第47课 · 效率工具编程语言的选择

本节要点

AI 时代选语言，标准彻底变了：以前看语法好不好学，现在看 AI 写对率高不高、测试快不快、报错准不准
你不用学这些语言：了解它们各有什么特点就行，写代码的事交给 AI
TypeScript —— 做网页工具的第一选择：AI 写对率最高，前端后端通吃，课程网站、MCP 工具都用它
Python —— 数据处理最强：AI 训练数据最多，修 bug 最擅长，生态最好（"吊包侠"）
Go / Rust —— 高性能场景才需要：一般审计/财务的效率工具基本用不上
前端 vs 后端：前端是「门店展示」（UI 界面），后端是「后厨加工」（数据处理），两者分工合作
和 AI 聊方案时，把真实需求说清楚：用途、场景、使用人数——信息越多，AI 给的选择越贴近

1. 为什么要关心编程语言？

前面我们做了不少效率工具和 Skill——合并 Excel、处理 Word 文档、生成流程图、做课程网站。回过头来你会发现，做每个工具之前都得选一个「用什么语言写」。

效率工具的好处很明显：

不依赖 AI：做完了自己就能跑，不用每次打开 Claude Code 重新对话
不消耗 token：跑一次就是跑一次，不用每次烧钱
可以发给别人用：同事也能用，不需要他们装 AI 工具

但问题来了——这么多编程语言，到底选哪个？

以前的人学编程，选语言主要看语法好不好学。比如 Python 像自然语言，C++ 偏底层比较难。但 AI 出现之后，这个标准变了——你不用亲自写代码，AI 帮你写。所以「语法好不好学」不再是关键问题，真正要关心的是：

💡 关键认知：AI 写代码，你来审查。选语言的标准变成了——AI 用这个语言写代码，写对的概率有多高？报错信息好不好懂？测试跑得快不快？

2. 选语言的标准：AI 时代 vs 以前

维度	以前的标准	AI 时代的标准
学习门槛	语法好不好学	AI 写对率高不高
生态	第三方库多不多	测试跑得快不快
性能	执行效率	编译报错准不准
招聘	好不好招人	代码人类好不好审查

以前的思路是「我要学这门语言」，现在的思路是「我要让 AI 用这门语言干活」。

有观点认为：手写代码的时代已经过去了，选语言只需要看两件事——① AI 能不能高质量写出这种语言的代码？② 作为人类的你，能不能一眼看懂它写的代码？

这背后是 AI 写代码的核心循环：

AI 写代码 → 跑测试看对不对 → 报错了读错误信息 → AI 改代码 → 再跑测试
                      ↑_________________________________↓
                           循环越快越好

这个循环的三个关键：

写得对不对：AI 对某门语言的训练数据越多，越不容易写出 bug
报错准不准：编译器/运行时报错越清晰，AI 改得越快
测试快不快：跑一遍测试只要 1-2 秒，和要等几十秒，体验天差地别

3. 前端 vs 后端：软件开发的分工

在聊具体语言之前，先搞清楚一组概念——前端和后端。

用你熟悉的东西打比方：

🏪 前端 = 餐厅的门店：你走进去看到的一切——桌子、菜单、装修、服务员。这是用户直接接触的部分。
🔪 后端 = 餐厅的后厨：你看不到的——切菜、炒菜、洗碗、库存管理。这是真正干活的地方。

翻译成审计术语：

📊 前端 = 审计底稿的展示层：你在 Excel 里看到的表格、颜色、格式、筛选下拉框——这些是你眼睛看到的。
🧮 后端 = 审计底稿的数据逻辑层：公式计算、勾稽关系、数据汇总——这些是你看不到但真正在做事的。

为什么要分开？ 因为软件开发是分工的——有人专门做界面（前端），有人专门做数据处理（后端）。做效率工具虽然一个人全包，但 AI 帮你写代码时，你至少要知道「这个功能属于前端还是后端」。

