나는 9개월 넘게 컨설팅 업무를 하며 Go가 LLM 코드 생성에 매우 적합하다는 걸 계속 확인하고 있음
Go는 일관된 빌드 시스템, 포매터, 정적 타이핑, 그리고 C++처럼 위험한 부분이 없는 CSP 기반 동시성을 제공함
10년 넘게 호환성 깨지는 버전이 없고, 프레임워크 변화도 거의 없음
내가 Sancho Studio에서 팀들에게 agentic coding workflow를 도입하도록 조언할 때, Go는 Claude나 Codex에서 매우 안정적인 결과를 냄
반면 Python이나 TypeScript는 프레임워크와 타입 접근 방식이 너무 다양해서 LLM이 일관된 출력을 내기 어려움
사실 Go를 싫어했던 이유 — 추상화의 한계 — 가 LLM에게는 장점으로 작용함
Go 1.26의 새로운 go fix는 AST 수준의 자동 리팩터링을 지원해 코드베이스를 최신 상태로 유지함
예전에 Zoom E2E Whitepaper 프로젝트에서 Go로 PKI를 구축했는데, 이제는 LLM이 반복적인 보일러플레이트를 대신 처리하니 Go의 단순함이 진가를 발휘함
이런 이유 대부분은 Java에도 적용된다고 생각함
Java는 더 많은 학습 데이터와 더 강력한 타입 시스템을 가지고 있어서 LLM 출력 검증에도 유리함
완전 공감함. 20년 넘게 C++을 써왔지만, Golang은 실시간 제어나 임베디드가 아닌 대부분의 워크플로우에서 최고의 언어라고 생각함
“Go의 추상화 한계가 LLM에게는 장점”이라는 말에 깊이 공감함
나는 로우레벨 환경을 선호하는데, Go의 얕은 추상화 스택과 예측 가능한 구조가 마음에 듦
결국 단순함과 일관성이 LLM에게도, 나 같은 개발자에게도 잘 맞음
최근 LLM들의 코드 품질을 보면 언어보다는 문제 정의의 복잡성이 더 큰 변수임
Go처럼 표준화된 언어는 결과를 이해하기 쉽지만, Ruby나 C++도 꽤 괜찮은 편임
Lisp이나 Bash는 자유도가 높아 결과가 들쭉날쭉함
네가 Go에 편향돼 있을 수도 있겠지만, 나는 TypeScript 쪽 경험이 많아서 다르게 봄
Python과 TypeScript를 같은 범주로 묶는 건 부정확함
Python은 버전 단절과 느린 타입 도입 때문에 LLM이 혼란스러워하지만, TypeScript는 훨씬 일관적임
기회가 된다면 Go vs TypeScript 라이브 코드 대결을 해보고 싶음
에이전트 개발에서는 가능한 많은 검증을 컴파일 타임으로 옮기는 게 좋다고 생각함
Go는 괜찮지만 타입 시스템이 다른 언어만큼 강력하지 않음 Rust는 컴파일러 에러를 통과하면 런타임 에러가 거의 없다는 점에서 매우 유용함
Haskell은 아마 더 좋을 것 같음
Rust가 좋은 이유 중 하나는 테스트 코드가 같은 파일에 존재한다는 점임
에이전트가 소스 수정 시 테스트도 함께 갱신함
다른 언어에서는 테스트를 잊어버리기 쉬움
Haskell도 훌륭하지만, LLM은 너무 많은 추상화를 쌓는 경향이 있음
나는 Haskell 위에 의존 타입 기반 토이 언어를 만들고 있는데, 단순한 문법 덕분에 LLM이 다루기 쉬움
내부적으로는 안전/비안전 Rust처럼 작동함
Rust에 한 표. 복잡성을 초기에 부담하고 운영 비용을 줄이는 전략이 맞다고 생각함
우리가 직접 쓰는 게 아니니 약간 불편해도 괜찮음
나도 Rust를 즐겨 쓰는데, 언어 간 상호운용성이 뛰어남
