常见编程语言、领域语言与应用场景

适合人群：准备学习编程、选择技术栈，或希望快速了解不同语言用途的读者。

整理时间：2026-09-18 18:13:16 +08:00。

你将学会

读完这一章，你能：

• 分清「语言」「运行时」「框架」不是一回事；
• 按自己的学习目标（Web / 后端 / 移动 / 数据 / AI / 游戏…）选出一门起步语言；
• 用「选择语言的 10 个问题」检查一次技术选型，避开「先学最强的」「同时学好多门」等常见误区；
• 知道每种语言该去哪里开始学（官方学习入口）。

先看结论

不存在适合所有项目的“最好语言”。选语言时，优先考虑目标平台、现有生态、团队经验、库与工具、部署环境、性能要求和维护周期，而不是只看语法或排行榜。

如果你是初学者，可以先按目标选择：

学习目标	建议先学	随后补充
AI、机器学习、数据分析	Python	SQL、R 或 C++
Web 前端	HTML、CSS、JavaScript	TypeScript
全栈 Web	JavaScript 或 TypeScript	SQL，再选 Node.js、Python、Java、C#、Go 中的一种后端路线
企业后端	Java 或 C#	SQL、JavaScript/TypeScript
云原生、微服务、基础设施	Go	SQL、Shell、Python；性能敏感时补 Rust
iOS/macOS	Swift	Objective-C 只需用于维护旧项目
Android	Kotlin	Java，用于理解旧项目和 JVM 生态
跨平台移动应用	Dart	Flutter 框架；或 TypeScript 配合 React Native
游戏开发	C#	Unity；高性能或引擎开发再学 C++
系统、嵌入式	C	C++、Rust、汇编语言
自动化与运维	Python	Linux 学 Bash，Windows 学 PowerShell
科学计算	Python	Julia、MATLAB、R 或 Fortran，按行业选择
区块链智能合约	Solidity	Rust、Move 或特定链使用的语言

GitHub 的 2025 年数据将 TypeScript、Python、JavaScript、Java、C#、PHP、Shell、C++、HCL 和 Go 列为平台上使用量领先的一组语言；同一报告显示 Python 在 AI 项目中尤其突出。GitHub Octoverse 2025

Stack Overflow 2025 开发者调查则将编程、脚本和标记语言放在同一调查类别中，并指出 Python 的使用增长与 AI、数据科学和后端开发密切相关。排行榜反映的是特定样本和平台，不应直接替代项目决策。Stack Overflow Developer Survey 2025

全部语言分类速查

本文覆盖的是当前主流、特定行业常见或维护现有系统时经常遇到的语言，不穷举计算机历史上的所有语言和方言。

类别	本文覆盖的语言或领域语言
Web 基础	HTML、CSS、JavaScript、TypeScript
Web 与通用后端	Python、Java、C#、Go、PHP、Ruby、Kotlin、Scala、Elixir、Erlang、Clojure、Groovy
移动与客户端	Swift、Objective-C、Kotlin、Java、Dart、QML（声明式 UI 领域语言）
系统与高性能	C、C++、Rust、Zig、Assembly、Ada/SPARK、D、Nim
AI、数据与科学计算	Python、R、Julia、MATLAB、GNU Octave、Fortran、SAS、Wolfram Language、CUDA C++
游戏、图形与多媒体	C#、C++、GDScript、Lua、HLSL、GLSL、WGSL
脚本与运维	Bash/POSIX Shell、PowerShell、Windows Batch、Perl、Tcl、AWK
函数式与逻辑式	Haskell、OCaml、F#、Common Lisp、Scheme、Racket、Prolog
数据库与查询	SQL、PL/SQL、T-SQL、GraphQL、SPARQL、Cypher
基础设施配置	HCL、Nix Language
智能合约	Solidity、Vyper、Rust、Move、Cairo
芯片与工业控制	Verilog、SystemVerilog、VHDL、LabVIEW G、Structured Text、Ladder Diagram、Function Block Diagram、Sequential Function Chart
企业与遗留系统	COBOL、ABAP、RPG、Visual Basic .NET、VBA、Delphi/Object Pascal、Apex
教学与语言设计	Scratch、Logo、Python、Racket
新兴或需关注	Mojo、Gleam、Crystal、Raku