简单判断：

用户能看到、点击的 → 前端
数据计算、存储、逻辑处理 → 后端

4. 各语言一览：AI 时代的四门语言

下面介绍做效率工具最常用的四门语言。记住一个原则：你不用学它们，你只需要了解它们各擅长什么。

4.1 TypeScript（TS）—— 做网页工具的第一选择

一句话总结：AI 写对率最高的语言，前端后端都能用，做网页效率工具首选。

为什么 AI 擅长写 TypeScript？

TypeScript 是 JavaScript 的「加类型版」。它在 JavaScript 基础上加了类型标注——比如明确告诉 AI「这个变量是数字，不是文字」。对 AI 来说，类型标注就像路标，能大幅降低写错代码的概率。

据 GitHub 2025 年 Octoverse 报告，TypeScript 在 2025 年 8 月首次超越 Python 和 JavaScript，成为 GitHub 上使用人数最多的编程语言——月活跃贡献者达到 263.6 万，一年增长了 66%。

TypeScript 之父 Anders Hejlsberg 在采访中说得直白：「AI 写某种语言代码的能力，跟它见过多少这种语言的代码成正比。AI 就是一个大型的『复读机』，带一点外推能力。它见过大量的 JavaScript、Python 和 TypeScript，所以写这些语言特别拿手。」

TypeScript 能做什么？

网页工具：课程网站、文档站、在线计算器、数据看板
AI 工具接口（MCP Server）：让 AI 工具连接外部服务
全栈开发：同一个语言写前端 + 后端（Next.js 框架）

举例：我们的课程网站（你正在看的这个）就是 TypeScript 写的。陈版主的 BBS 检索问答工具也是。任何你想做成网页版给同事用的效率工具，TypeScript 都是首选。

实际场景：你想把一组审计调整分录做成一个网页工具，同事打开浏览器就能用、能筛选能排序——TypeScript 是最合适的。

4.2 Python —— 数据处理最强、「吊包侠」

一句话总结：AI 训练数据最多的语言，修 bug 通过率最高，生态好到几乎「什么都能找到现成的包」。

为什么 AI 擅长写 Python？

Python 是 AI 和机器学习领域的「普通话」，几乎所有的 AI 训练数据都有大量 Python 代码。根据 Multi-SWE-bench（一个评测 AI 修 bug 能力的多语言基准，已被 NeurIPS 2025 收录），Python 的修 bug 通过率高达 52.2%，远超其他语言。

Python 的核心优势：生态

Python 有个外号叫「吊包侠」——意思是你要做什么功能，基本都能找到一个现成的第三方包（package），AI 直接 pip install 装上就能用：

批量处理 Excel → pandas、openpyxl
提取 PDF 内容 → pdfplumber、camelot
自动操作 Word → python-docx
发送邮件 → smtplib
生成图表 → matplotlib
做简单网页 → streamlit（数亿次下载量）

Python 能做什么？

数据处理：批量合并 Excel、清洗数据、提取 PDF 中的表格
自动化脚本：定时发送报告、自动整理文件夹
简单的数据网页：用 Streamlit 几行代码就能做出一个数据看板

举例：你每个月要合并 30 个子公司发来的 Excel 利润表，以前手动复制粘贴要大半天。用 Python 写个脚本，跑一次 3 秒搞定。

实际场景：批量处理审计底稿、自动提取合同关键信息、生成汇总表——Python 是数据分析类效率工具的最佳选择。

4.3 Go —— 单文件工具，高并发执行

一句话总结：打包成一个独立文件就能跑，执行效率高，但审计场景基本用不上。

Go 的特点：

打包成单文件：一个约 15MB 的 .exe 文件就能跑，不需要装任何依赖
编译极快：1-2 秒编译完，AI 的「写→测试→改」循环极快
十多年来没有破坏性变更：Go 从 2012 年发布 Go 1.0 起就承诺了兼容性，老代码在新版本上照样跑
高并发：天生适合同时处理大量任务

