大多数编程语言都是为人类设计的——人类擅长阅读错误信息、理解警告并通过堆栈输出手动排查 bug。然而，AI Agent 并不擅长这些。相反，Agent 在处理结构化数据、可预测的 token、稳定的错误代码以及机器可解析的修复提示时效率更高。为了弥合这一鸿沟，Vercel Labs 推出了一款实验性系统编程语言 Zero，旨在为 Agent 提供更快、更小且更易于使用和修复的编程环境。
Zero 是一款与 C 或 Rust 处于相同设计空间的系统级编程语言。它可编译为原生可执行文件，提供显式的内存控制，并针对底层运行环境进行优化。而 Zero 与现有系统语言的最大区别在于：它的编译器输出和工具链从第一天起就是为了让 AI Agent（而非仅仅是人类工程师）消费和理解而设计的。
Zero 解决的核心问题是 Agent 如何与编译器反馈进行交互。在涉及编码 Agent 的典型开发流程中，Agent 编写代码，编译器输出非结构化的文本错误，Agent 必须解析该文本以确定问题并找出修复方法。这种方式非常脆弱——错误消息格式经常变化，而且信息是为人类阅读而写的，缺乏内置的“修复动作”概念。
因此，Zero 的命令行界面（CLI）默认输出结构化的 JSON 诊断信息。运行 zero check --json 时，输出如下：
{
"ok": false,
"diagnostics": [{
"code": "NAM003",
"message": "unknown identifier",
"line": 3,
"repair": { "id": "declare-missing-symbol" }
}]
}每个诊断信息都包含一个稳定的代码（例如 NAM003）、人类可读的消息、行号引用以及带有所属修复 ID 的修复对象。人类阅读消息，而 Agent 则直接读取代码和修复方案。同一个 CLI 命令可以同时满足这两者需求，无需运行其他独立工具。
Zero 将工具链统一到了单个二进制文件中：zero check、zero run、zero build、zero graph、zero size、zero routes、zero skills、zero explain、zero fix 以及 zero doctor 都是同一个 CLI 的子命令。这对于 Agent 工作流至关重要，因为 Agent 无需再去推理应该为特定任务调用哪种工具。
其中两个子命令与修复闭环高度相关。运行 zero explain <diagnostic-code> 会返回特定诊断代码的详细解释，这样 Agent 就可以直接查找 NAM003，而无需解析冗长的文档说明。而 zero fix --plan --json <file-or-package> 则会输出结构化的修复计划（一种机器可读的更改描述），从而避免了让 Agent 仅凭错误消息去盲目推测修复方法。
此外，zero skills 提供了另一个维度的支持：它直接通过 CLI 提供版本匹配的 Agent 引导指南。运行 zero skills get zero --full 会返回专门针对 Zero 语法、诊断、构建、包管理、标准库使用、测试和 Agent 编辑循环的针对性工作流，并且所有这些内容都与当前编译器版本保持一致。
【AgentUpdate 深度解析】Vercel 推出 Zero 语言，标志着软件工程正式从“AI 辅助人类编程（Copilot）”向“AI 原生自主编程（Agent-First）”发生范式转移。传统的编程语言（如 Rust、C++）依靠极其复杂的编译器约束来保证安全性，这对人类是保护，对 Agent 却是极高的语义障碍。Zero 另辟蹊径，不单在语言表达上做文章，而是重构了编译器反馈这一关键闭环。通过将错误诊断和修复路径完全“JSON化”，并内置 zero skills 这样的动态上下文，Zero 将 Agent 与编译器的交互开销降低了数个数量级。这与 MCP（Model Context Protocol）的底层逻辑异曲同工，即消除大模型与外部工具/环境之间的感知阻抗。长远来看，未来可能会诞生一系列完全由 AI 编写、编译并自愈的“Agent 原生软件栈”，而 Zero 正是这一生态在系统级语言层面的关键探路者。
