ZeroLang：当 Vercel 为 AI Agent 造了一门系统编程语言

TL;DR：Vercel Labs 推出了实验性系统编程语言 Zero（文件扩展名 .0），定位是”面向 AI agents 的编程语言”。它围绕”一切显式”设计——无隐藏分配器、无隐式异步、无魔法全局变量——同时内建了面向 Agent 的工具链：结构化 JSON 诊断、产物体积报告、类型化修复元数据。如果你关心 AI 时代的编程语言演进，或者正在寻找一门能让 agents 和人类”共同阅读、修复、检查和发布”小型原生程序的语言，Zero 值得你的关注。

一、时代背景：AI Agent 正在重塑编程语言的需求

2025 到 2026 年，AI 编程助手已经不再是”代码补全工具”，而是正在演变为能够独立编写、调试和发布代码的 autonomous agents。Anthropic 的 2026 Agentic Coding Trends Report 指出，约 27% 的 AI 辅助工作 是过去根本不会去做的任务——构建交互式仪表盘、探索性实验、修复那些因为”不值得投入人力”而被长期忽视的 papercuts。工程师的角色正在从”亲自实现”转向”编排 agents”，而这对编程语言提出了全新的要求。

AI Agent 的典型工作循环：规划 → 执行（工具调用）→ 观察 → 记忆反思 来源

传统的系统编程语言——C、C++、Rust、Zig——都是为人类开发者设计的。它们的错误信息、编译器输出、文档格式，本质上都是”人类可读”的。但当 agents 开始大规模阅读和修改代码时，这些输出对于机器来说往往过于自由文本化了。Agent 需要结构化的诊断信息、可预测的内存模型、明确的函数契约——它不需要漂亮的错误提示，它需要的是能直接解析的 JSON。

这正是 ZeroLang 试图解决的问题。它的口号非常直接：“The programming language for agents”——一门人类与 AI agents 可以共同阅读、修复、检查和发布小型原生程序的系统语言。

二、ZeroLang 的设计哲学：一切显式，从零开始

ZeroLang 的核心设计哲学可以用一句话概括：“Everything is explicit.” 这听起来像是系统编程语言的共同追求，但 Zero 把它推到了一个极致——而且是为 Agent 场景量身定制的极致。

2.1 无隐藏分配器

在大多数现代语言中，内存分配或多或少都带有”魔法”色彩。Go 有垃圾回收器在后台默默工作；Rust 虽然要求显式管理，但标准库中的很多操作仍然会隐式分配；甚至连以”显式”著称的 Zig，std.debug.print 也会在幕后使用一个全局分配器。ZeroLang 的态度是：如果函数进行了内存分配，签名必须明说。你需要显式传入一个 Alloc 能力，使用 owned<T> 来管理资源生命周期，而 std.mem.span、std.mem.len 这类 helpers 都是零分配的。

pub fun main(world: World) -> Void raises {
    let bytes: Span<u8> = std.mem.span("zero")
    let view = BufferView { bytes: bytes }
    if std.mem.len(view.bytes) == 4 && view.bytes[0] == 122 {
        check world.out.write("span ok\n")
    }
}

这段代码来自官方示例 examples/memory-package。注意它使用了 Span<u8> 来表示一个只读的连续内存视图，完全没有触及分配器。对于 Agent 来说，这种”分配自由”（allocation-free）的代码路径意味着更可预测的行为和更小的产物体积。

2.2 无隐式异步

JavaScript 的 async/await 彻底改变了前端开发，但也带来了”颜色问题”——同步代码和异步代码无法自由混合。Rust 的异步生态虽然强大，但 .await 的传染性让整个代码库都不得不染上异步的颜色。ZeroLang 选择了完全不支持隐式异步。如果你的函数不会阻塞，它就是同步的；如果需要并发，你需要显式地表达它。这种简化对于 agents 来说是一种福利：Agent 不需要推理复杂的异步状态机，代码的执行流程就是字面上的流程。

2.3 无魔法全局变量

这是 ZeroLang 最具辨识度的一个设计。传统语言的 printf、console.log、甚至 Rust 的 println! 都依赖于某种全局或线程局部的输出句柄。ZeroLang 的 main 函数签名长这样：

pub fun main(world: World) -> Void raises {
    check world.out.write("hello from zero\n")
}