快速导航：基础概念 · Web 与后端 · 移动端 · 系统与 AI · 游戏与脚本 · 领域语言 · 选型比较 · 学习入口

一、先分清语言、运行时和框架

• 编程语言：用于表达计算和行为，例如 Python、Java、C、JavaScript。
• 运行时：执行程序的环境，例如 JVM、.NET、Node.js、浏览器 JavaScript 引擎。
• 框架：提供应用结构和常用能力，例如 Spring Boot、ASP.NET Core、Django、Next.js。
• 库：由程序按需调用的能力集合，例如 React、NumPy、pandas、PyTorch。
• SDK 或工具包：面向特定平台的 API、工具和文档集合，例如 Flutter SDK、Android SDK。
• 引擎或平台：提供运行、编辑和领域能力的完整环境，例如 Unity、Unreal Engine。
• 查询语言或领域语言：针对一个领域表达操作，例如 SQL、GraphQL、HCL。
• 标记与样式语言：描述结构或表现，例如 HTML、CSS；它们通常不被视为通用编程语言。
• 数据与配置格式：JSON、YAML、XML、TOML 用于传输或配置数据，不是通用编程语言。

“编译型”和“解释型”也不是绝对分类。同一语言可能通过解释器、JIT 或 AOT 编译运行。例如 Java 通常编译为 JVM 字节码，JavaScript 引擎普遍包含 JIT，Python 也会先生成字节码。选择语言时，运行时、部署模型和工具链比简单标签更重要。

二、Web 前端与全栈语言

1. JavaScript

• 主要场景：浏览器交互、Web 前端、Node.js 后端、桌面应用、跨平台移动开发、脚本和自动化。
• 常见生态：React、Vue、Angular、Svelte、Node.js、Express、Next.js、Electron、React Native。
• 优势：浏览器原生支持；前后端可以共用语言；生态庞大。
• 注意：动态类型和依赖生态会增加大型项目维护难度，团队通常会配合 TypeScript、lint、测试和锁文件。

2. TypeScript

• 主要场景：中大型 Web 前端、Node.js 后端、跨平台应用、SDK 和工具链。
• 常见生态：JavaScript 的大部分生态，常用于 React、Angular、Vue、NestJS、Next.js。
• 优势：在 JavaScript 上增加静态类型、接口和更强的编辑器支持，适合多人和长期维护项目。
• 注意：最终通常仍需转译为 JavaScript；类型正确不等于运行时输入安全，外部数据仍要校验。

3. PHP

• 主要场景：服务端 Web、内容管理系统、电商网站、传统网站维护。
• 常见生态：Laravel、Symfony、WordPress、Drupal。
• 优势：Web 部署门槛低，托管环境普遍，成熟项目和人才储备多。
• 注意：现代 PHP 已与早期版本差异很大；新项目应使用当前版本、Composer、类型声明和成熟框架规范。

4. Ruby

• 主要场景：Web 应用、快速产品开发、自动化、内部工具。
• 常见生态：Ruby on Rails、Sinatra、Jekyll。
• 优势：表达力强，Rails 对常见 Web 业务提供完整约定。
• 注意：在极高吞吐或资源严格场景中需要认真评估性能与部署成本。

5. Web 基础语言：HTML 与 CSS

• HTML：标记语言，负责网页内容的语义和结构。
• CSS：样式表语言，负责布局、颜色、字体、响应式设计和动画。
• JavaScript：为网页添加行为和交互的编程语言。

MDN 将 HTML 定义为 Web 内容的结构与语义基础，将 CSS 定义为描述文档呈现方式的样式表语言，将 JavaScript 定义为 Web 的原生编程语言。MDN Web 标准模型

学习前端时，这三者都要学，但不要把 React、Vue 等框架名称误认为新的编程语言。

三、后端、企业应用与云服务语言

1. Python

• 主要场景：AI/机器学习、数据分析、Web API、自动化、测试、科学计算、教育。
• 常见生态：FastAPI、Django、Flask、NumPy、pandas、PyTorch、TensorFlow、scikit-learn。
• 优势：语法易读、资料丰富、AI 与数据生态强，适合快速验证想法。
• 注意：CPU 密集、超低延迟和严格内存控制场景通常需要 C/C++、Rust、Java、Go 等语言协作或替代。

2. Java

• 主要场景：大型企业后端、金融系统、电商平台、Android 旧项目、大数据平台和中间件。
• 常见生态：JVM、Spring Boot、Quarkus、Micronaut、Maven、Gradle、Hadoop、Flink。
• 优势：跨平台、工具成熟、长期兼容性和企业生态强，适合大型团队。
• 注意：项目结构和框架配置可能较重；新项目应使用现代 Java 版本和语言特性。

3. C#

• 主要场景：企业后端、Windows 应用、云服务、游戏、跨平台桌面和移动应用。
• 常见生态：.NET、ASP.NET Core、Entity Framework Core、Unity、MAUI、Blazor。
• 优势：类型系统和开发工具成熟，.NET 已是跨平台运行时，在微软技术栈和 Unity 生态中尤其强。
• 注意：具体框架和部署方式差异较大，学习时要区分现代 .NET 与旧版 .NET Framework。