什么时候需要 Go？

基本不需要。除非你要做一个同时被几百人使用、对速度有极致要求的工具。

实际场景：你用不到 Go。即使你做了一个给全所 200 人用的效率工具，Python 或者 TypeScript 的网页方案也完全够用。

4.4 Rust —— 极致性能，编译器报错最精准

一句话总结：执行效率最高、打包体积最小、报错信息最友好，但学习曲线陡峭。

Rust 的特点：

编译器报错极其精准：不只告诉你哪里错了，还会建议你怎么改——这对 AI 来说非常友好
打包体积极小：一个桌面应用可以做到 3-40MB（相比之下 Electron 同类应用 120-250MB）
WebAssembly 支持成熟：可以把代码编译成在浏览器里跑的高性能模块

Rust 的缺点：

Rust 有个独特的概念叫「借用检查器」（borrow checker），它要求在编译时就搞清楚「谁拥有数据、谁能改数据」。这个机制让 AI 经常陷入死循环——一直在修编译错误，永远修不完。

什么时候需要 Rust？

基本不需要。除非你对性能有极致追求，或者想做极轻量的桌面应用（用 Tauri 框架）。

实际场景：你用不到 Rust。

5. 桌面软件怎么选？

如果你不想做网页工具，而是想做一个「双击就能打开」的桌面软件，选项如下：

方案	本质	包体大小	适合场景
Electron	把网页打包成桌面软件	120-250MB	想要好看的界面、跨平台
Tauri	Electron 的轻量版	3-40MB	想要小包体、好性能
PyQt	Python 配套的界面库	中等	简单工具，界面要求不高
C#	Windows 原生方案	中等	只在 Windows 用

最常用的是 Electron（好看、跨平台，但包体大）和 Tauri（轻量、快速，但对 Rust 有要求）。对审计场景来说，如果只是做个简单的计算器或格式转换工具，PyQt 或者干脆做成网页工具往往就够了——不需要装软件，浏览器打开就能用。

6. 决策一张图

你要做什么？
│
├── 🖥️ 做一个网页工具（同事浏览器打开就能用）
│   └── → TypeScript（首选）
│
├── 📊 批量处理数据（Excel/PDF/自动化脚本）
│   └── → Python（最强）
│
├── 🖱️ 做一个桌面软件（双击打开用）
│   ├── 要好看、跨平台 → Electron（TypeScript）
│   └── 要轻量、快 → Tauri（Rust）
│
├── ⚡ 需要高并发、极致性能
│   └── → Go（一般不需要）
│
└── ⚙️ 极致性能+极轻打包
    └── → Rust（基本不需要）

最常用的组合

真实做项目时，语言不是单一选择，而是组合：

角色	语言	做什么
🎯 主力	TypeScript（Next.js）	网页前端 + 后端接口，全栈
🔧 辅助	Python	数据处理、批量脚本、自动化
⚡ 特殊	Go / Rust	高性能场景，基本用不上

审计/财务场景的推荐组合：

做网页工具 → TypeScript（课程网站同款方案）
做数据脚本 → Python（Excel 合并、PDF 提取、自动化报告）
两个一起用也没问题：前端页面用 TypeScript，背后数据处理用 Python

7. 怎么跟 AI 聊方案

最后讲一个很多人忽视的技巧：你跟 AI 聊「帮我做 XX 工具」时，告诉它的不止是功能需求。

把你的真实场景说清楚，AI 才能帮你选对语言和方案。比如不要说「帮我做个数据处理工具」，而是说：

我是审计师，每个月要合并 30 家子公司的 Excel 利润表，生成一张汇总表发给合伙人。工具我自己用就行，不需要网页，能跑通就行。

信息越多，AI 给的选择越贴近你的场景。需要告诉 AI 的要素：

用途：具体解决什么问题
使用者：只有你用，还是发给同事、客户用
使用频率：每天用还是一个月一次
数据量：几张表还是几百张表
呈现形式：网页打开、双击 exe，还是命令行跑就行