注意 world: World 这个参数。在 Zero 中，程序不是从一个隐式的全局环境中启动的；运行时显式地传入一个 World 能力对象，而所有与外部世界的交互——写输出、读文件、访问网络——都必须通过这个能力对象来进行。如果函数想要写输出，它必须在签名中请求 World；如果可能失败，必须标记 raises。这种设计让 Agent 能够静态地、完整地理解一个函数的副作用边界，而不需要深入分析函数体。

三、语言特性深度解析：一门为 Agent 设计的系统语言

ZeroLang 的语法整体上是一种类 Rust/Zig 的静态类型系统语言，但做了大量针对 Agent 场景的简化和特化。文件扩展名是 .0——这可能是编程语言史上最简洁的扩展名之一。

3.1 基础语法：显式且简洁

Zero 的函数签名遵循一种清晰的模式：

fun 函数名(参数: 类型) -> 返回类型 { ... }

pub 用于导出（public），fun 声明函数，返回类型用 -> 标记。基本类型包括 i8/i16/i32/i64、u8/u16/u32/u64、usize/isize、f32/f64、bool、char 和 Void。整数和浮点之间不会隐式转换，需要显式使用 as：

let count: u32 = 0x12c_u32
let byte: u8 = count as u8

这种”拒绝隐式转换”的态度贯穿整个语言设计。对于 Agent 来说，这意味着更少的意外行为和更明确的类型边界。

3.2 Effects 系统：Capability-based I/O

ZeroLang 的 effects 系统是它最硬核的技术特性之一。函数签名不仅仅是类型签名，还是能力契约（capability contract）。main 函数的完整签名 pub fun main(world: World) -> Void raises 告诉我们三件事：

• 它接收一个 World 能力，说明它可能需要与外部世界交互
• 它返回 Void，即没有有意义的返回值
• 它标记了 raises，说明它可能失败

check 关键字用于处理可能失败的操作。world.out.write(...) 可能失败（比如输出句柄关闭），所以调用它时必须使用 check，而使用 check 的函数又必须在签名中声明 raises。这种错误传播的显式链条让 Agent 能够完全静态地追踪失败路径。

3.3 数据建模：shape、enum 与 choice

Zero 提供了三种主要的数据构造方式：

shape 用于具名记录（类似 struct）：

shape Point {
    x: i32,
    y: i32,
}

Shape 支持字段默认值：shape Counter { value: i32 = 0, }。字段名在构造时必须显式指定：Point { x: 40, y: 2 }。

enum 用于固定名称集合：

enum Status {
    ready,
    failed,
}

choice 是 Zero 的代数数据类型（ADT），用于表示”带载荷的或”：

choice Result {
    ok: i32,
    err: String,
}

choice 配合 match 使用，且匹配必须是穷尽的——如果 choice 有 ok 和 err 两个分支，你必须都处理。这排除了整类运行时错误。

match result {
    .ok => value {
        if value == 42 {
            check world.out.write("choice ok\n")
        }
    }
    .err => message {
        check world.out.write("choice err\n")
    }
}

3.4 内存管理：可预测且显式

ZeroLang 没有垃圾回收器，也没有 Rust 那样的所有权/借用检查器。它的内存模型更接近 Zig 的显式管理，但做了更多面向 Agent 的简化。

核心内存类型包括：

• Span<T>：只读视图，零成本抽象
• MutSpan<T>：显式可写视图
• [N]T：定长数组
• Maybe<T>：可能不存在的值
• ref<T> / mutref<T>：显式引用可变性
• owned<T>：拥有所有权的值，作用域结束时自动清理（如果定义了 drop）
• Alloc：分配器能力

defer 用于作用域退出时的清理：

pub fun main(world: World) -> Void raises {
    defer cleanup()
    check world.out.write("work\n")
}

defer 在作用域通过 return、break、continue 退出时都会执行。这借鉴了 Zig 和 Go 的优秀设计，但 Zero 进一步规定：用户不能直接调用 value.drop()，以确保清理的确定性。

3.5 C 互操作与 Web 支持

ZeroLang 原生支持 C 互操作：

extern c "config.h" as config
extern shape CConfig {
    enabled: bool,
    limit: i32,
}