4. Go

• 主要场景：云原生服务、微服务、网络服务、CLI、DevOps 工具、容器与基础设施软件。
• 常见生态：标准库、Gin、Echo、Cobra；Docker、Kubernetes 等基础设施项目大量使用 Go。
• 优势：部署简单、编译快、并发模型易用、生成单个原生可执行文件。
• 注意：语言刻意保持简洁，复杂领域建模的表达能力不如一些类型系统更丰富的语言。

5. Kotlin

• 主要场景：Android、JVM 后端、多平台共享代码。
• 常见生态：Android、Ktor、Spring、Kotlin Multiplatform、Gradle Kotlin DSL。
• 优势：与 Java 互操作，空值安全和协程改善开发体验。
• 注意：JVM 项目仍需理解 Java 生态；多平台能力应按目标平台成熟度评估。

6. Scala

• 主要场景：大数据、分布式系统、JVM 后端、函数式和面向对象混合开发。
• 常见生态：Apache Spark、Akka/Pekko、Cats、ZIO。
• 优势：类型系统强，适合复杂数据处理和函数式设计。
• 注意：学习曲线、编译时间和不同编程风格之间的差异可能增加团队成本。

7. Elixir

• 主要场景：高并发 Web、实时通信、消息系统、容错服务。
• 常见生态：BEAM、Phoenix、LiveView、Ecto。
• 优势：继承 Erlang 虚拟机的并发、监督树和容错能力。
• 注意：生态和招聘市场小于 Java、C#、Python、JavaScript；数值计算通常不是它的主场。

8. Erlang

• 主要场景：电信、消息队列、实时系统、高可用分布式服务。
• 常见生态：BEAM/OTP、RabbitMQ、部分电信和通信基础设施。
• 优势：轻量进程、容错和热更新思想成熟。
• 注意：语法和生态相对小众；新 Web 项目更常通过 Elixir 使用 BEAM。

9. Clojure

• 主要场景：JVM 后端、数据处理、规则系统、交互式开发。
• 常见生态：JVM、Leiningen、deps.edn、ClojureScript。
• 优势：Lisp 风格、不可变数据和并发模型，能调用 Java 生态。
• 注意：团队学习门槛和人才供给是重要决策因素。

10. Groovy

• 主要场景：JVM 脚本、构建脚本、测试、旧式 Web 应用和 CI 流程。
• 常见生态：Gradle、Spock、Jenkins Pipeline、Grails。
• 优势：与 Java 互操作，写脚本和 DSL 方便。
• 注意：新业务服务通常会优先比较 Java 或 Kotlin；动态特性需要测试保护。

四、移动端与客户端语言

1. Swift

• 主要场景：iOS、iPadOS、macOS、watchOS、tvOS 应用和服务端 Swift。
• 常见生态：SwiftUI、UIKit、Foundation、Swift Package Manager。
• 优势：Apple 平台的现代主力语言，类型安全，能与 Objective-C 互操作。
• 注意：主要价值集中在 Apple 生态；维护旧应用仍可能需要 Objective-C。

2. Objective-C

• 主要场景：旧版 iOS/macOS 应用、Apple 平台底层库和遗留代码维护。
• 常见生态：UIKit、AppKit、Cocoa、Cocoa Touch。
• 优势：与 C 和 Apple 旧生态深度结合。
• 注意：新 Apple 应用通常优先 Swift；初学者以“能读和维护”为目标即可。

3. Kotlin

• 主要场景：现代 Android 原生应用，也是 Google 推荐的 Android 开发主力语言之一。
• 常见生态：Jetpack Compose、Android SDK、Coroutines、Kotlin Multiplatform。
• 说明：Kotlin 也常用于 JVM 后端，因此不是只服务于 Android 的语言。

4. Java

• 主要场景：大量 Android 现有项目、SDK 和底层库。
• 说明：新 Android 项目多优先 Kotlin，但 Java 仍是理解 Android 历史代码和 JVM 生态的重要语言。

5. Dart

• 主要场景：使用 Flutter 构建 Android、iOS、Web、桌面和嵌入式界面。
• 常见生态：Flutter、Dart SDK、pub.dev。
• 优势：一套 UI 代码覆盖多个平台，热重载改善界面开发体验。
• 注意：职业和生态价值很大程度绑定 Flutter；复杂平台能力仍可能需要原生代码。

6. QML/JavaScript

• 主要场景：Qt 图形界面、车载系统、嵌入式触控界面和跨平台桌面应用。
• 常见生态：Qt Quick、C++ 后端、QML 声明式 UI。
• 说明：QML 是声明式语言，通常与 JavaScript 和 C++ 配合，而不是单独承担整个应用。

五、系统、基础设施与高性能语言

1. C

• 主要场景：操作系统、嵌入式、驱动、数据库、编译器、网络库和高性能基础库。
• 常见生态：POSIX、Linux 内核、微控制器 SDK、大量跨语言原生库。
• 优势：接近硬件、运行时开销低、可移植性强，几乎所有主流语言都能调用 C ABI。
• 注意：内存安全、边界检查和资源生命周期主要由开发者负责。