TypeScript와 함께 SPA를 만들거나, Tauri로 멀티플랫폼 앱을 만들고, Python 사이드카를 붙이는 식으로 조합이 가능함
Bevy로 게임도 실험 중인데, ECS 구조가 마음에 듦
여러 언어의 장점을 모으면서 단점을 피할 수 있었음
Haskell이나 Prolog 같은 고수준 언어를 2025년 LLM과 함께 실험해본 사람이 있는지 궁금함
며칠 동안 Gemini, Claude Code, Codex에게 “너희가 원하는 언어를 설계해봐”라고 시켜봤음
결과는 Forth 스타일 언어인데, 강한 타입 시스템과 계약, 네이티브 테스트, fuzz 테스트, Z3 기반 제약 해결기를 갖춘 형태였음
Elixir로 인터프리터를 구현했고, Cairn 프로젝트로 공개함
150커밋 정도로 만든 언어가 런타임 에러 없이 작동했음
이 실험은 컴파일 타임 분석과 테스트 도구의 중요성을 보여줌
흥미로운 프로젝트지만, LLM이 자신에게 유리한 언어를 설계할 수 있다고 가정하는 건 잘못된 전제라고 생각함
그런 정보는 학습 데이터에 없으면 알 수 없음
내 이상적인 언어와 거의 일치해서 놀라웠음
이런 언어의 툴링을 발전시키는 건 정말 즐거운 일일 것 같음
혹시 BEAM 바이트코드로 직접 컴파일하도록 시켜봤는지 궁금함
인상적임. 초보자 입장에서 다른 Forth 계열 언어보다 배우기 쉬운지도 궁금함
나는 여전히 OCaml이 최고의 선택이라고 생각함
강력한 타입 시스템(GADT 포함), 순수 함수 중심, 빠른 빌드 속도, WASM/JS 타깃 지원 등 장점이 많음
코드가 파일 내 순서대로 평가되어 순환 의존성을 명시적으로 처리해야 하는 점도 안정적임
무엇보다 사람이 쓰기에도 즐거운 언어임
요즘 멀티코어와 비동기 처리는 어떤지 궁금함
예전엔 F#이 그 부분에서 앞서 있었음
OCaml 컴파일러는 버그 탐지 능력이 탁월함
에이전트가 실수로 버그를 넣어도 대부분 잡아냄
Go 대신 OCaml을 추천함. 표현력 있는 타입 시스템 덕분에 Go로는 불가능한 추상화를 만들 수 있음
참고로 "AutoCodeBench" 연구에 따르면, LLM 코드 생성 성능에서 Go는 다른 언어들보다 뒤처짐
Go에는 코드와 바이너리의 취약점을 정적 분석하는 govulncheck 도구가 있음 공식 튜토리얼처럼 Go 생태계에 깊이 통합되어 있고, 다른 언어보다 높은 수준의 통합성을 가짐
Rust의 cargo-audit와 어떤 차이가 있는지 잘 모르겠음
govulncheck가 실제 코드 취약점을 분석하는지는 의문임
govulncheck는 코드 자체의 취약점을 찾는 게 아니라 의존 라이브러리의 취약 사용 여부를 분석함
호출 경로까지 추적하는 점은 장점이지만, Coverity 같은 진짜 정적 분석 도구와는 다름
Go에서는 golangci-lint 같은 커뮤니티 도구 묶음이 더 가깝다고 봄
그래도 govulncheck의 통합 수준과 사용성은 다른 언어보다 뛰어나서 대규모 프로젝트 유지보수에 큰 도움이 됨
여러 언어로 프로젝트를 재작성해봤는데, Python이 Claude에게 가장 잘 맞았음
코드가 작고 이해하기 쉬워서 작업 속도가 훨씬 빨랐음
Go, Kotlin, JavaScript도 시도했지만 결국 Python으로 정착했음
Python 코드에서 예외 처리나 pass 문을 제대로 다뤘는지 궁금함
