“编程语言排行榜”能挂在热搜上我确实有点意外。以往这种榜单只是开发者圈子里互相调侃的话题今年却成了大众围观的对象背后肯定不只是榜单本身的问题。经常有读者问我“未来十年最值得学什么语言”问多了以后我意识到大家真正想知道的不是一份榜单而是我现在投入的时间十年后还值不值钱。这篇文章就是围绕这个问题展开的。我会结合最近的热搜词比如仓颉语言、深度学习所需语言、OpenHarmonyOS 的编程语言选择以及 2025 年前后的语言榜单变化聊聊我自己的分析和判断。如果你是刚入行、准备转行或者想给自己加一门副语言这篇文章应该能给你一个参考框架。不是算命不是“无脑学 Python”而是帮你建立一套判断语言长期价值的思路。1. 先看清局面热门语言榜单背后藏着三个信号我先把最近观察到的几个现象摆在一起传统排行榜上 Python、C、C、Java、JavaScript 常年霸榜深度学习相关的讨论几乎默认 Python国产操作系统 OpenHarmonyOS 的官方语言里出现了“仓颉”这个名字还专门有“仓颉编程语言安装教程”这种搜索需求。几个热词单独看都不新鲜放在一起就有意思了。第一个信号是 AI 正在把编程语言的“话语权”集中到少数几门语言手里。深度学习框架 PyTorch、TensorFlow、JAX 的事实标准都是 Python模型推理、数据预处理、训练脚本几乎绕不开它。这跟十年前完全不一样——那时候做 AI 的人还得在 C、MATLAB、Python 之间反复横跳现在生态已经收敛了Python 成了 AI 时代的“通用语”。榜单上的 Python 热度本质上是 AI 热度在语言层面的投影。第二个信号是“国产系统 新语言”的组合开始进入大众视野。OpenHarmonyOS 不是一个小玩具它有完整的系统架构和开发者生态而仓颉语言作为官方支持的编程语言出现在这个体系里意味着“跟着系统走”的语言选型逻辑重新出现了。操作系统级语言从来不是随便选的它绑定了工具链、框架、开发者社区和就业机会。当年 Java 跟着 Android 起来Swift 跟着 iOS 起来仓颉和 OpenHarmonyOS 的关系也值得观察。第三个信号是排行榜热度不等于就业热度更不等于长期价值。热搜榜上的语言往往是“当前话题最密集”的语言而不是“未来十年最稳”的语言。比如 C 语言几十年了榜单上一直不低但你说它“热”吗它早就不是话题中心了。反过来Rust 在榜单上的位置可能不如 JavaScript但它在系统编程、基础设施领域的上升趋势非常明显。看榜单要看趋势不能只看位置。把这三个信号放到一起我的结论是未来十年的语言世界不会是一家独大而是“AI 语言 系统语言 业务语言”三层并行的格局。你不需要把所有语言都学会但需要找到自己在哪一层。2. 不同赛道怎么选按目标场景拆解语言价值很多人问“未来十年最值得学什么语言”其实问错了对象。语言是工具工具的价值取决于你要干什么活。同样是写代码做 AI 模型和做嵌入式开发最优解完全不同。我把主流场景拆开来讲每个场景给出一门首选语言和一门备选语言顺便说清楚为什么这么选。2.1 AI 与深度学习方向Python 是起点但不止 Python深度学习所需编程语言这个话题上Python 是最没有争议的答案。它的优势不是性能——事实上 Python 跑循环慢得让人想哭——而是生态。PyTorch、TensorFlow、Hugging Face Transformers、NumPy、pandas全部是 Python 接口。你想微调一个大模型想跑 diffusion想处理数据集生态最完整的路径就是 Python。这是十年来深度学习社区用脚投票的结果。但我要提醒一句只会 Python在 AI 领域是走不远的。深度学习从业者随着经验增长一定会遇到这些场景——需要自己写一个自定义算子需要优化推理延迟需要把模型部署到边缘设备。这时候 C 就躲不掉了。ONNX Runtime、TensorRT、llama.cpp底层全是 C。我的建议是把 Python 作为主语言C 作为副语言在懂模型的同时至少能看懂部署代码这是 AI 工程师和“调包侠”的分水岭。还有一个趋势值得关注AI 框架本身的语言格局。PyTorch 是 Python CJAX 是 Python XLA但新一代推理引擎比如 MLIR、IREE 大量使用 C 甚至 Rust。以后做 AI 基础设施的人Rust 会越来越有用。这个方向听起来很远但十年时间足够让这些技术从实验室走到生产环境。2.2 Web 与业务开发方向JavaScript/TypeScript 是长期饭票如果目标是找工作、做产品、快速交付Web 方向永远是最大的人才蓄水池。浏览器不会消失Web 应用不会消失JavaScript 就不会消失。但过去几年行业已经基本达成共识大型项目用 TypeScript小项目和脚本用 JavaScript。