。"Charlie 的第一反应是"这真的很值得深思"，并承认自己也经历过："有时候我晚上睡一觉，第二天早上看自己昨晚提的 PR，心里想的是'等等，这代码写得也太烂了吧？'你很容易骗过自己，以为自己交付了和之前同样标准的工作，但实际上根本不是。"

最难的是灰色地带：代码看起来能用、可接受，但根本达不到以前的质量门槛。

Charlie 提到 Mitchell Hashimoto（HashiCorp 联合创始人）的洞察：他故意写了个很糟糕的渲染器让 LLM 优化，结果 LLM 优化快了 10 倍，但他自己手写的版本比 LLM 优化后的还快 100 倍。"如果你不先用大脑从第一性原理去思考'这个东西理论上应该有多快'，那你就会把那些积累的 slop 直接交付出去，然后说'我把它优化快了 10 倍'，但实际上它应该能快 100 倍。"

不过 Charlie 现在的感受比几个月前好多了。他越来越欣赏与 Agent 协作解锁的事情——运行实验的成本变得极低，整天都能尝试以前很难、成本很高才能回答的问题。他意识到从构建软件中获得的价值其实被保留了下来：仔细思考数据结构布局、合并一个关闭用户问题的 PR，"我从真正修复和改进某个东西中获得巨大满足感，而不仅仅是敲出代码。"

性能优化：Rust 是地板，架构才是杀手锏

Charlie 强调 Rust 更像性能地板或基线，但真正的杀手锏是架构创新。UV 快是因为缓存设计得聪明——重复安装同一个包几乎瞬间完成，这完全得益于缓存布局方式以及从缓存安装到项目的方式，"这种设计思路与之前所有的 Python 包管理器都截然不同"。

他分享了团队 Andrew（BurntSushi，Ripgrep 作者）的一个优化：用单个 u64 整数表示 90% 以上的版本号，替代海量版本对象的内存分配。他还提到 Codex 擅长微观调优，但默认给不出根本性的重新设计——"如果你只是简单要求降低内存，它通常只给边缘性改进。但如果你通过提示引导协作，是可以到达那些更大的设计的。"

初级工程师在 AI 时代的困境

Charlie 坦言对初级工程师来说现在真的非常难。Astral 团队小，倾向招资深工程师，他很难想象刚入行工程师的学习迭代回路会是什么样——"我大概只能从 Codex 那里学习，而不是反过来。很多时候是我在指导 Codex、纠正它、为它提供安全护栏。如果我是初期工程师，太容易掉进使用 Agent 时发生的那些坏事情里了。"

关于"Token 排行榜"的讨论，Charlie 认为 Token 排行榜会创造糟糕激励。团队最高效的人确实用了很多 Token，但这不是因果关系——"很多优秀工程师能够非常有效地使用 Agent，从而放大自己的技能。"

没预料到的快速创业历程

Charlie 离开 Spring 后被一位从 Meta 离职的朋友说服一起创业，进入"想法迷宫"不知道做什么。他先和投资人建立关系但不急着融资，策略是先认识喜欢投这类东西的人，等三到六个月后再联系。但 Ruff 成长太快，投资人主动让他相信了这条路。三轮融资（种子、A、B）从未公开宣布过 A 轮和 B 轮，直到收购公告才被提到——"每一轮融资基本上都是投资人主动发起的，因为公司发展得好，人们想投。"

Charlie 自认是风险厌恶型的创始人："决定全力以赴创办公司这件事其实没那么大压力，真正的压力是在公司开始成功后到来的——一开始我没什么可失去的，但后来我有了 20 人的团队依赖我。"

开源与商业产品的平衡

Astral 去年八月推出商业产品 PYX（UV 的托管版本/私有注册表），"因为做了开源，每个人都在用我们的开源工具，所以我们的销售漏斗非常好"。收购的一个好处是可以把平台一部分免费开放——比如为 PyTorch/GPU 生态构建的 Python 发行版，"我们不再试图建立独立业务，而是想构建能扩大整个生态的优秀工具。"

坚持原则，别信"标准答案"

Charlie 不喜欢给创业建议，因为行业太多幸存者偏差："两个极其成功的创始人给你完全矛盾的建议，你会想'我真的不知道该怎么做'。"他的看法是必须弄清楚什么对自己是真的——远程还是线下、要不要联合创始人、每周工作几天，都没有标准答案。

他没听"找个联合创始人"的建议，因为心里没有合适人选就不强求。他建立了其他创始人圈子，"在纽约我们有六七个人，每年争取一起吃两次饭，听起来不多，但这成了一个非常有用的支持系统。"

推荐影响他的内容：Zig 创造者 Andrew Kelley 关于数据导向设计的演讲，"让我用完全不同的视角看待软件。"

给刚毕业的自己的一句话："你做的是正确的决定，别太焦虑。很多事情如果你基于原则做决定，最终会好起来的。"

访谈视频原链接：https://www.youtube.com/watch?v=Iw65FD4MGgs

声明：本文为 InfoQ 编译，不代表平台观点，也不构成投资建议，未经许可禁止转载。