2. C++

• 主要场景：游戏引擎、浏览器、数据库、高频交易、音视频、图形、机器人、桌面软件和高性能计算。
• 常见生态：STL、Boost、CMake、Qt、Unreal Engine、CUDA。
• 优势：高性能、泛型与抽象能力强，能精细控制资源。
• 注意：语言和构建系统复杂；现代项目应统一标准版本、所有权规范和静态分析工具。

3. Rust

• 主要场景：系统工具、网络服务、WebAssembly、嵌入式、区块链、性能敏感服务和安全关键组件。
• 常见生态：Cargo、Tokio、Axum、Serde、wasm-bindgen。
• 优势：通过所有权和借用系统提供内存安全与线程安全，同时保持原生性能。
• 注意：学习曲线较陡；开发效率是否优于 C++ 取决于团队、领域和库成熟度。

4. Zig

• 主要场景：系统工具、嵌入式、跨平台原生程序、C/C++ 构建与互操作。
• 常见生态：Zig 编译器和构建系统。
• 优势：强调显式控制、跨编译和 C 互操作。
• 注意：相较 C、C++、Rust，生态和长期兼容经验仍较少；适合评估后使用。

5. Assembly / 汇编语言

• 主要场景：启动代码、内核、驱动、固件、逆向工程、性能关键指令和特定硬件控制。
• 常见方言：x86/x86-64、ARM/AArch64、RISC-V 汇编。
• 优势：直接控制指令、寄存器和硬件行为。
• 注意：可移植性和维护性低，通常只写很小的关键部分，而不是整个应用。

6. Ada/SPARK

• 主要场景：航空航天、国防、铁路、工业控制等高可靠和安全关键系统。
• 优势：强类型、契约和可验证性；SPARK 子集支持形式化验证。
• 注意：生态和人才市场较窄，通常由行业合规和既有系统驱动选择。

7. D

• 主要场景：原生工具、高性能应用、系统与应用层混合开发。
• 优势：尝试在 C++ 级性能与现代语言便利性之间取得平衡。
• 注意：生态和行业采用规模小于 C++、Rust、Go。

8. Nim

• 主要场景：原生 CLI、系统工具、服务端程序和需要小型二进制的应用。
• 优势：Python 风格语法、编译为 C/C++/JavaScript、元编程能力强。
• 注意：第三方库、团队经验和长期维护资源相对有限。

六、AI、数据分析与科学计算语言

1. Python

• 核心用途：数据清洗、Notebook、机器学习、深度学习、LLM 应用、计算机视觉、自动化实验。
• 代表生态：Jupyter、NumPy、pandas、SciPy、PyTorch、TensorFlow、Transformers。
• 定位：AI 应用和研究的默认入口；性能核心经常由 C、C++、CUDA 或 Rust 实现。

2. R

• 主要场景：统计分析、数据可视化、生物信息、流行病学、学术研究和报告。
• 常见生态：tidyverse、ggplot2、Shiny、R Markdown、Bioconductor。
• 优势：统计方法和可视化生态深，适合探索性分析和可复现研究。
• 注意：通用应用开发和大型服务工程通常不是其首选场景。

3. Julia

• 主要场景：数值计算、优化、科学模拟、机器学习研究和高性能数据计算。
• 常见生态：DifferentialEquations.jl、JuMP、Flux、Makie。
• 优势：面向科学计算，强调高层语法与高性能结合。
• 注意：生态规模和企业采用度仍小于 Python；包预编译和部署体验需按项目验证。

4. MATLAB

• 主要场景：工程计算、控制系统、信号处理、通信、图像处理、算法原型和教学。
• 常见生态：Simulink、各类专业 Toolbox。
• 优势：矩阵计算和工程工具箱成熟，与仿真工作流结合紧密。
• 注意：商业许可证成本较高，通用生产部署需考虑授权和运行环境。

5. GNU Octave

• 主要场景：数值计算、教学、兼容部分 MATLAB 工作流。
• 优势：自由开源，MATLAB 风格语法。
• 注意：工具箱、界面和工业集成能力与 MATLAB 有差异。

6. Fortran

• 主要场景：气象、流体、物理模拟、超级计算、数值库和长期科学代码库。
• 优势：数组与数值计算性能强，积累了大量经过验证的科学代码。
• 注意：新项目的人才、工具和软件工程生态需评估；常与 Python、C/C++ 混合使用。

7. SAS

• 主要场景：金融、医药、临床试验、监管报表、企业统计分析。
• 优势：行业流程、审计和商业支持成熟。
• 注意：专有授权和供应商绑定明显；许多新数据项目会同时评估 Python 或 R。