TypeScript 给 JavaScript 加了类型系统把“运行时才发现的错误”提前到“编译时就发现”维护成本降低一个数量级。我接触过不少从纯 JavaScript 切到 TypeScript 的团队几乎无一例外表示“回不去了”。后端领域Node.js 让 JavaScript 通吃了前后端但这几年 Go 和 Java 在后面追得很猛。Go 的核心优势是并发模型简单、部署产物是单个二进制文件、内存占用低特别适合云原生场景。Kubernetes、Docker、Prometheus 都是 Go 写的你说这门语言在基础设施领域有多稳。Java 则是“大厂压舱石”金融、电商、企业系统的存量代码绝大多数是 Java这个存量十年内消化不完。我给这个方向的建议是前端主语言选 TypeScript后端视情况选 Go 或 Java。如果你是在创业公司或云原生环境Go 的上手曲线比 Java 平缓很多。如果目标是进大型企业Java 的岗位基数仍然是最大的。两门语言不冲突前后端各精一门职业路径就很宽了。2.3 系统与基础设施方向C、C、Rust 的长期价值系统编程是“看起来冷门实际上永远是刚需”的方向。操作系统内核、数据库引擎、编译器、网络协议栈、嵌入式设备任何跑在底层的代码都对性能有苛刻要求这就决定了 C 和 C 的地位无法被替代。在这个方向上我把它们细分为两个阶段存量系统用 C/C新项目用 Rust。Rust 是过去十年最有冲击力的系统级新语言。它比 C 晚了几十年诞生却把 C 最容易被骂的两个问题——内存安全和并发安全——从语言设计层面解决了。你不用手动管理内存编译器在编译期就帮你检查所有权、生命周期、借用规则。写过 C 的人第一次跑通 Rust 的借用检查器往往会有一种“以前我都在裸奔”的感觉。这几年 Rust 在 Linux 内核、Windows 内核、云基础设施、区块链底层都有实质性落地它不是小众玩具而是正在成为系统级新项目的默认选项。但我不建议一上来就学 Rust。它的学习曲线是所有语言里最陡的概念抽象报错信息晦涩新手容易在第 2 周放弃。比较合理的路径是先用 C 语言理解内存和指针再用 C 理解面向对象和泛型最后用 Rust 理解“编译器能帮你管住什么”。这三门语言本质上是同一个知识体系——计算机系统原理。2.4 移动端与跨平台方向Swift、Kotlin、Dart 的取舍移动端这两年变化很大。iOS 和 Android 原生开发依然是体验最好的方案Swift 和 Kotlin 分别有苹果和 Google 强力支持短期不会动摇。但跨平台框架的成熟速度超出了我的预期——Flutter 的渲染引擎是自己写的Dart 语言由其团队设计性能和一致性问题解决得不错React Native 则依托前端生态适合已有 Web 团队的场景。如果你问我要不要学 Dart我的态度是可以学但优先级排在后面。移动端真正值钱的是对平台特性的理解比如 iOS 的权限模型、Android 的性能优化、多端架构设计这些跟语言关系不大。语言只是入口平台能力才是壁垒。如果已经有稳定的前端或后端基础把 Flutter 当技能加分项没问题但把它当唯一的竞争力就有点危险了。3. 仓颉语言值得关注吗新语言的定位与上手路径“仓颉编程语言安装教程”能成为搜索热词说明很多人不只是好奇是真的想尝试。我花了一些时间研究这门语言包括查阅官方文档、编写和运行示例程序、对比同类语言的设计选择。我的总体感受是仓颉是一门设计上很认真的语言不是凑热闹的玩具。3.1 仓颉语言的设计定位从已公开的文档和代码看仓颉是一门面向全场景的静态强类型语言目标覆盖从系统级到应用级的开发需求。它吸收了现代语言的很多成熟设计比如类型推断、模式匹配、并发模型同时强调与 OpenHarmonyOS 生态的深度整合。对开发者来说最现实的切入点就是如果你想做 OpenHarmonyOS 上的应用或系统组件仓颉是官方推荐的语言之一。这里有个容易混淆的概念OpenHarmonyOS 的编程语言是不是“只有仓颉”不是。OpenHarmonyOS 本身支持多种语言开发应用包括 ArkTS 和 C/C仓颉是新增的、面向未来的一等公民语言。它的定位更像是“官方主推的新一代语言”目标是让开发者在鸿蒙生态内用一套语言覆盖不同设备、不同场景。从语言设计角度看仓颉选择了一条“现代主流 自有特色”的路线。它支持面向对象、函数式、并发编程等多种范式语法风格在 Java、Kotlin、Swift 之间找到了一个平衡点。对于熟悉任意一门现代静态语言的开发者上手仓颉的语法层面不会太费劲。3.2 安装与环境配置实操流程不管什么语言第一步都是把环境跑起来。仓颉目前主要通过官方渠道发布工具链包括编译器配套的命令行工具以及集成开发环境的插件。