Web 方面，Zero 支持编译为 wasm32-web 目标，并通过路由导出 HTTP handlers：

pub fun GET(req: Request) -> Response {
    return Response.text("hello from zero web\n")
}

zero routes --json 可以输出路由清单和 Web bundle 审计元数据，包括浏览器安全的能力限制、请求/响应表面和 bundle 导入信息——这些都是 Agent 可以直接消费的结构化数据。

四、Agent-first 工具链：不只是编译器，更是 Agent 的 IDE

如果说 ZeroLang 的语言设计解决了”Agent 如何理解代码”的问题，那么它的工具链则解决了”Agent 如何与代码交互”的问题。官方文档中有一句话精准地概括了这种设计意图：

“Humans read the message. Agents read the JSON. The same CLI surfaces diagnostics, repair metadata, graph facts, and size reports.”

Zig、Rust、Go 等系统语言的特性对比 来源

4.1 结构化 JSON 诊断

传统编译器的错误信息是为人类阅读的——漂亮的颜色、建议的修复、上下文提示。Zero 的 CLI 同样提供人类可读的错误信息，但同时输出结构化的 JSON：

$ zero check --json
{
  "ok": false,
  "diagnostics": [{
    "code": "NAM003",
    "message": "unknown identifier",
    "line": 3,
    "repair": {
      "id": "declare-missing-symbol"
    }
  }]
}

每个诊断包含稳定的错误代码（如 NAM003）、位置信息、期望/实际类型对比、帮助文本、修复安全性评估，以及类型化的修复元数据。Agent 不需要解析自由文本错误信息，它可以直接根据 repair.id 决定下一步操作——比如自动生成缺失的符号声明。

4.2 产物体积报告

对于系统编程语言来说，二进制体积是一个关键指标，尤其是在边缘计算和 Serverless 场景。Zero 内建了体积分析：

$ zero size --json examples/point.0

体积报告以 JSON 格式输出，让 Agent 能够追踪代码变更对产物大小的影响，并在超过阈值时自动发出警告。这与 Zero 的”小体积原生产物”定位完全一致——静态分发、显式能力、无强制 GC、无隐藏运行时开销。

4.3 依赖图分析

$ zero graph --json examples/systems-package

zero graph 输出模块依赖的结构化图数据。对于 Agent 来说，这意味着它可以快速理解代码库的拓扑结构，识别循环依赖，或者在做重构时评估变更的涟漪效应。这通常需要 IDE 或专门工具（如 Rust 的 cargo-modules）才能实现的功能，在 Zero 中是编译器原生支持的。

4.4 Web 路由分析与 Skills 系统

$ zero routes --json examples/web/hello
$ zero skills get zero --full

zero routes 分析 Web 路由的表面和 bundle 导入信息；zero skills 则输出 Zero 语言的能力描述——这些描述遵循 Vercel 的 Agent Skills 规范，可以直接被 Claude Code、Cursor、Codex 等 17+ 种 AI 编程助手消费。Vercel 在 2026 年 1 月推出的 skills.sh 生态已经迅速积累了 200+ skills，其中 Vercel 官方的 React Best Practices skill 获得了 26,000+ 次安装。Zero 的 skills 命令将这种生态直接内建于语言工具链中。

4.5 环境诊断

$ zero doctor --json

zero doctor 检查 PATH 健康度、工作区写权限、捆绑目标支持、目标 SDK/sysroot 就绪状态、互操作工具就绪状态。--json 版本输出 targetToolchains——一个按目标划分的就绪矩阵。对于 Agent 来说，这意味着在尝试构建之前，它就能知道环境是否就绪，以及缺少哪些依赖。

五、与 Rust、Zig 的对比：ZeroLang 站在谁的肩膀上？

要真正理解 ZeroLang 的定位，必须把它放在系统编程语言的谱系中来看。

5.1 与 Rust 的对比

Rust 是近十年来最成功的系统编程语言之一，连续 8 年 在 Stack Overflow 开发者调查中被评为”最受赞赏的语言”。Rust 的核心卖点是内存安全——通过所有权和借用检查器在编译时消除整类运行时错误。但 Rust 的学习曲线是臭名昭著的陡峭，编译时间也常常让人诟病。