8. Wolfram Language

• 主要场景：符号计算、数学研究、可视化、教育和 Mathematica Notebook。
• 优势：符号数学和知识计算能力强。
• 注意：专有生态，通用软件工程岗位和部署路径相对有限。

9. CUDA C++

• 主要场景：NVIDIA GPU 通用计算、深度学习算子、科学模拟、图像与视频处理。
• 说明：它是建立在 C++ 上的并行计算平台和语言扩展，而不是与 C++ 完全无关的独立通用语言。
• 注意：与 NVIDIA 硬件和工具链绑定；上层 AI 开发通常先使用 PyTorch 等框架。

七、游戏、图形与多媒体语言

1. C#

• 主要场景：Unity 游戏、工具、编辑器扩展和部分自研引擎。
• 优势：入门相对友好，Unity 教程和资源丰富。

2. C++

• 主要场景：Unreal Engine、AAA 游戏、游戏引擎、渲染器、物理和实时音视频。
• 优势：性能和底层控制能力强。
• 注意：大型游戏还涉及资产管线、图形 API、脚本系统和平台 SDK，不是只学 C++ 即可。

3. GDScript

• 主要场景：Godot 游戏和交互应用。
• 优势：语法接近 Python，与 Godot 场景和节点系统结合紧密，适合独立游戏和原型。
• 注意：价值主要绑定 Godot；高性能模块可使用 C#、C++ 或其他扩展方式。

4. Lua

• 主要场景：游戏脚本、嵌入式脚本、插件、网络设备和可配置应用。
• 常见生态：LuaJIT、OpenResty、Roblox 的 Luau、各类游戏引擎脚本层。
• 优势：解释器小、易嵌入、与 C/C++ 集成方便。
• 注意：大型项目需要额外的模块、类型和工程规范。

5. HLSL、GLSL 与 WGSL

• 主要场景：GPU 着色器、实时渲染、图像处理和计算管线。
• 平台关系：HLSL 常见于 DirectX；GLSL 常见于 OpenGL/Vulkan 生态；WGSL 用于 WebGPU。
• 说明：它们是面向 GPU 管线的专用语言，不是通用应用开发语言。

八、脚本、自动化与运维语言

1. Bash / POSIX Shell

• 主要场景：Linux/macOS 命令行、CI/CD、系统初始化、文件和进程编排。
• 优势：与 Unix 工具组合自然，几行即可完成常见自动化。
• 注意：复杂数据结构、跨平台和大型程序不适合继续堆 Shell；需要严格处理引号、退出码和管道错误。

2. PowerShell

• 主要场景：Windows 管理、Microsoft 365/Azure 自动化、跨平台运维和结构化对象管道。
• 优势：管道传递对象而非纯文本，与 .NET 和微软管理接口结合紧密。
• 注意：不同模块和平台版本的可用性需要核对。

3. Windows Batch

• 主要场景：旧式 Windows 启动脚本、简单命令包装和遗留自动化。
• 优势：Windows 默认可用。
• 注意：语法和错误处理能力有限；新自动化通常优先 PowerShell 或 Python。

4. Perl

• 主要场景：文本处理、正则处理、系统管理、报表和遗留 Web/生物信息脚本。
• 优势：文本处理能力强，CPAN 积累深。
• 注意：新通用项目使用量下降，但大量现有系统仍需维护。

5. Tcl

• 主要场景：EDA/芯片工具、测试自动化、嵌入式解释器、网络设备和 Tk GUI。
• 优势：容易嵌入，命令与 DSL 扩展灵活。
• 注意：通用新项目较少，主要由行业工具链驱动。

6. AWK

• 主要场景：按行处理文本、日志和表格数据，常用于 Unix 管道。
• 优势：对简单字段提取、聚合和转换非常高效。
• 注意：逻辑复杂后应转向 Python、Perl 或专门的数据工具。

九、函数式、逻辑式与语言设计常见语言

1. Haskell

• 主要场景：函数式编程、编译器、金融、形式化建模、研究和高可靠服务。
• 特点：纯函数、惰性求值、强类型和类型类。
• 适合学习：类型系统、副作用管理和函数式抽象。

2. OCaml

• 主要场景：编译器、静态分析、金融系统、形式化工具和高可靠软件。
• 特点：代数数据类型、模式匹配、类型推断，兼顾函数式和命令式。

3. F#

• 主要场景：.NET 数据处理、金融、领域建模、Web 后端和科学计算。
• 特点：函数式优先，同时能使用 .NET 生态并与 C# 互操作。

4. Common Lisp

• 主要场景：符号计算、AI 历史系统、语言工具、交互式开发和长期遗留系统。
• 特点：宏系统强、运行时可塑性高。

5. Scheme / Racket

• 主要场景：编程语言教学、语言研究、DSL 和宏系统实验。
• 特点：核心小、适合学习递归、解释器和语言构造。

6. Prolog

• 主要场景：规则系统、逻辑推理、约束求解、自然语言研究和教学。
• 特点：以事实、规则和查询描述问题，而不是给出传统命令式步骤。

十、数据库、查询与配置领域语言

这些语言通常只负责一个领域，不能替代通用编程语言。

1. SQL

• 主要场景：关系数据库查询、聚合、数据更新、schema 和权限管理。
• 常见数据库：PostgreSQL、MySQL、SQL Server、Oracle、SQLite。
• 优势：声明“要什么”，由数据库优化器决定执行方式。
• 注意：各数据库方言不同；应用仍需事务、参数化查询、迁移和权限设计。