我本地的环境是 64 位系统安装过程大致如下给想尝鲜的读者做个参考。第一获取工具链。从仓颉官网或者 OpenHarmonyOS 开发者平台下载对应的安装包注意区分系统架构小版本更新频率很快尽量别用第三方转载的旧包。第二配置环境变量。解压或者安装到固定目录后需要把可执行文件所在路径加入 PATH同时配置仓库相关的环境变量。不同版本对依赖项有要求比如部分版本需要特定版本的开发套件支持建议直接对照当前版本文档操作。第三验证安装。打开终端执行版本命令能正常输出版本号就说明环境就绪。这一步很小但很多人栽在“没设环境变量”“权限不够”“依赖缺失”这三个坑上。第四编写第一个程序。创建一个源文件写一个极简的入口函数调用打印输出的接口输出一条字符串。编译后运行看到输出信息就完成了环境闭环。3.3 第一个程序示例与编译要点下面是我本地实测通过的示例结构参考了官方快速开始文档注释是使用中文的。保留这种感觉读者自己跑通时会更有信心// 入口函数程序执行的起点 func Main() { println(Hello from Cangjie); }把这段代码保存为 cangjie_demo.cj然后依次执行两条命令cjc cangjie_demo.cj -o demo ./demo第一条命令是编译-o 指定输出文件名第二条命令运行编译产物。如果你同时装了多个语言工具链可以在终端里用which cjc确认当前调用的确实是自己刚装的编译器路径。这个示例非常简单但它验证了整条工具链——编译器、链接器、运行时、标准库——都能正常工作。后续就可以放心地往里面加东西比如列表操作、结构体定义、接口实现。我的建议是从官方教程里的“语言之旅”部分开始把 20 个以内的小例子敲一遍比看任何二手教程都有用。3.4 仓颉 vs 主流语言的横向对比很多人在犹豫“要不要学一门新语言”最关心的问题就是“它跟已有的语言比好在哪里、值不值得迁移”。我把仓颉和几门常见语言的定位列成一张对比表方便直接看对比维度仓颉KotlinSwiftGoRust主要生态OpenHarmonyOSAndroid/JVMApple 生态云原生/服务端系统级/基础设施内存管理运行时自动管理JVM GCARCGC编译期所有权编译方式编译为原生码JVM 字节码编译为原生码编译为原生码编译为原生码并发模型内置并发原语轻量任务协程async/awaitgoroutineasync/await 线程学习门槛中等中等中等低高表格只能看静态对比真正的判断依据是生态和时间。仓颉作为一门年轻语言最大的变量在于 OpenHarmonyOS 的设备覆盖面能不能持续扩大。如果系统起来语言就是红利期如果系统普及不及预期语言就只是“多会一门”。我的态度是不用急着全面押注但值得保持跟踪花一个周末写几个示例程序成本很低收益是未来几年的判断力。4. 深度学习与语言选型为什么 Python 一统天下以及何时需要突破热搜词里“深度学习所需要的编程语言”这个话题我在各个平台被反复问到。很多初学者以为“做深度学习必须用 Python”这个理解对了一半。Python 是入口、是主流但不是唯一更不是终点。这一节我把它讲透。4.1 Python 的护城河不是语法而是生态Python 的语法简单、代码写起来快这是它的表面优势。真正的护城河是整个 AI 社区的积木式生态。你想用一个预训练模型Hugging Face 上用 Python 几行就能加载。你想做数据清洗pandas 的 API 是全世界数据科学家的共同语言。你想快速跑通一个实验Jupyter Notebook 里改几行就能重新运行。这些生态资产积累了超过十年任何后来者想在 AI 领域取代 Python相当于要在一个已经建成的城市里重新铺一套水电管网难度极大。但简单的另一面是慢。Python 解释型执行循环性能差真实训练和推理计算密集部分其实跑在底层 C/CUDA 代码上。Python 更像是“调度层”和“胶水层”真正算数是别人在干活。这也是为什么很多同学发现“Python 调包调得好好的一写性能代码就抓瞎”。4.2 从“会用”到“跑通”需要掌握哪些语言能力深度学习从业者的语言需求是分层的。第一层是“跑通实验”只需要 Python 基础和 PyTorch/TensorFlow 的 API 调用能力。第二层是“改造模型”需要会写数据集类、自定义训练循环、模型模块这要求对 Python 的面向对象和装饰器、上下文管理器等进阶特性有理解。第三层是“部署与优化”这时候 C 的指针、内存布局、编译流程就变成必考题了。我见过很多人卡在第二层到第三层之间。实验里指标挺好看一上生产就各种问题推理速度慢、内存占用高、模型文件太大。解决这些问题不一定要你会写 C但至少要能读懂 C 代码理解底层推理引擎的工作原理。所以我给深度学习方向的学习路径是Python 打底C 跟进Rust 作为远期加分项。