JetBrains Go Modern Guidelines：让 AI 智能体写出现代 Go

核心判断

代码智能体写出的 Go 总带着"上一个时代的味道"：能写出 for i := range n 却默认输出 for i := 0; i < n; i++，会写 errors.AsType[T]（Go 1.26）却因为没在训练数据里见过而退回到 errors.As。JetBrains 的 go-modern-guidelines 把这个问题拆成两个可解释的根因——训练数据滞后（training data lag）和频率偏置（frequency bias）——然后用一份显式规范给 agent 补上参考。

截至本文写作时，项目 GitHub 3.1k stars，Apache-2.0 许可，官方 JetBrains 项目。覆盖 Go 1.0 到 1.27 的最有用特性，与 modernize 分析器目标一致。

病根：为什么 agent 总写老 Go

训练数据滞后：模型训练截止点之后的特性它没见过，自然用不出来。Go 1.26 的 errors.AsType[T]、new(42) 取指针这类新语法，在模型知识里是空白。

频率偏置：即使模型认识新特性，训练语料里老写法的样本量远大于新写法，采样时老写法更容易"冒出来"。for i := range n 在数据里比 for i := 0; i < n; i++ 少得多，所以模型倾向输出后者。

两条原因叠加，agent 写出的代码自然偏保守。规范的价值在于把"应该怎么写"从隐性知识变成显式参考。

机制：规范如何起作用

核心思路是版本感知：agent 先读项目的 go.mod 确定 Go 版本，再只使用该版本及之前可用的语言特性和标准库能力，优先现代惯用法。

覆盖的具体模式包括：

• max(a, b) 取代 if-else 比较
• slices.Contains 取代手写循环遍历
• cmp.Or(a, b, c) 取代一串 nil 检查
• new(42) 直接取指向值的指针（Go 1.26）
• errors.AsType[T](err) 类型安全的错误匹配（Go 1.26）
• for i := range n 取代 for i := 0; i < n; i++

这些与 Go 官方 modernize 分析器的目标一致——modernize 负责改造存量代码，这份规范让 agent 从源头写出新代码，减少日后返工。

接入方式

规范以 marketplace/plugin 形式分发，官方支持四个入口：

Junie（JetBrains 自家）

/extensions marketplace add JetBrains/go-modern-guidelines
/extensions install modern-go-guidelines

Claude Code

/plugin marketplace add JetBrains/go-modern-guidelines
/plugin install modern-go-guidelines@goland-claude-marketplace

安装后遇到 Go 任务自动触发，也可显式 /modern-go-guidelines:use-modern-go 调用。

Codex

codex plugin marketplace add JetBrains/go-modern-guidelines
codex plugin add modern-go-guidelines@goland-codex-marketplace

Cursor

cursor-agent plugin marketplace add https://github.com/JetBrains/go-modern-guidelines

然后在 Cursor 会话里 /plugins 安装。

其他 agent（OpenCode 等）走 skills.sh：

npx skills add JetBrains/go-modern-guidelines

实现细节

• 要求 Go 工具链：首次使用 go install 安装一个小 CLI，缓存到 ~/.cache/go-modern-guidelines，不修改项目
• 目标 Go 1.25+：老版本 Go 只要开启自动工具链切换（GOTOOLCHAIN=auto，默认开启）也能工作
• 本地开发：make dev-install 构建到缓存，设 GO_MODERN_GUIDELINES_DEV=1 让 agent 用本地构建版
• 完整特性清单：见仓库 FEATURES.md，包含逐条说明与示例

适用边界

• 只解决"写得新"：规范提升的是语法与标准库用法的新旧程度，不替代项目自身的编码规范、架构约定
• 依赖模型遵守：规范的效力取决于 agent 是否在推理时遵循注入的上下文，弱模型可能部分忽略
• 面向 Go 代码生成场景：对纯人工维护、不依赖 AI 生成代码的团队价值有限

结论

go-modern-guidelines 抓住了代码智能体一个真实而具体的痛点，并且解法克制：不是再训练模型，而是把 Go 团队的现代化方向做成一份 agent 可消费的规范，随版本感知自动适配项目。对重度使用 AI 写 Go 的团队，这是一份几乎零成本的"代码生成质量基线"；对正在选型 agent 规范体系的团队，它的"版本感知 + marketplace 分发"模式也值得借鉴。