2. PL/SQL

• 主要场景：Oracle 数据库中的存储过程、函数、触发器和批处理。
• 注意：与 Oracle 绑定，适合数据附近的逻辑，但不应把所有业务规则都塞进数据库。

3. T-SQL

• 主要场景：Microsoft SQL Server/Azure SQL 的查询、存储过程、管理脚本和报表。
• 注意：与 SQL Server 生态深度绑定。

4. GraphQL

• 主要场景：客户端描述所需 API 数据结构；服务端通过 schema 和 resolver 提供数据。
• 说明：GraphQL 是 API 查询语言与运行规范，不是数据库，也不是通用后端语言。

5. SPARQL

• 主要场景：RDF、知识图谱和语义 Web 数据查询。

6. Cypher

• 主要场景：属性图查询，常见于 Neo4j 和兼容图数据库。

7. HCL

• 主要场景：基础设施配置，尤其是 Terraform 生态。
• 说明：HashiCorp Configuration Language 是声明式配置语言；它用于描述期望基础设施，而不是通用应用逻辑。

8. Nix Language

• 主要场景：Nix/NixOS 的可复现软件构建、开发环境和系统配置。
• 特点：纯函数式、声明式，强调依赖和构建的可复现性。
• 注意：概念和生态独特，通常在确定采用 Nix 后再深入学习。

十一、区块链与智能合约语言

1. Solidity

• 主要场景：Ethereum 与 EVM 兼容链的智能合约、代币、DeFi 和 DAO。
• 常见生态：Foundry、Hardhat、OpenZeppelin。
• 注意：合约公开、不可随意修改且直接控制资产，必须特别重视重入、权限、精度、升级和审计。

2. Vyper

• 主要场景：EVM 智能合约。
• 特点：强调可读性和较小语言表面，语法接近 Python。
• 注意：生态小于 Solidity，应先确认工具、审计和库支持。

3. Rust

• 主要场景：部分非 EVM 区块链的链上程序、节点、密码学和高性能基础设施。
• 说明：具体开发模型取决于目标链，不是“学会 Rust 就通用所有链”。

4. Move

• 主要场景：采用 Move 虚拟机或其变体的区块链资产与智能合约。
• 特点：资源类型用于表达数字资产所有权和移动语义。

5. Cairo

• 主要场景：Starknet 智能合约和零知识证明相关程序。
• 注意：语言、工具链和运行模型与 EVM 差异明显。

十二、硬件描述与工业控制语言

1. Verilog

• 主要场景：数字电路、FPGA、ASIC 设计和仿真。

2. SystemVerilog

• 主要场景：在 Verilog 基础上进行芯片设计、验证、断言和测试平台开发。
• 常见生态：UVM、EDA 仿真与综合工具。

3. VHDL

• 主要场景：FPGA、ASIC、航空航天和工业数字电路设计。
• 特点：类型和语法较严格，在部分行业和地区积累深。

4. LabVIEW G

• 主要场景：仪器控制、数据采集、测试测量、实验室自动化和工业系统。
• 特点：数据流式图形化编程，常与 National Instruments 硬件结合。

5. IEC 61131-3 PLC 语言

• 主要场景：工业自动化、PLC 和控制系统。
• 常见语言：Structured Text、Ladder Diagram、Function Block Diagram、Sequential Function Chart。
• 说明：这些是工业控制领域的专用语言或图形表示，选择通常由 PLC 平台和工厂标准决定。

十三、传统企业与遗留系统语言

“旧”不等于“已经消失”。银行、保险、政府、制造和大型企业中仍有大量长期运行系统。

1. COBOL

• 主要场景：大型机、银行核心、保险、批处理、政府和账务系统。
• 优势：适合记录和批量业务处理，遗留系统稳定且业务价值高。
• 注意：现代化通常采用渐进迁移、API 封装或与 Java/.NET 集成，而不是一次性重写。

2. ABAP

• 主要场景：SAP ERP 的报表、业务扩展、接口和企业流程。
• 注意：职业价值与 SAP 生态强绑定。

3. RPG

• 主要场景：IBM i 平台的企业业务、制造、物流和金融遗留系统。

4. Visual Basic .NET

• 主要场景：既有 .NET 企业工具、Windows 应用和 Office 自动化相关系统。
• 注意：新 .NET 项目一般优先 C#；VB.NET 主要用于维护和特定团队环境。