这三层能力对应的是研究、工程、系统三个职业方向。4.3 “AI 编程助手会不会让语言学习变得没必要”这是最近的热门问题我的判断先放在这里不会反而会让语言学习更重要。AI 编程助手能帮你写代码、重构代码、解释代码但它无法替你判断“该用什么技术方案”。而技术方案判断只能来自你对语言特性的理解和项目实践的沉淀。一个不懂内存模型的开发者即使让 AI 写了正确的代码出了问题也无法定位。语言学习不是学语法细节是学编程模型和思维方式这是 AI 无法替代的。5. 学习策略与常见问题排查少走弯路的实操经验语言选型看准了接下来就是怎么学的问题。这一节我把自己踩过的坑和沉淀的方法整理成几条每一条背后都是真实的教训。5.1 主语言 副语言的“T 型”发展结构我不建议“什么流行学什么”更不建议“一条道走到黑”。比较健康的曲线是“T 型”选定一门主语言深入掌握同时配一门副语言做横向补充。主语言决定你的职业基本盘副语言帮你打开视野、解决跨界问题。比如主语言是 Python副语言选 Go你就可以在 AI 模型之外承担服务端 API 开发主语言是 Java副语言选 Rust你就可以在业务系统之外往基础设施方向延伸。主语言换起来成本极高副语言则可以根据项目需要灵活调整。我在过去几年把 Go 作为副语言用它的场景从命令行工具到微服务都有投入产出比非常高。5.2 判定一门语言值不值得学的“三看”标准选择语言的时候我习惯用三个问题来过滤看生态这门语言的包管理工具是否成熟核心框架是否活跃社区是否还在持续产出。生态是语言生命的土壤语法再好但没人用学了很难产生复利。看场景这门语言绑定的主要场景在未来十年是扩张还是萎缩。比如 Python 绑定了 AI场景在扩张TypeScript 绑定了 Web 前端场景稳定有些冷门语言绑定的是特定商业产品产品萎缩语言也就跟着萎缩。看人才市场招聘平台上这门语言的高质量岗位数量是否在增长。岗位数量可以反映企业真实需求比任何排行榜都诚实。这三个标准过滤下来大部分“看起来很酷但没前途”的语言就被排除了。5.3 五条经典的“避坑”经验下面这几条是我从不同阶段、不同项目里总结出来的每一条都有血的教训在里面不要只看排行榜学语言。排行榜反映的是“已经发生的现状”不是“未来十年的方向”。十年前 VB.NET 在榜单上名列前茅现在你身边还有人写吗不要“一个月换一门语言”。语言学习存在复利效应理解深度的积累需要时间。浅尝辄止的坏处不是“没学会”而是“什么都懂一点什么都不精”。不要忽视工程能力。语言只是表达工具工程能力——如何拆解需求、设计接口、做性能分析、排查线上故障——才是决定职业高度的关键。我见过能把 C 语法倒背如流但做不出完整项目的也见过 Python 写得一般但能独立扛起服务的。后者在市场上明显更值钱。不要被“语言之争”带走节奏。社区里关于“PHP 是否已死”“Rust 是不是太复杂”的争论大多数是无意义的情绪输出。语言是工具满意度的问题适合你的项目、你的团队、你的技术背景就是好语言。不要害怕学旧语言。C、Java、JavaScript 这些语言年纪都不小了但它们的生态和岗位决定了它们未来十年依然是主流。新语言不等于前途旧语言不等于过气。5.4 编程语言学习常见问题排查整理成一张速查表直接对照你的情况来找答案问题可能原因排查方向学了几个月语法写不出完整项目学的是语法不是编程思维找一个真实需求如个人记账工具从头做完看教程能懂离线就不会写缺少主动回忆和输出每看完一章合上教程默写核心代码不知道先学哪个方向没有明确的应用场景先选一个感兴趣的应用如网页、小游戏、数据分析再定语言总是跟着网上推荐反复换语言目标不明确被热度影响按第 5.2 节的“三看”标准重新过滤代码能跑但不知道原理只调用了 API没理解底层拆解依赖库源码从入口函数开始追读我的最终建议十年后你会感谢今天的选择和今天的坚持语言选型这件事说到底是两句话判断趋势然后坚持。判断趋势需要信息坚持需要耐心两者缺一不可。我这几年见过太多人死在“中途换道”却很少见过有人因为选了“不够热门”的语言而真正失败。如果你现在还在纠结我的建议是把 Python 当成 AI 时代的通用能力先学好再把一门现代静态语言Go、Rust 或 Java 因人而异作为职业底盘。这几乎是普通开发者最稳妥的组合。同时花点时间关注仓颉和 OpenHarmonyOS 生态的动态不需要马上重仓但持续观察能让你在未来机会出现时比别人早半年入场。我个人最大的感受是编程语言没有“最好”只有“最合适”。最合适你的是你真的用来解决过现实问题的语言。可以因为一份工作学一门语言也可以因为一个兴趣学一门语言但不要只是因为一个热搜学一门语言。十年时间足够一门技术从无人问津走到大红大紫也足够另一门技术从巅峰跌到谷底。看清趋势然后扎扎实实写代码才是这门手艺最朴素也最可靠的长期主义。