ZeroLang 与 Rust 的根本区别在于目标用户不同。Rust 是为人类系统程序员设计的，它的错误信息极其精美（甚至有点话痨），生命周期标注虽然强大但增加了认知负担。ZeroLang 则是为人类和 Agent 共同设计的——它保留了静态类型和内存安全的基本保证，但简化了所有权模型（没有生命周期标注），同时增加了 Agent 需要的结构化输出。

5.2 与 Zig 的对比

Zig 可能是 ZeroLang 最亲近的”表亲”。两者都强调显式性、拒绝隐藏控制流、都使用 defer 进行作用域清理、都没有垃圾回收器。Zig 的哲学是”专注于调试你的应用程序，而不是调试你对编程语言的知识”，这与 Zero 的”一切显式”有异曲同工之妙。

但 ZeroLang 在 Zig 的基础上做了两个关键的 Agent 向扩展。第一是 effects 系统——Zig 的函数签名不会告诉你它是否会失败、是否会分配内存、是否会访问文件系统；Zero 的 raises 和 World 能力让这一切显式化。第二是 结构化工具链——Zig 的编译器输出是为人类设计的，而 Zero 的 --json 模式是为 Agent 设计的。

Zig 的创作者 Andrew Kelley 将 Zig 定位为”更好的 C”，而 ZeroLang 的定位则是”面向 Agents 的系统语言”。这不是竞争关系，而是针对不同时代的互补设计。

各编程语言薪资对比，系统语言位于中上游 来源

5.3 为什么不是改造现有语言？

一个自然的问题是：为什么不给 Rust 或 Zig 添加 --json 输出模式，而是要造一门新语言？答案是语言设计决定论。Rust 的所有权系统虽然强大，但它的复杂性（生命周期标注、unsafe 块、异步运行时生态）对于 Agent 来说是一个巨大的认知负担。Zig 的显式性很好，但它的编译器架构和语言设计并没有从第一天就考虑 Agent 的需求。ZeroLang 的设计哲学——“如果函数接触外部世界，签名必须明说”——需要语言从语法层面就支持 effects 标注，这不是事后添加一个 CLI flag 就能实现的。

六、上手体验：从安装到第一个可执行文件

ZeroLang 的上手流程被设计得极为简洁。官方的安装脚本是一行 curl：

curl -fsSL https://zerolang.ai/install.sh | bash
export PATH="$HOME/.zero/bin:$PATH"
zero --version

安装器从 GitHub release 下载匹配的二进制文件，验证校验和，然后写入 $HOME/.zero/bin/zero。在 Linux 上默认安装静态 musl 构建；如果需要 glibc 版本，可以设置 ZERO_LINUX_FLAVOR=gnu。

6.1 第一个程序

创建一个 hello.0 文件：

pub fun main(world: World) -> Void raises {
    check world.out.write("hello from zero\n")
}

然后运行类型检查：

$ zero check hello.0

6.2 编译为原生可执行文件

$ zero build --emit exe --target linux-musl-x64 hello.0 --out .zero/out/hello

Zero 使用直接发射器（direct emitters），所以不需要外部 C 编译器。支持的原生目标包括 linux-musl-x64 等；WebAssembly 目标 wasm32-wasi 也是直接输出，不需要外部工具链。

6.3 项目管理

实际项目使用 zero.json 清单文件和 src/ 目录结构：

$ zero new cli hello
$ cd hello
$ zero check .
$ zero test .
$ zero run .
$ zero build --target linux-musl-x64 --out .zero/out/hello .

zero.json 示例：

{
  "package": {
    "name": "systems-package",
    "version": "0.1.0"
  },
  "targets": {
    "cli": {
      "kind": "exe",
      "main": "src/main.0"
    }
  }
}

6.4 VS Code 支持

ZeroLang 提供了官方的 VS Code 语法高亮扩展，位于 extensions/vscode/ 目录。.0 文件的语法高亮让你在编辑 Zero 代码时有良好的视觉体验。

七、项目现状：实验性但野心勃勃

必须强调的是，ZeroLang 目前处于实验性状态。官方文档的开篇就明确说明：“The compiler, standard library, docs, and examples are useful for trying the language and giving feedback, but the language is not stable yet.”