5. VBA

• 主要场景：Excel、Access、Word 和其他 Office 应用自动化。
• 优势：贴近业务人员现有 Office 工作流，能快速自动化表格和报表。
• 注意：安全、版本控制、测试和协作能力有限；复杂或多人维护的流程应评估 Python、Office Scripts、Power Automate 或正式应用。

6. Delphi / Object Pascal

• 主要场景：Windows 桌面、工业软件、数据库客户端和长期商业系统。
• 优势：原生桌面开发和可视化工具成熟。
• 注意：新项目应评估人才、授权、跨平台和长期生态。

7. Apex

• 主要场景：Salesforce 平台的后端业务逻辑、触发器和集成。
• 说明：语法类似 Java，但受 Salesforce 多租户、治理限制和部署模型约束。

十四、教学与入门语言

1. Scratch

• 主要场景：少儿编程、事件、循环、条件、变量和动画游戏入门。
• 特点：积木式图形编程，减少语法障碍，适合建立计算思维。

2. Logo

• 主要场景：教学、递归、几何和海龟绘图。
• 特点：历史悠久，适合通过可视反馈学习过程和函数。

3. Python

• 主要场景：从青少年到大学的通用编程教学。
• 特点：语法清晰，同时能平滑进入自动化、数据、Web 和 AI 实际项目。

4. Racket

• 主要场景：计算机科学教学、函数式编程、解释器和语言设计。

十五、正在增长或需关注的语言

这些语言值得认识，但“增长快”不代表适合替换成熟生产栈。

1. Mojo

• 目标场景：AI 基础设施、高性能数值计算和 Python 生态互操作。
• 现状判断：属于新兴语言和工具链；适合实验与关注，生产采用前需核对稳定性、授权、平台和库支持。

2. Gleam

• 主要场景：运行在 BEAM 或 JavaScript 目标上的类型安全应用。
• 特点：静态类型、友好语法，利用 Erlang/Elixir 生态。
• 注意：生态仍年轻，适合有 BEAM 需求的团队评估。

3. Crystal

• 主要场景：原生 CLI、Web 服务和希望获得 Ruby 风格语法的编译型应用。
• 注意：生态和人才规模较小。

4. Raku

• 主要场景：文本处理、脚本、解析和多范式编程。
• 说明：与 Perl 有历史关系，但现在是独立语言和生态。

十六、按场景快速比较

场景	首选候选	选择依据
浏览器前端	JavaScript、TypeScript	浏览器原生生态；大型项目通常优先 TypeScript
快速 Web API	Python、TypeScript、Go、C#	团队经验、延迟、生态与部署方式
大型企业后端	Java、C#、Kotlin	长期维护、类型系统、框架、监控与组织积累
高并发实时服务	Go、Erlang/Elixir、Java、Rust	并发模型、延迟、容错和团队能力
AI/LLM 应用	Python、TypeScript	Python 模型生态；TypeScript 产品和 Web 集成生态
训练与自定义算子	Python + C++/CUDA	Python 编排实验，底层语言承担高性能计算
数据分析	Python、R、SQL	通用数据栈、统计深度和数据库能力
高性能系统	C++、Rust、C	控制、生态、内存安全和已有代码库
云原生工具	Go、Rust、Python	二进制部署、性能、开发效率与 SDK
Android	Kotlin、Java	新项目与既有项目比例
iOS/macOS	Swift、Objective-C	新开发与遗留维护
跨平台移动	Dart、TypeScript、C#	Flutter、React Native、.NET MAUI 等框架选择
Unity 游戏	C#	引擎官方脚本生态
Unreal/引擎开发	C++	引擎与原生性能生态
独立游戏原型	GDScript、C#、Lua	Godot、Unity 或具体引擎生态
嵌入式 MCU	C、C++、Rust	芯片 SDK、实时约束、认证和团队经验
科学计算	Python、Julia、Fortran、MATLAB	库、性能、行业代码和许可证
自动化	Python、Bash、PowerShell	目标操作系统和脚本复杂度
数据库逻辑	SQL、PL/SQL、T-SQL	数据库平台与逻辑边界
基础设施即代码	HCL、Nix、通用语言 IaC SDK	云平台、可复现性和团队工具链
智能合约	Solidity、Rust、Move、Cairo	目标链的虚拟机、安全模型和工具生态
芯片与 FPGA	SystemVerilog、Verilog、VHDL	EDA 工具、验证流程和组织标准