“编程语言排行榜”能挂在热搜上我确实有点意外。以往这种榜单只是开发者圈子里互相调侃的话题今年却成了大众围观的对象背后肯定不只是榜单本身的问题。经常有读者问我“未来十年最值得学什么语言”问多了以后我意识到大家真正想知道的不是一份榜单而是我现在投入的时间十年后还值不值钱。这篇文章就是围绕这个问题展开的。我会结合最近的热搜词比如仓颉语言、深度学习所需语言、OpenHarmonyOS 的编程语言选择以及 2025 年前后的语言榜单变化聊聊我自己的分析和判断。如果你是刚入行、准备转行或者想给自己加一门副语言这篇文章应该能给你一个参考框架。不是算命不是“无脑学 Python”而是帮你建立一套判断语言长期价值的思路。1. 先看清局面热门语言榜单背后藏着三个信号我先把最近观察到的几个现象摆在一起传统排行榜上 Python、C、C、Java、JavaScript 常年霸榜深度学习相关的讨论几乎默认 Python国产操作系统 OpenHarmonyOS 的官方语言里出现了“仓颉”这个名字还专门有“仓颉编程语言安装教程”这种搜索需求。几个热词单独看都不新鲜放在一起就有意思了。第一个信号是 AI 正在把编程语言的“话语权”集中到少数几门语言手里。深度学习框架 PyTorch、TensorFlow、JAX 的事实标准都是 Python模型推理、数据预处理、训练脚本几乎绕不开它。这跟十年前完全不一样——那时候做 AI 的人还得在 C、MATLAB、Python 之间反复横跳现在生态已经收敛了Python 成了 AI 时代的“通用语”。榜单上的 Python 热度本质上是 AI 热度在语言层面的投影。第二个信号是“国产系统 新语言”的组合开始进入大众视野。OpenHarmonyOS 不是一个小玩具它有完整的系统架构和开发者生态而仓颉语言作为官方支持的编程语言出现在这个体系里意味着“跟着系统走”的语言选型逻辑重新出现了。操作系统级语言从来不是随便选的它绑定了工具链、框架、开发者社区和就业机会。当年 Java 跟着 Android 起来Swift 跟着 iOS 起来仓颉和 OpenHarmonyOS 的关系也值得观察。第三个信号是排行榜热度不等于就业热度更不等于长期价值。热搜榜上的语言往往是“当前话题最密集”的语言而不是“未来十年最稳”的语言。比如 C 语言几十年了榜单上一直不低但你说它“热”吗它早就不是话题中心了。反过来Rust 在榜单上的位置可能不如 JavaScript但它在系统编程、基础设施领域的上升趋势非常明显。看榜单要看趋势不能只看位置。把这三个信号放到一起我的结论是未来十年的语言世界不会是一家独大而是“AI 语言 系统语言 业务语言”三层并行的格局。你不需要把所有语言都学会但需要找到自己在哪一层。2. 不同赛道怎么选按目标场景拆解语言价值很多人问“未来十年最值得学什么语言”其实问错了对象。语言是工具工具的价值取决于你要干什么活。同样是写代码做 AI 模型和做嵌入式开发最优解完全不同。我把主流场景拆开来讲每个场景给出一门首选语言和一门备选语言顺便说清楚为什么这么选。2.1 AI 与深度学习方向Python 是起点但不止 Python深度学习所需编程语言这个话题上Python 是最没有争议的答案。它的优势不是性能——事实上 Python 跑循环慢得让人想哭——而是生态。PyTorch、TensorFlow、Hugging Face Transformers、NumPy、pandas全部是 Python 接口。你想微调一个大模型想跑 diffusion想处理数据集生态最完整的路径就是 Python。这是十年来深度学习社区用脚投票的结果。但我要提醒一句只会 Python在 AI 领域是走不远的。深度学习从业者随着经验增长一定会遇到这些场景——需要自己写一个自定义算子需要优化推理延迟需要把模型部署到边缘设备。这时候 C 就躲不掉了。ONNX Runtime、TensorRT、llama.cpp底层全是 C。我的建议是把 Python 作为主语言C 作为副语言在懂模型的同时至少能看懂部署代码这是 AI 工程师和“调包侠”的分水岭。还有一个趋势值得关注AI 框架本身的语言格局。PyTorch 是 Python CJAX 是 Python XLA但新一代推理引擎比如 MLIR、IREE 大量使用 C 甚至 Rust。以后做 AI 基础设施的人Rust 会越来越有用。这个方向听起来很远但十年时间足够让这些技术从实验室走到生产环境。2.2 Web 与业务开发方向JavaScript/TypeScript 是长期饭票如果目标是找工作、做产品、快速交付Web 方向永远是最大的人才蓄水池。浏览器不会消失Web 应用不会消失JavaScript 就不会消失。但过去几年行业已经基本达成共识大型项目用 TypeScript小项目和脚本用 JavaScript。