语言选型方法

按 Agent 产品、模型实验、工具服务、运行时和 AI infra 判断 TypeScript、Python、Go、Rust 的适用边界。

语言选型先看系统边界，而不是先看个人偏好。Agent 项目通常同时包含产品 UI、模型调用、工具执行、任务调度、检索系统、评测系统和运行时隔离，不同层的语言选择可以不同。

一个简单但有效的判断方式是：先问“这段代码主要在保护什么边界”。如果它保护的是用户体验和前后端接口，优先 TypeScript；如果它保护的是模型实验效率和数据处理效率，优先 Python；如果它保护的是服务稳定性和并发吞吐，优先 Go；如果它保护的是本地运行时、沙箱和安全边界，优先 Rust。

系统层	推荐语言	说明
产品 UI 和交互	TypeScript	React、Next.js、Vercel AI SDK、streaming UI、工具调用展示和人工确认体验。
Agent 编排和产品后端	TypeScript 优先，Python 次之	如果产品主栈是 Web/Node，优先 TypeScript；如果重模型实验和图编排，可选 Python。
RAG、评测和数据处理	Python 优先	文档处理、embedding、rerank、notebook、评测脚本和 ML 生态更完整。
工具服务和调度控制面	Go	高并发服务、队列消费、节点管理、HTTP/gRPC 服务和部署运维更直接。
Sandbox、runtime、CLI 和安全边界	Rust	内存安全、性能、跨平台分发和底层解析场景更强。

决策表

你要做什么	默认选择	为什么
Chat UI、任务进度、工具调用卡片、人工确认	TypeScript	UI 状态、服务端接口和流式事件可以共享类型，适合产品化。
Next.js API route、Server Action、MCP client/server	TypeScript	Node.js 生态与 Web 产品层贴近，适合把工具 schema 和 UI message 串起来。
RAG pipeline、文档解析、embedding、rerank	Python	数据处理、模型实验、notebook 和检索生态更完整。
离线评测、golden tasks、LLM-as-Judge	Python	写批处理脚本、pytest fixture 和评测报告更直接。
任务调度、队列 worker、节点控制面	Go	并发、部署、健康检查、超时取消和运维接口更稳定。
高风险工具网关、长任务服务、爬虫调度	Go	`context.Context`、HTTP/gRPC、pprof、race detector 对生产服务友好。
本地 CLI、文件索引、代码解析、diff/search	Rust	性能、跨平台分发和内存安全更适合本地工具。
Sandbox、插件运行时、权限隔离	Rust	所有权模型和显式错误处理更适合构建强边界。

组合	适合场景
TypeScript + Python	最常见。TypeScript 做产品界面和 API，Python 做 RAG、评测、数据处理和研究原型。
TypeScript + Go	产品层由 TypeScript 承担，Go 承担队列、调度、节点控制、工具网关和爬虫控制面。
TypeScript + Rust	产品层由 TypeScript 承担，Rust 做本地 CLI、sandbox、parser、runtime 或高性能组件。
TypeScript + Python + Go	Agent 产品、模型实验、infra 控制面同时存在时的稳妥组合。
TypeScript + Python + Go + Rust	系统进入多平台、本地运行时、沙箱、安全执行和高性能工具阶段后再引入。

如果没有额外约束，本站采用以下默认选型：

可以把语言选型拆成六步：

如果第 6 步答不上来，就先不要引入新语言。跨语言本身不是问题，隐式契约才是问题。

一个 Coding Agent 可以这样切：

关键不是语言数量，而是每层是否可以独立测试、独立发布、独立回滚。