Ruby yllätti: miksi tekoäly koodaa nopeammin kuin kukaan odotti

Ruby ei ole juuri ollut otsikoissa viime aikoina, mutta se saattaa silti olla paras kieli tekoälyavusteiseen kehitykseen. Väite herättää helposti vastareaktion, mutta tuore koe toi esiin kiinnostavia tuloksia.

Kokeilu, jossa verrattiin kieliä suoraan

Coolhand Labs halusi selvittää, miten eri ohjelmointikielet suoriutuvat, kun tekoäly hoitaa koodauksen. He antoivat Claude Code -agentille (Sonnet 4.6) saman tehtävän kolmessa eri kielessä: Ruby, TypeScript ja Python. Ihmiset hyväksyivät agenttien suunnitelmat sellaisinaan, ja toinen agentti (Opus 4.7) tarkisti koodin. Työnkulku jatkui, kunnes CI-testit menivät läpi.

Tulos oli selvä. Ruby suoriutui tehtävästä nopeammin ja kulutti vähemmän tokeneita. TypeScript sijoittui toiseksi, kun taas Python jäi selvästi jälkeen.

Miksi Python takkuili?

Syynä ei ollut kieli itsessään. Python-projektissa oli käytössä custom instructions, jotka pakottivat agentin ajamaan linterit ja testit jokaisen tehtävän päätteeksi. Ruby- ja TypeScript-projekteissa tällaista rajoitetta ei ollut.

Tämä paljasti olennaisen asian: tekoälyagentin suorituskykyyn vaikuttaa vahvasti se, millaisia ohjeita ja rajoitteita sille annetaan. Mitä enemmän vaiheita työnkulkuun lisätään, sitä enemmän tokeneita kuluu ja sitä hitaammin työ etenee.

Mitä tämä tarkoittaa käytännössä

Jos kehität sovelluksia NameOceanin hosting-ympäristössä ja pohdit, millä kielellä kannattaa työskennellä AI-agenttien kanssa, kannattaa kiinnittää huomiota työnkulkuun kokonaisuutena. Kieli on vain osa kuviota.

Rubylla on kuitenkin ominaisuuksia, jotka voivat helpottaa agentin työtä:

• Lyhyt ja selkeä syntaksi
• Vahva convention-over-configuration -ajattelu
• Railsin kaltaiset kehykset, joita agentit jo tuntevat
• Vähemmän toistuvaa koodia

TypeScript pääsi melko lähelle Rubyä, mikä viittaa siihen, että sen ekosysteemi on kehittynyt hyvin. Pythonin tapauksessa ongelmat johtuivat lähinnä lisärajoitteista.

Mitä kannattaa tehdä?

Tulos ei edellytä, että vaihtaisit kieltä. Se osoittaa lähinnä, että:

• Agenttien suorituskyky vaihtelee kielittäin
• Custom instructions vaikuttavat merkittävästi tuloksiin
• Tokenien tehokas käyttö on tärkeää, kun tekoäly hoitaa useita tehtäviä
• Kielen ympärillä olevat työkalut ja kehykset ratkaisevat paljon

Ennen kuin harkitset Python-palveluiden uudelleenkirjoittamista, kannattaa ensin optimoida agentille annetut ohjeet. Parempi työnkulku voi tuoda suurempia säästöjä kuin pelkkä kielenvaihto.