TypeScript 给 JavaScript 加了类型系统把“运行时才发现的错误”提前到“编译时就发现”维护成本降低一个数量级。我接触过不少从纯 JavaScript 切到 TypeScript 的团队几乎无一例外表示“回不去了”。后端领域Node.js 让 JavaScript 通吃了前后端但这几年 Go 和 Java 在后面追得很猛。Go 的核心优势是并发模型简单、部署产物是单个二进制文件、内存占用低特别适合云原生场景。Kubernetes、Docker、Prometheus 都是 Go 写的你说这门语言在基础设施领域有多稳。Java 则是“大厂压舱石”金融、电商、企业系统的存量代码绝大多数是 Java这个存量十年内消化不完。我给这个方向的建议是前端主语言选 TypeScript后端视情况选 Go 或 Java。如果你是在创业公司或云原生环境Go 的上手曲线比 Java 平缓很多。如果目标是进大型企业Java 的岗位基数仍然是最大的。两门语言不冲突前后端各精一门职业路径就很宽了。2.3 系统与基础设施方向C、C、Rust 的长期价值系统编程是“看起来冷门实际上永远是刚需”的方向。操作系统内核、数据库引擎、编译器、网络协议栈、嵌入式设备任何跑在底层的代码都对性能有苛刻要求这就决定了 C 和 C 的地位无法被替代。在这个方向上我把它们细分为两个阶段存量系统用 C/C新项目用 Rust。Rust 是过去十年最有冲击力的系统级新语言。它比 C 晚了几十年诞生却把 C 最容易被骂的两个问题——内存安全和并发安全——从语言设计层面解决了。你不用手动管理内存编译器在编译期就帮你检查所有权、生命周期、借用规则。写过 C 的人第一次跑通 Rust 的借用检查器往往会有一种“以前我都在裸奔”的感觉。这几年 Rust 在 Linux 内核、Windows 内核、云基础设施、区块链底层都有实质性落地它不是小众玩具而是正在成为系统级新项目的默认选项。但我不建议一上来就学 Rust。它的学习曲线是所有语言里最陡的概念抽象报错信息晦涩新手容易在第 2 周放弃。比较合理的路径是先用 C 语言理解内存和指针再用 C 理解面向对象和泛型最后用 Rust 理解“编译器能帮你管住什么”。这三门语言本质上是同一个知识体系——计算机系统原理。2.4 移动端与跨平台方向Swift、Kotlin、Dart 的取舍移动端这两年变化很大。iOS 和 Android 原生开发依然是体验最好的方案Swift 和 Kotlin 分别有苹果和 Google 强力支持短期不会动摇。但跨平台框架的成熟速度超出了我的预期——Flutter 的渲染引擎是自己写的Dart 语言由其团队设计性能和一致性问题解决得不错React Native 则依托前端生态适合已有 Web 团队的场景。如果你问我要不要学 Dart我的态度是可以学但优先级排在后面。移动端真正值钱的是对平台特性的理解比如 iOS 的权限模型、Android 的性能优化、多端架构设计这些跟语言关系不大。语言只是入口平台能力才是壁垒。如果已经有稳定的前端或后端基础把 Flutter 当技能加分项没问题但把它当唯一的竞争力就有点危险了。3. 仓颉语言值得关注吗新语言的定位与上手路径“仓颉编程语言安装教程”能成为搜索热词说明很多人不只是好奇是真的想尝试。我花了一些时间研究这门语言包括查阅官方文档、编写和运行示例程序、对比同类语言的设计选择。我的总体感受是仓颉是一门设计上很认真的语言不是凑热闹的玩具。3.1 仓颉语言的设计定位从已公开的文档和代码看仓颉是一门面向全场景的静态强类型语言目标覆盖从系统级到应用级的开发需求。它吸收了现代语言的很多成熟设计比如类型推断、模式匹配、并发模型同时强调与 OpenHarmonyOS 生态的深度整合。对开发者来说最现实的切入点就是如果你想做 OpenHarmonyOS 上的应用或系统组件仓颉是官方推荐的语言之一。这里有个容易混淆的概念OpenHarmonyOS 的编程语言是不是“只有仓颉”不是。OpenHarmonyOS 本身支持多种语言开发应用包括 ArkTS 和 C/C仓颉是新增的、面向未来的一等公民语言。它的定位更像是“官方主推的新一代语言”目标是让开发者在鸿蒙生态内用一套语言覆盖不同设备、不同场景。从语言设计角度看仓颉选择了一条“现代主流 自有特色”的路线。它支持面向对象、函数式、并发编程等多种范式语法风格在 Java、Kotlin、Swift 之间找到了一个平衡点。对于熟悉任意一门现代静态语言的开发者上手仓颉的语法层面不会太费劲。3.2 安装与环境配置实操流程不管什么语言第一步都是把环境跑起来。仓颉目前主要通过官方渠道发布工具链包括编译器配套的命令行工具以及集成开发环境的插件。