DHH 最近用 Fable5 和 GPT 5.6 轮番用 Rust 重写和优化了一个 Python库，性能达到 十四倍的提升。 然后他又说，在不看代码的情况下，他最喜欢 Rust。 为什么不需要看代码用 Rust 最爽？ 因为 In Rust We Trust。 最近我问过好几位朋友同一个问题： 假如现在让你招一个人来为你手写代码，那么你现在是信任人类写的代码还是 AI 写的代码？ 用 Rust 的朋友一致选择相信 AI。 唯有用 Cpp 的朋友选择相信人手工手写代码。 这是为什么呢？ 因为让 AI 使用不安全的语言越发不值得信任。所以，C/ Cpp 开发者无法信任 AI， 也就无法大规模使用 AI，要绑死在手工时代。。。 所以，现在是 C/Cpp 用户加速转向 Rust 的风口。。。
昨天在 CoC Rust track 圆桌论坛我们一共讨论了这四个精选问题（时间有限）： 1. 过去一年，AI coding 给你团队带来的最大"意外"是什么？ 2. 有没有什么活，你现在已经完全不让 AI 碰了？ 3. 大家如何看待 spec 驱动 AI 开发？ 4. 如果给还没大规模用 AI coding 的同行一句忠告，你会说什么？ 朋友们也可以在本帖下讨论。 我总结下昨天现场讨论的一些观点： 1. 最大的意外：发现公司的招人需求降低了，因为 AI 强大了，很多事情都可以第一时间想用 AI 来做。 2. 很想让 AI 接管一切，但是对于涉及安全风险的地方，还是要人类强行介入。本质上还是对 AI 的不信任，这种不信任的来源，我认为应该是来自于「AI 自己无法识别安全风险和责任边界」。 3. 大家一致认为 Spec 是 AI 驱动开发的硬性要求与绝对趋势。但目前 Spec 驱动开发的工具和流程还有很大提升空间。 另外我提到 MatinFlower 博客网站那篇比较不同 Spec 驱动开发工具的文章观点（认为现在的工具杀鸡用牛刀，不够灵活），有人回应的非常好：个人项目无所谓，可以灵活选择，但复杂的生产环境很可能 Spec 和 开发是分离的，可能都不是同一个人，所以牛刀还是需要的。 4. 对于还未开始大规模使用 AI Coding 的公司，应该谨慎推广。 在推广之前，先确定一下之前传统手工开发过程中，公司的开发流程是否稳定，软件工程是否规范等等。
你可以不懂 Rust，但请别误解 Rust。 本文有点长，耐心看完。
2026 年 8 月 5 日，rust-lang/rust 的 LLM 使用政策生效。
8 月 8 日 14:00 - 17:45
这场大会几乎没有讨论「Tokio 快不快」。Cloudflare、AWS、Neon、Momento、LanceDB 这些团队用生产数据默认了一个前提：性能上限取决于你的架构。
Why Software Factories Fail
2026 年 7 月 24 日，25 家公司联署了一份三页的政策信《Open Weights and American AI Leadership》。
agent-spec 1.0 太好用了，我用它来写一本 grok build 的深度探索的书。 https://github.com/ZhangHanDong/agent-spec 当然，实现项目代码用它也是很不错的。欢迎大家使用、交流和反馈。
agent-spec ，连夜发布 1.0 先发布再说，架构稳了，但可能有 Bug ，后面慢慢修复 https://zhanghandong.github.io/agent-spec/ 点击 Book，可以查看 agent-spec book
智能体不是魔法程序员，而是生产线上的高吞吐执行单元
以前给人立规范，现在给 AI 立规范。 搞了一个《面向意图编程的 Rust 类型系统 AI 编码规范 · v1.1》 ，下周给某企业推进。 第一公理：意图属于类型，不属于提示词 不要请求 AI 理解意图，要让不符合意图的代码无法被写出来。 比如，一段提示词「这里别用 == 比较浮点」与一个不实现 PartialEq 的浮点类型，效果上的差距不是天壤之别。 当然，前提是你使用有类型系统的语言。
《Rust 编程之道》第二版，将由本人与 AI 深度协作完成。 这不是秘密，也不该是秘密——恰恰相反，如何在 AI 参与下仍然保证内容可靠，正是全书的核心命题。 所以我把写作方法也会作为一个独立章节：一来对读者诚实，二来这套方法本身就是“AI 时代如何做严肃创作“的一个可复用样本。 全书遵循和它所倡导的 Rust 哲学同构的一条原则：不信任任何未经验证的输出，无论它来自人还是 AI。
这是《智能体软件工程》系列的第十篇。 AI 编码正在变成一座"软件工厂"。这一篇谈一个工具不需要、但工厂躲不掉的问题：它凭什么可信。
一边是 AI 重写整个编译器都稳，一边是 AI 连一个中等需求都做不到可靠交付。这不是模型能力的问题，三个项目用的是同一代模型。差别在任务本身。这篇要论证的就是这个差别叫什么，以及它如何决定了 AI 工程的全部活计。
发现 Epic Games 出品了一个 Rust 实现的下一代版本管理系统，特色是针对二进制产物进行优化（游戏/娱乐）。 https://github.com/EpicGames/lore 我翻了下源码，表面看没有发现 AI Coding 痕迹。 但我搜索整个项目的时候，发现了一些 AI Coding 痕迹。 整体判断下来应该是这样： 内部私有库是 Spec 驱动 AI 开发的，因为文档泄露了 「context/spec 和 context/plans/」这样的目录，并且有内部讨论地址。 公开开源的库是剥离了那个内部的 「context 」上下文，以及内部使用的一些 Skill 。 所以我们看到的当前库是没有任何 AI Coding 痕迹。 但公开库的 Docs 非常专业和系统，我想这是给外部贡献者准备的，包括外部 AI Agent 。
这是《智能体软件工程》系列的第九篇。起因是 Cursor 在 Compile 大会上发布的 Origin，号称面向 Agent 的 GitHub。