2024 年，AI 从玩具变成了真正的生产力工具，Rust 和 Go 的生态也更加成熟。以下是本年度的技术回顾。
AI 改变了开发方式
2024 年初，AI 辅助编程还是"有用的辅助工具"。到了年底，它已经成了开发流程中不可或缺的一环。
GitHub Copilot 已经成为日常编码的标配。不是因为它能替代思考，而是它消除了大量重复劳动。写单元测试、实现样板代码、处理错误分支——这些过去要花不少时间的事情，现在 Tab 几下就搞定。
ChatGPT / Claude 改变了学习新技术的方式。以前学一个新框架要翻文档翻半天，现在直接问"我要用 X 实现 Y，给我一个最小示例"，得到的答案大部分时候可以直接跑。当然，需要有足够的基础知识来判断 AI 给的方案是不是合理——完全依赖 AI 生成代码的人，其实比不用 AI 的人更危险，因为他们写出来的代码自己都不一定理解。
AI Agent 也开始从概念走向实践。不是泛泛地"学 AI"，而是具体到：如何在生产环境可靠地运行 Agent、如何做好 Agent 的监控和兜底、如何控制 Agent 的成本。这些工程问题比模型本身更重要。
Rust 的深入
从 Python 转向 Go，再从 Go 接触 Rust，是一条越来越常见的技术路线。2024 年 Rust 的生态继续扩展：
- Tauri 2.0 正式发布，Rust 写的桌面应用框架越来越成熟
- Rust 在嵌入式、WASM、编译器领域的优势持续扩大
- async/await 生态更加稳定，tokio 依然是异步运行时的事实标准
对于有 Python 或 Java 背景的开发者，Rust 最大的挑战是思维方式的转变：从运行时检查到编译时检查，从垃圾回收到底层内存管理。但一旦跨过学习曲线，Rust 带来的代码质量和性能提升是显著的。
Go 的持续发力
Go 在云原生领域的统治地位在 2024 年进一步巩固：
- Kubernetes 生态继续扩展，Gateway API 等新标准逐渐成熟
- Go 1.23 引入了 iter 包，带来了新的迭代器模式
- 微服务架构中，Go 依然是后端服务的首选语言之一
Go 的优势在于简单直接——语言特性少、概念清晰、团队协作时不会有太多风格争议。对于有 Java 经验的开发者来说，Go 的上手几乎零成本。
工程判断力的重要性
2024 年的一个核心体会是：技术选型背后的判断力比技术本身更重要。
什么时候该拆微服务、什么时候该加缓存、什么时候该引入新组件——这些决策没有标准答案，只有在真实项目中踩过坑才能形成直觉。
一个常见的教训是不要过度设计。项目初期花大量时间设计复杂的架构，往往不如先跑起来再迭代。等到出现明确的瓶颈时再引入复杂性，是更务实的做法。
另一个教训是不要过早优化。过早拆微服务、过早引入分布式系统，只会增加运维负担。单体架构在大部分中小规模场景下完全够用。
2025展望
- AI Agent 工程化：从 demo 到生产可用的 Agent 系统
- 本地大模型：消费级硬件上运行高质量模型将成为常态
- Rust 生态爆发：更多领域会出现成熟的 Rust 库和框架
- 全栈能力：前端、后端、DevOps 的边界继续模糊，全栈开发者更有竞争力