我本地的环境是 64 位系统安装过程大致如下给想尝鲜的读者做个参考。第一获取工具链。从仓颉官网或者 OpenHarmonyOS 开发者平台下载对应的安装包注意区分系统架构小版本更新频率很快尽量别用第三方转载的旧包。第二配置环境变量。解压或者安装到固定目录后需要把可执行文件所在路径加入 PATH同时配置仓库相关的环境变量。不同版本对依赖项有要求比如部分版本需要特定版本的开发套件支持建议直接对照当前版本文档操作。第三验证安装。打开终端执行版本命令能正常输出版本号就说明环境就绪。这一步很小但很多人栽在“没设环境变量”“权限不够”“依赖缺失”这三个坑上。第四编写第一个程序。创建一个源文件写一个极简的入口函数调用打印输出的接口输出一条字符串。编译后运行看到输出信息就完成了环境闭环。3.3 第一个程序示例与编译要点下面是我本地实测通过的示例结构参考了官方快速开始文档注释是使用中文的。保留这种感觉读者自己跑通时会更有信心// 入口函数程序执行的起点 func Main() { println(Hello from Cangjie); }把这段代码保存为 cangjie_demo.cj然后依次执行两条命令cjc cangjie_demo.cj -o demo ./demo第一条命令是编译-o 指定输出文件名第二条命令运行编译产物。如果你同时装了多个语言工具链可以在终端里用which cjc确认当前调用的确实是自己刚装的编译器路径。这个示例非常简单但它验证了整条工具链——编译器、链接器、运行时、标准库——都能正常工作。后续就可以放心地往里面加东西比如列表操作、结构体定义、接口实现。我的建议是从官方教程里的“语言之旅”部分开始把 20 个以内的小例子敲一遍比看任何二手教程都有用。3.4 仓颉 vs 主流语言的横向对比很多人在犹豫“要不要学一门新语言”最关心的问题就是“它跟已有的语言比好在哪里、值不值得迁移”。我把仓颉和几门常见语言的定位列成一张对比表方便直接看对比维度仓颉KotlinSwiftGoRust主要生态OpenHarmonyOSAndroid/JVMApple 生态云原生/服务端系统级/基础设施内存管理运行时自动管理JVM GCARCGC编译期所有权编译方式编译为原生码JVM 字节码编译为原生码编译为原生码编译为原生码并发模型内置并发原语轻量任务协程async/awaitgoroutineasync/await 线程学习门槛中等中等中等低高表格只能看静态对比真正的判断依据是生态和时间。仓颉作为一门年轻语言最大的变量在于 OpenHarmonyOS 的设备覆盖面能不能持续扩大。如果系统起来语言就是红利期如果系统普及不及预期语言就只是“多会一门”。我的态度是不用急着全面押注但值得保持跟踪花一个周末写几个示例程序成本很低收益是未来几年的判断力。4. 深度学习与语言选型为什么 Python 一统天下以及何时需要突破热搜词里“深度学习所需要的编程语言”这个话题我在各个平台被反复问到。很多初学者以为“做深度学习必须用 Python”这个理解对了一半。Python 是入口、是主流但不是唯一更不是终点。这一节我把它讲透。4.1 Python 的护城河不是语法而是生态Python 的语法简单、代码写起来快这是它的表面优势。真正的护城河是整个 AI 社区的积木式生态。你想用一个预训练模型Hugging Face 上用 Python 几行就能加载。你想做数据清洗pandas 的 API 是全世界数据科学家的共同语言。你想快速跑通一个实验Jupyter Notebook 里改几行就能重新运行。这些生态资产积累了超过十年任何后来者想在 AI 领域取代 Python相当于要在一个已经建成的城市里重新铺一套水电管网难度极大。但简单的另一面是慢。Python 解释型执行循环性能差真实训练和推理计算密集部分其实跑在底层 C/CUDA 代码上。Python 更像是“调度层”和“胶水层”真正算数是别人在干活。这也是为什么很多同学发现“Python 调包调得好好的一写性能代码就抓瞎”。4.2 从“会用”到“跑通”需要掌握哪些语言能力深度学习从业者的语言需求是分层的。第一层是“跑通实验”只需要 Python 基础和 PyTorch/TensorFlow 的 API 调用能力。第二层是“改造模型”需要会写数据集类、自定义训练循环、模型模块这要求对 Python 的面向对象和装饰器、上下文管理器等进阶特性有理解。第三层是“部署与优化”这时候 C 的指针、内存布局、编译流程就变成必考题了。我见过很多人卡在第二层到第三层之间。实验里指标挺好看一上生产就各种问题推理速度慢、内存占用高、模型文件太大。解决这些问题不一定要你会写 C但至少要能读懂 C 代码理解底层推理引擎的工作原理。所以我给深度学习方向的学习路径是Python 打底C 跟进Rust 作为远期加分项。