⚠️ 常见问题

我不是程序员，这些我真的需要懂吗？

不需要「懂」。你只需要大概知道 TypeScript 做网页、Python 做数据——这个直觉就够了。选什么语言、怎么写代码，全部交给 AI。

如果你跟 AI 说「帮我做个工具」，AI 问「用什么语言？」，你回答「你觉得哪个合适就用哪个」——AI 自己会根据需求选。

TypeScript 和 JavaScript 什么关系？

TypeScript 是 JavaScript 的「加类型版」。打个比方：JavaScript 是白纸上写草稿，TypeScript 是带格子的信纸——更容易写得整齐。AI 在「带格子的纸」上写字准确率更高。

你做工具时不需要关心它们的区别，AI 会自动选。

Node.js 是什么？和 TypeScript 什么关系？

Node.js 是一个运行环境，它让 JavaScript/TypeScript 代码不在浏览器里也能跑。OpenCode、Claude Code 这些工具本身都依赖 Node.js 运行。你装这些工具的时候 Node.js 就已经装好了，不用额外管它。

Python 和 TypeScript 我该选哪个？

简单原则：

要做一个别人打开浏览器就能用的网页工具 → TypeScript
要批量处理数据、写自动化脚本 → Python
两者都要 → TypeScript 做界面 + Python 做数据处理，组合使用

Streamlit 是什么？

Streamlit 是一个 Python 库，让你用 Python 就能做出简单的数据网页。不用学前端，直接写 Python 就能生成一个带表格、图表的网页。对于「只想把数据分析结果快速展示出来」的场景特别方便。

关键收获

TIP

AI 时代选语言，标准彻底变了：不是你好不好学，是 AI 写得好不好。

四门语言一句话：

TypeScript → 做网页工具
Python → 处理数据
Go → 高性能单文件（基本用不上）
Rust → 极致性能（基本用不上）

你不需要学任何一门——但要能跟 AI 说出你在什么场景、解决什么问题、给谁用。信息越多，AI 帮你选得越准。

审计/财务场景的日常选择就是两个：做网页 → TypeScript，跑数据 → Python。

参考链接

GitHub Octoverse 2025 报告（TypeScript 登顶 #1）：https://octoverse.github.com/
Multi-SWE-bench：多语言代码修 bug 基准：https://github.com/multi-swe-bench/multi-swe-bench
ProgramBench：从零重建程序基准：https://github.com/facebookresearch/programbench
TypeScript 之父 Anders Hejlsberg 专访（GitHub Blog）：https://github.blog/developer-skills/programming-languages-and-frameworks/typescripts-rise-in-the-ai-era-insights-from-lead-architect-anders-hejlsberg/
Tauri 官网（轻量桌面应用框架）：https://tauri.app/
Streamlit 官网（Python 数据网页）：https://streamlit.io/

第47课 · 效率工具编程语言的选择 ​

本节要点 ​

1. 为什么要关心编程语言？ ​

2. 选语言的标准：AI 时代 vs 以前 ​

3. 前端 vs 后端：软件开发的分工 ​

4. 各语言一览：AI 时代的四门语言 ​

4.1 TypeScript（TS）—— 做网页工具的第一选择 ​

4.2 Python —— 数据处理最强、「吊包侠」 ​

4.3 Go —— 单文件工具，高并发执行 ​

4.4 Rust —— 极致性能，编译器报错最精准 ​

5. 桌面软件怎么选？ ​

6. 决策一张图 ​

最常用的组合 ​

7. 怎么跟 AI 聊方案 ​

⚠️ 常见问题 ​

我不是程序员，这些我真的需要懂吗？ ​

TypeScript 和 JavaScript 什么关系？ ​

Node.js 是什么？和 TypeScript 什么关系？ ​

Python 和 TypeScript 我该选哪个？ ​

Streamlit 是什么？ ​

关键收获 ​

参考链接 ​