十七、选择语言时检查这 10 个问题

1. 程序要运行在哪里：浏览器、服务器、手机、桌面、芯片、GPU，还是特定平台？
2. 目标平台官方支持或主流 SDK 使用什么语言？
3. 团队已经会什么，未来由谁维护？
4. 关键库、驱动、协议和第三方 SDK 是否成熟？
5. 是更重视开发速度、运行性能、内存安全、低延迟，还是可验证性？
6. 部署环境是否允许相应运行时、容器、原生二进制或商业许可证？
7. 项目是否需要与现有 Java、.NET、C/C++、Python 或 JavaScript 系统互操作？
8. 招聘、培训、调试、测试、监控和安全工具是否可获得？
9. 语言和核心框架的版本策略、兼容承诺与维护状态如何？
10. 如果选错，迁移成本和退出方案是什么？

十八、初学者常见误区

误区 1：先学“最强”的语言

语言能力依赖场景。C++ 对游戏引擎很强，但不代表它比 JavaScript 更适合浏览器页面，也不代表它比 Python 更适合第一份数据分析练习。

误区 2：同时学很多门语言

先用一门语言掌握变量、控制流、函数、数据结构、错误处理、文件、网络、测试和调试。完成两个小项目后，再学第二门语言比较差异。

误区 3：把框架当语言

React 是 UI 库，Vue、Django 和 Spring Boot 是框架，Flutter 是 UI SDK，Unity 是游戏引擎与平台；它们都不是编程语言。先理解它们依赖的 JavaScript/TypeScript、Python、Java/Kotlin、Dart、C#。

误区 4：只学语法，不学工具链

真实开发还包括包管理、构建、Git、测试、调试、日志、数据库、HTTP、安全和部署。会写循环不等于能交付应用。

误区 5：根据一个排行榜决定技术栈

GitHub、Stack Overflow、招聘网站和行业报告的样本不同。排名可以帮助发现生态趋势，但最终选择必须回到目标平台与项目约束。

十九、推荐的学习组合

组合 A：AI 应用开发

1. Python：模型 API、数据处理、Agent 和机器学习。
2. SQL：数据查询和存储。
3. JavaScript/TypeScript：把 AI 能力做成 Web 产品。
4. Shell：运行、部署和自动化。

组合 B：现代全栈 Web

1. HTML + CSS：结构与界面。
2. TypeScript：前端和 Node.js 后端。
3. SQL：数据库。
4. Python、Java、C# 或 Go：在需要时增加独立后端能力。

组合 C：企业后端

1. Java 或 C#：主力后端。
2. SQL：数据建模和查询。
3. TypeScript：管理后台和前端协作。
4. Python 或 Shell：自动化和运维辅助。

组合 D：系统与高性能

1. C：理解内存、ABI、操作系统与硬件接口。
2. C++ 或 Rust：构建大型高性能程序。
3. Python：测试、脚本、数据分析和上层接口。
4. 汇编：按需阅读和优化少量关键代码。

组合 E：移动应用

1. Kotlin：Android；Swift：Apple 平台。
2. 或者使用 Dart + Flutter 走跨平台路线。
3. TypeScript + React Native 适合已有 React/TypeScript 团队。
4. SQL/SQLite 和 HTTP/API 知识无论选择哪条路线都需要。

二十、学习入口

• Python 官方教程
• MDN JavaScript 指南
• TypeScript 官方手册
• Java 官方学习站点
• C# 官方指南
• Go 官方教程
• Rust 官方教程 The Book
• Kotlin 官方文档
• Swift 官方语言指南
• Dart 官方教程
• PHP 官方手册
• Ruby 官方文档
• R 官方站点
• Julia 官方学习入口
• Elixir 官方入门
• Haskell 官方文档
• PostgreSQL 官方 SQL 教程
• Solidity 官方文档
• SystemVerilog IEEE 1800 资源入口

最后建议

如果你的目标是 AI、AI Agent 或 Vibe Coding，不要把学习顺序固定成唯一路线，可以按产品形态分流：

• AI、模型与数据优先：先学 Python；需要读写业务数据时补 SQL，需要做网页产品时再补 JavaScript/TypeScript。
• Web 产品与 Vibe Coding 优先：先学 HTML/CSS 和 JavaScript，再学 TypeScript；需要持久化数据时补 SQL，后端可选 Node.js、Python、Java、C# 或 Go。
• AI Agent 应用优先：Python 和 TypeScript 都可以作为第一门主力语言；偏模型、数据和自动化选 Python，偏 Web 产品、Node.js 与前后端合作选 TypeScript。

Shell 适合作为并行学习的工程工具：Linux/macOS 主要学 Bash，Windows 主要学 PowerShell。无论选哪条路线，都要同步掌握 Git、HTTP/API、包管理、测试、调试和基本安全知识。Vibe Coding 能加快生成代码，但不会替你验证正确性、处理边界情况或负责部署。

先用一条主路线做出两个可运行项目，再按 Android、iOS、游戏、嵌入式或高性能系统的需要，补 Kotlin、Swift、C#、C++、C 或 Rust。