这三层能力对应的是研究、工程、系统三个职业方向。4.3 “AI 编程助手会不会让语言学习变得没必要”这是最近的热门问题我的判断先放在这里不会反而会让语言学习更重要。AI 编程助手能帮你写代码、重构代码、解释代码但它无法替你判断“该用什么技术方案”。而技术方案判断只能来自你对语言特性的理解和项目实践的沉淀。一个不懂内存模型的开发者即使让 AI 写了正确的代码出了问题也无法定位。语言学习不是学语法细节是学编程模型和思维方式这是 AI 无法替代的。5. 学习策略与常见问题排查少走弯路的实操经验语言选型看准了接下来就是怎么学的问题。这一节我把自己踩过的坑和沉淀的方法整理成几条每一条背后都是真实的教训。5.1 主语言 副语言的“T 型”发展结构我不建议“什么流行学什么”更不建议“一条道走到黑”。比较健康的曲线是“T 型”选定一门主语言深入掌握同时配一门副语言做横向补充。主语言决定你的职业基本盘副语言帮你打开视野、解决跨界问题。比如主语言是 Python副语言选 Go你就可以在 AI 模型之外承担服务端 API 开发主语言是 Java副语言选 Rust你就可以在业务系统之外往基础设施方向延伸。主语言换起来成本极高副语言则可以根据项目需要灵活调整。我在过去几年把 Go 作为副语言用它的场景从命令行工具到微服务都有投入产出比非常高。5.2 判定一门语言值不值得学的“三看”标准选择语言的时候我习惯用三个问题来过滤看生态这门语言的包管理工具是否成熟核心框架是否活跃社区是否还在持续产出。生态是语言生命的土壤语法再好但没人用学了很难产生复利。看场景这门语言绑定的主要场景在未来十年是扩张还是萎缩。比如 Python 绑定了 AI场景在扩张TypeScript 绑定了 Web 前端场景稳定有些冷门语言绑定的是特定商业产品产品萎缩语言也就跟着萎缩。看人才市场招聘平台上这门语言的高质量岗位数量是否在增长。岗位数量可以反映企业真实需求比任何排行榜都诚实。这三个标准过滤下来大部分“看起来很酷但没前途”的语言就被排除了。5.3 五条经典的“避坑”经验下面这几条是我从不同阶段、不同项目里总结出来的每一条都有血的教训在里面不要只看排行榜学语言。排行榜反映的是“已经发生的现状”不是“未来十年的方向”。十年前 VB.NET 在榜单上名列前茅现在你身边还有人写吗不要“一个月换一门语言”。语言学习存在复利效应理解深度的积累需要时间。浅尝辄止的坏处不是“没学会”而是“什么都懂一点什么都不精”。不要忽视工程能力。语言只是表达工具工程能力——如何拆解需求、设计接口、做性能分析、排查线上故障——才是决定职业高度的关键。我见过能把 C 语法倒背如流但做不出完整项目的也见过 Python 写得一般但能独立扛起服务的。后者在市场上明显更值钱。不要被“语言之争”带走节奏。社区里关于“PHP 是否已死”“Rust 是不是太复杂”的争论大多数是无意义的情绪输出。语言是工具满意度的问题适合你的项目、你的团队、你的技术背景就是好语言。不要害怕学旧语言。C、Java、JavaScript 这些语言年纪都不小了但它们的生态和岗位决定了它们未来十年依然是主流。新语言不等于前途旧语言不等于过气。5.4 编程语言学习常见问题排查整理成一张速查表直接对照你的情况来找答案问题可能原因排查方向学了几个月语法写不出完整项目学的是语法不是编程思维找一个真实需求如个人记账工具从头做完看教程能懂离线就不会写缺少主动回忆和输出每看完一章合上教程默写核心代码不知道先学哪个方向没有明确的应用场景先选一个感兴趣的应用如网页、小游戏、数据分析再定语言总是跟着网上推荐反复换语言目标不明确被热度影响按第 5.2 节的“三看”标准重新过滤代码能跑但不知道原理只调用了 API没理解底层拆解依赖库源码从入口函数开始追读我的最终建议十年后你会感谢今天的选择和今天的坚持语言选型这件事说到底是两句话判断趋势然后坚持。判断趋势需要信息坚持需要耐心两者缺一不可。我这几年见过太多人死在“中途换道”却很少见过有人因为选了“不够热门”的语言而真正失败。如果你现在还在纠结我的建议是把 Python 当成 AI 时代的通用能力先学好再把一门现代静态语言Go、Rust 或 Java 因人而异作为职业底盘。这几乎是普通开发者最稳妥的组合。同时花点时间关注仓颉和 OpenHarmonyOS 生态的动态不需要马上重仓但持续观察能让你在未来机会出现时比别人早半年入场。我个人最大的感受是编程语言没有“最好”只有“最合适”。最合适你的是你真的用来解决过现实问题的语言。可以因为一份工作学一门语言也可以因为一个兴趣学一门语言但不要只是因为一个热搜学一门语言。十年时间足够一门技术从无人问津走到大红大紫也足够另一门技术从巅峰跌到谷底。看清趋势然后扎扎实实写代码才是这门手艺最朴素也最可靠的长期主义。