Go는 나쁘지 않은 선택임. 학습 데이터가 풍부하고 API가 안정적이라 LLM이 다루기 쉬움
하지만 Rust는 타입 시스템 덕분에 더 낫다고 생각함
다만 Rust는 빠르게 변해서 LLM이 최신 API를 따라가기 어려움 Haskell은 느린 변화 속도와 안전한 코드 덕분에 LLM에게 가장 유리함
Haskell로 생성된 코드는 Go보다 짧고 가독성이 높을 것 같음
Python 스크립트도 비슷하게 읽기 쉬움
매일 AI 코딩 에이전트와 일하는 입장에서, “최고의 언어”는 에이전트의 목적에 따라 달라짐
Go의 단순성과 예측 가능성은 일반적인 작업에 좋지만, TypeScript는 웹 환경과의 연동에서 탁월함
Python은 데이터/ML 영역에서 여전히 독보적임
핵심은 LLM이 잘 다루는 언어보다, 에이전트의 도메인에 맞는 언어를 고르는 것임
Hacker News 의견들
나는 9개월 넘게 컨설팅 업무를 하며 Go가 LLM 코드 생성에 매우 적합하다는 걸 계속 확인하고 있음
Go는 일관된 빌드 시스템, 포매터, 정적 타이핑, 그리고 C++처럼 위험한 부분이 없는 CSP 기반 동시성을 제공함
10년 넘게 호환성 깨지는 버전이 없고, 프레임워크 변화도 거의 없음
내가 Sancho Studio에서 팀들에게 agentic coding workflow를 도입하도록 조언할 때, Go는 Claude나 Codex에서 매우 안정적인 결과를 냄
반면 Python이나 TypeScript는 프레임워크와 타입 접근 방식이 너무 다양해서 LLM이 일관된 출력을 내기 어려움
사실 Go를 싫어했던 이유 — 추상화의 한계 — 가 LLM에게는 장점으로 작용함
Go 1.26의 새로운
go fix는 AST 수준의 자동 리팩터링을 지원해 코드베이스를 최신 상태로 유지함예전에 Zoom E2E Whitepaper 프로젝트에서 Go로 PKI를 구축했는데, 이제는 LLM이 반복적인 보일러플레이트를 대신 처리하니 Go의 단순함이 진가를 발휘함
Java는 더 많은 학습 데이터와 더 강력한 타입 시스템을 가지고 있어서 LLM 출력 검증에도 유리함
나는 로우레벨 환경을 선호하는데, Go의 얕은 추상화 스택과 예측 가능한 구조가 마음에 듦
결국 단순함과 일관성이 LLM에게도, 나 같은 개발자에게도 잘 맞음
Go처럼 표준화된 언어는 결과를 이해하기 쉽지만, Ruby나 C++도 꽤 괜찮은 편임
Lisp이나 Bash는 자유도가 높아 결과가 들쭉날쭉함
Python과 TypeScript를 같은 범주로 묶는 건 부정확함
Python은 버전 단절과 느린 타입 도입 때문에 LLM이 혼란스러워하지만, TypeScript는 훨씬 일관적임
기회가 된다면 Go vs TypeScript 라이브 코드 대결을 해보고 싶음
에이전트 개발에서는 가능한 많은 검증을 컴파일 타임으로 옮기는 게 좋다고 생각함
Go는 괜찮지만 타입 시스템이 다른 언어만큼 강력하지 않음
Rust는 컴파일러 에러를 통과하면 런타임 에러가 거의 없다는 점에서 매우 유용함
Haskell은 아마 더 좋을 것 같음
에이전트가 소스 수정 시 테스트도 함께 갱신함
다른 언어에서는 테스트를 잊어버리기 쉬움
나는 Haskell 위에 의존 타입 기반 토이 언어를 만들고 있는데, 단순한 문법 덕분에 LLM이 다루기 쉬움
내부적으로는 안전/비안전 Rust처럼 작동함
