「Zero」Vercel Labs 开源的 Agent-Native 编程语言：把编译器输出做成 AI 可读接口

Vercel Labs 开源了一个很有意思的新项目：Zero，一个自称“programming language for agents”的实验性系统语言。

它不是又一个单纯追求语法漂亮的新语言，而是把 AI coding agent 当作一等使用者来设计：让人类能读，让 agent 能解析、修复、检查，并围绕小型原生工具稳定协作。

Zero - The programming language for agents

Zero 想解决什么

官网对 Zero 的描述是：一个系统语言，可以生成很小的 native binary，毫秒级重建，并向 AI agents 提供结构化 diagnostics、typed fixes 和机器可读文档。README 则进一步强调了几个关键词：small native tools、explicit effects、predictable memory、structured compiler output。

这几个词放在一起，基本说明了 Zero 的目标：它不是让 agent “猜”编译器报错是什么意思，而是让语言和工具链直接输出 agent 可以消费的结构化信息；不是把副作用藏在运行时里，而是通过签名和能力把外部世界访问显式暴露出来。

语言层面的几个设计信号

Zero 的入门示例长这样：

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

这里的 World 很关键：输出不是隐藏全局能力，而是通过 world.out 显式传入；write 可能失败，所以调用时要用 check，函数签名里也要写 raises。这种设计对人类是约束，对 agent 则是更明确的上下文。

显式 effects：函数触碰外部世界，签名里要体现能力。
可预测内存：官网强调没有强制 GC、没有隐藏 allocator、没有隐式 event loop。
结构化诊断：zero check --json 可以输出 JSON diagnostics，包含 code、span、expected/actual、help、fix safety、repair metadata 等信息。
面向小工具：强调小型 native artifacts、size report 和 artifact 成本可见。
跨目标检查：CLI 支持 zero targets、zero check --target、zero build --target 等能力。

为什么说它“agent-native”

很多语言也有 LSP、formatter、编译错误和文档，但它们最初并不是为 agent 协作设计的。Zero 的不同之处在于，它把“机器可读”放到了工具链核心：diagnostics 有稳定 code，修复计划可以用 JSON 输出，graph、size、routes、doctor 等命令也都支持结构化结果。

这意味着 agent 不需要只靠自然语言理解编译器输出，而可以直接消费明确字段，然后提出补丁、解释失败原因、追踪包结构或判断 artifact 体积变化。对长期运行的 coding agent 来说，这种可机器解析的反馈循环会比“读一段文本报错再猜修法”更可靠。