7.1 仓库结构

ZeroLang 的 GitHub 仓库 vercel-labs/zero 采用了清晰的分层结构：

7.2 自举之路

native/zero-c/ 是当前的编译器实现，用 C 编写；而 compiler-zero/ 则是用 Zero 语言自身编写的编译器源码——这是语言成熟度的终极试金石。**自举（self-hosting）**意味着一门语言强大到足以编写自己的编译器。从 C 编译器过渡到 Zero 自编译器，将是 ZeroLang 发展路线图上的一个重要里程碑。历史上，Zig 用了数年时间完成自举，而 Zeta 语言在 2026 年 1 月宣布实现自举时引起了不小轰动——Zeta 编译器编译自己仅需 14 毫秒。ZeroLang 是否会走类似的路径，值得持续关注。

7.3 Vercel 的 Agent 生态布局

ZeroLang 不是 Vercel 在 Agent 领域的唯一布局。2026 年 1 月，Vercel 推出了 skills.sh——一个面向 AI Agent 的”npm”，让开发者可以用 npx skills add vercel-labs/agent-skills 的方式为 Claude Code、Cursor 等 Agent 安装最佳实践技能包。上线几小时内就获得了 20,000+ 安装量，React Best Practices skill 达到 26,000+ 安装。Stripe、Expo、Remotion 等知名项目也在上线当天发布了自己的 skills。

Vercel 的 agent-skills 已获得 76.4K+ 总安装量 来源

ZeroLang 的 zero skills get zero --full 命令直接集成在这个生态中——Agent 可以在开始编写 Zero 代码之前，先”阅读”语言的完整技能描述，了解最佳实践和常见模式。

八、未来展望：Agent-native 编程的先锋

ZeroLang 的出现，标志着一个更大趋势的开端：编程语言正在从”人类专用”向”人机共享”演进。这不是说人类不再需要理解代码，而是说代码和工具链的输出需要同时服务于两种消费者——有直觉和创造力的人类，以及有速度和耐力的 Agent。

8.1 对 AI Agent 开发者的意义

如果你是 AI Agent 的开发者或研究者，ZeroLang 提供了一个理想的实验场：

• 可预测的语义：没有隐式异步、没有隐藏分配、没有魔法全局变量，Agent 的行为预测变得简单
• 结构化交互：编译器输出是 JSON，Agent 可以直接消费，不需要 NLP 解析错误信息
• 体积可控：小型原生产物，适合边缘部署和 Serverless 场景
• C 互操作：可以复用现有的 C 库生态

8.2 对系统编程爱好者的意义

如果你对传统系统编程语言感兴趣，ZeroLang 是一个观察”后 Rust/Zig 时代”语言设计的窗口。它在 Zig 的显式性和 Rust 的类型安全之间找到了一个有趣的平衡点，同时添加了面向 Agent 的创新（effects 系统、结构化工具链）。即使你不打算在生产中使用 Zero，它的设计决策也值得深入思考。

8.3 风险与不确定性

作为实验性项目，ZeroLang 面临诸多不确定性。语言规范尚未稳定，生态几乎为零，自编译器还在开发中，社区规模也远不及 Rust 或 Zig。Vercel Labs 的历史项目有些成为了行业标准（如 Next.js），也有些逐渐淡出。ZeroLang 能否从实验走向生产，取决于它能否在语言稳定性、生态建设和社区 adoption 上取得突破。

结语：从零开始，面向未来

ZeroLang 的名字本身就蕴含了一种哲学——“Start with zero”。从零开始，没有历史包袱；从零开始，一切显式；从零开始，人类与 Agent 站在同一起跑线上。

在 AI 迅速改变软件开发的 2026 年，编程语言的设计范式正在发生深层变革。我们不再仅仅问”这门语言对人类友好吗？“，还要问”这门语言对 Agent 友好吗？” ZeroLang 是首批系统性地回答这个问题的语言之一。它的 effects 系统、capability-based I/O、结构化工具链，都是为了让代码成为人类与 Agent 之间的”通用语”。

无论 ZeroLang 最终能否成为主流，它都代表了一个重要的方向：未来的编程语言，必须是 human-native 和 agent-native 的。从这个角度看，ZeroLang 的实验价值已经远超它当前的代码行数。

如果你感兴趣，不妨花十分钟安装它，运行一个 hello.0，然后看看 zero check --json 的输出。你可能会发现，编程语言的未来，比想象中来得更快。

ZeroLang 官方网站：zerolang.ai | GitHub：github.com/vercel-labs/zero | 安装：curl -fsSL https://zerolang.ai/install.sh | bash