우리가 직접 쓰는 게 아니니 약간 불편해도 괜찮음
TypeScript와 함께 SPA를 만들거나, Tauri로 멀티플랫폼 앱을 만들고, Python 사이드카를 붙이는 식으로 조합이 가능함
Bevy로 게임도 실험 중인데, ECS 구조가 마음에 듦
여러 언어의 장점을 모으면서 단점을 피할 수 있었음
며칠 동안 Gemini, Claude Code, Codex에게 “너희가 원하는 언어를 설계해봐”라고 시켜봤음
결과는 Forth 스타일 언어인데, 강한 타입 시스템과 계약, 네이티브 테스트, fuzz 테스트, Z3 기반 제약 해결기를 갖춘 형태였음
Elixir로 인터프리터를 구현했고, Cairn 프로젝트로 공개함
150커밋 정도로 만든 언어가 런타임 에러 없이 작동했음
이 실험은 컴파일 타임 분석과 테스트 도구의 중요성을 보여줌
그런 정보는 학습 데이터에 없으면 알 수 없음
이런 언어의 툴링을 발전시키는 건 정말 즐거운 일일 것 같음
나는 여전히 OCaml이 최고의 선택이라고 생각함
강력한 타입 시스템(GADT 포함), 순수 함수 중심, 빠른 빌드 속도, WASM/JS 타깃 지원 등 장점이 많음
코드가 파일 내 순서대로 평가되어 순환 의존성을 명시적으로 처리해야 하는 점도 안정적임
무엇보다 사람이 쓰기에도 즐거운 언어임
예전엔 F#이 그 부분에서 앞서 있었음
에이전트가 실수로 버그를 넣어도 대부분 잡아냄
PHP, Go, JavaScript, Python 중에서라면 Go가 낫지만, 그게 “최고의 언어”라는 근거는 약함
Go의 단순함과 충분한 타입 시스템도 매력적임
얼마 전 논의된 "Why Elixir is the best language for AI"를 참고할 만함
BEAM의 런타임 인트로스펙션 기능이 에이전트 환경에서 흥미로운 포인트임
이 글은 특히 Go를 비판함
Go에는 코드와 바이너리의 취약점을 정적 분석하는 govulncheck 도구가 있음
공식 튜토리얼처럼 Go 생태계에 깊이 통합되어 있고, 다른 언어보다 높은 수준의 통합성을 가짐
govulncheck가 실제 코드 취약점을 분석하는지는 의문임
호출 경로까지 추적하는 점은 장점이지만, Coverity 같은 진짜 정적 분석 도구와는 다름
Go에서는
golangci-lint같은 커뮤니티 도구 묶음이 더 가깝다고 봄여러 언어로 프로젝트를 재작성해봤는데, Python이 Claude에게 가장 잘 맞았음
코드가 작고 이해하기 쉬워서 작업 속도가 훨씬 빨랐음
Go, Kotlin, JavaScript도 시도했지만 결국 Python으로 정착했음
Go는 나쁘지 않은 선택임. 학습 데이터가 풍부하고 API가 안정적이라 LLM이 다루기 쉬움
하지만 Rust는 타입 시스템 덕분에 더 낫다고 생각함
다만 Rust는 빠르게 변해서 LLM이 최신 API를 따라가기 어려움
Haskell은 느린 변화 속도와 안전한 코드 덕분에 LLM에게 가장 유리함
Python 스크립트도 비슷하게 읽기 쉬움
매일 AI 코딩 에이전트와 일하는 입장에서, “최고의 언어”는 에이전트의 목적에 따라 달라짐
Go의 단순성과 예측 가능성은 일반적인 작업에 좋지만, TypeScript는 웹 환경과의 연동에서 탁월함
Python은 데이터/ML 영역에서 여전히 독보적임
핵심은 LLM이 잘 다루는 언어보다, 에이전트의 도메인에 맞는 언어를 고르는 것임