Ruby 意外地更适合 AI 写代码？

2024 年说 Ruby 是 AI 开发里的优选，基本等于在挑事。现在大家都在聊哪个语言更火，Ruby 早就不是热点话题了。

但最近有人真做了测试，结果还挺有意思。

他们做了个实验

Coolhand Labs 想弄清楚到底哪个语言让 AI 写代码更快。他们没继续吵，而是直接测了数据。任务很简单：用 Claude Code + Sonnet 4.6，分别在 Ruby、TypeScript 和 Python 的客户端包里实现同一个功能。

流程控制得挺严：

• 先让 AI 自己规划方案
• 人类只确认，不改动
• 再让另一个 AI（Opus 4.7）做代码审查
• 最后提交 PR，直到 CI 通过

结果出来后，比网上那些讨论有说服力多了。

数据显示 Ruby 更快

Ruby 完成得最快，token 用得也少，整个过程感觉比较顺。TypeScript 排第二，有一次跑得比较乱，拉低了整体表现。Python 则明显慢了一大步。

不过真正有意思的地方在于，他们后来发现 Python 慢的原因，并不是因为语言本身。

自定义指令才是关键

原来 Python 项目里加了条自定义指令，要求 AI 每次写完代码都要先跑 lint 和测试。Ruby 和 TypeScript 都没设这个。

正是这个指令，把 AI 的流程拉长了。更多步骤、更多 token、更多时间。

这说明 AI 写代码不只看语言语法，还跟提示词、约束条件和指令设计密切相关。

对你的项目有什么影响

如果你正在用 NameOcean 的托管服务开发项目，以下是比较实际的结论：

语言选择不如工作流设计重要。

当然，Ruby 确实有几点天然适合 AI：

• 语法简洁，AI 更容易理解和生成
• 遵循「约定优于配置」的思路，减少决策
• Rails 等成熟框架，AI 已经很熟悉
• 代码啰嗦的地方少

TypeScript 和 Ruby 差距不算大，说明它也在慢慢追。Python 的问题则更多来自结构和测试习惯，这些会让 token 数量增加。

值得现在就换语言吗？

在决定把 Python 项目换成 Ruby 之前，先冷静一下。这次实验只显示了相关性，不是绝对的因果关系。但它确实告诉我们：

1. AI 在不同语言下的表现确实有差距
2. 自定义指令对效率影响很大
3. token 消耗在批量任务里很关键
4. 语言背后的框架和工具同样重要

如果你用我们的云托管跑 AI 开发任务，建议先优化提示词和指令。优化后的约束条件带来的节省，可能比换语言更划算。

结论：Ruby 值得重新考虑

这次实验表明，Ruby 在 AI 时代重新被讨论，不是单纯的怀旧。它确实有技术上的优势。

未来开发不是找「最好的语言」，而是找出哪个语言和流程最适合 AI 去执行。这才是值得讨论的点。