Rubys dolda styrka: Därför kan AI-agenter koda snabbare än du tror

Det låter som en provokation att säga att Ruby är det bästa språket för AI-stödd utveckling just nu. De flesta pratar om TypeScript och Python, och Ruby känns lite förlegat för många.

Men nyligen genomfördes ett experiment som faktiskt mätte hur bra AI klarar sig i olika språk. Resultatet väckte uppmärksamhet.

Ett kontrollerat test som gav tydliga svar

Coolhand Labs satte upp ett experiment för att jämföra hur effektivt Claude Code kunde implementera samma funktion i tre olika klientbibliotek: Ruby, TypeScript och Python. De använde Sonnet 4.6 för kodningen själv, medan Opus 4.7 granskade resultatet.

Processen var strikt:

• AI:n föreslog en plan
• Människor godkände planen utan ändringar
• En annan AI utförde kodgranskning
• Pull requests skapades och fixades tills CI:n var grön

Resultaten visade stora skillnader

Ruby klarade uppgifterna snabbast och använde minst tokens. TypeScript låg strax bakom, medan Python visade sig vara betydligt mer resurskrävande.

När teamet började gräva i varför Python tog så lång tid, upptäckte de en viktig detalj – inte om språket självt, utan om hur AI:n instruerades.

Anpassade instruktioner förändrar allt

I Python-repot fanns anpassade instruktioner som tvingade AI:n att alltid köra linter och tester innan uppgiften ansågs klar. Ruby och TypeScript saknade den här typen av extra steg.

Det här visar hur starkt påverkan är från de regler du ger AI:n. Extra krav ökar antalet tokens, ökar antalet steg och tar mer tid. Agentbaserad utveckling handlar inte bara om syntax – det handlar om feedbackloopar och hur instruktionerna är utformade.

Vad det betyder för dig som använder hosting

Om du kör dina projekt på NameOcean och funderar på att använda AI för att utveckla med hjälp av AI, då är det viktigaste budskapet följande:

Språkvalet spelar mindre roll än hur du designar arbetsflödet.

Ruby har ändå vissa fördelar:

• Kortare kod som är enklare för LLMs att hantera
• Starka konventioner som minskar antalet beslut
• Välkända ramverk som Rails som AI redan känner igen
• Mindre boilerplate än till exempel TypeScript

TypeScript ligger nära Ruby i effektivitet,而 Python's mer verbose struktur kan skapa längre kedjor av tokens.

Vad experimentet egentligen visar

Experimentet visar inte att Ruby är det bästa språket överhuvud. Det visar dock fyra viktiga saker:

1. AI-agenter presterar olika beroende på språk
2. Instruktionerna och arbetsflödet har stor effekt
3. Token-användning blir viktigt när du kör många agentbaserade uppgifter
4. Ramverk och tooling runt språk är minst lika viktigt som själva språket

Kanske inte bara en provokation

Om du bygger på vår hosting-plattform och planerar agentbaserad utveckling, är det klokt att först optimera instruktionerna och arbetsflödet. Token-sparande från bättre designade regler kan vara större än vad du får av att byta språk.

Ruby har kanske fått ett nytt liv i AI-eran – men det är fortfarande hur du använder språket och hur du ger AI:n riktlinjer som spelar den mest avgörande rollen.