Vercel Labs 已在 GitHub 上开源实验性编程语言 Zero，目前已获得 5310 颗星标、339 次 fork。它真正的差异化定位在于：这是一门“专为 AI Agent 打造，而不是面向人类程序员”的编程语言。传统编程通常以纯文本作为源码载体，而 Zero 则把源代码基础切换为图结构——Agent 通过查询程序图来发起操作，提交带有语义校验的 patch，编译器据此直接接受或拒绝变更；人类开发者只需在必要时查看文本投影即可。

编译器嵌入工作流闭环，人类游离于闭环之外

Zero 的核心设计，在于将 Agent 的代码编辑行为，重新定义为针对语义图的 patch 操作，而不是简单地对文本行做增删改。每个 patch 都会携带图节点哈希以及字段预期值。编译器在写入前会执行严格的双重校验：目标节点是否仍然保持读取时的原始状态？它的类型与结构，是否与 patch 声明的信息一致？一旦程序图被其他路径改动，或字段预期出现不匹配，patch 就会立即失败，并且不会被持久化。这样一来，Agent 的编辑过程就具备了更强的语义锚定能力——目标可以精确指向“653eeb6e 节点的 value 字段”，而不是模糊且脆弱的“第47行第3个字符”，其可靠性明显高于传统的行号定位机制。

在 Zero 的设计中，文本被降级为辅助视图：.0文件只是zero.graph的只读投影；人类通过export进行查看，Agent 则使用query读取图、通过patch修改图；import/export仅作为人与 Agent 之间的交互边界协议。Hacker News 社区对这一项目的整体反馈相对冷静，主要质疑集中在两点：为什么 AI Agent 需要学习一门全新的编程语言，而不是继续复用已被广泛支持的 Python 或 TypeScript？另外，Zero 所强调的语义图优势，目前仍缺少可量化、可验证的实证支持。截至目前，该项目仅发布了 13 个版本，语言规范仍在持续高频演进，更像是一场严肃的编程语言实验。只有当它能够明确证明“使用 Zero 编写 Agent 逻辑，相比 Python 能显著降低错误率并减少 token 开销”时，这门面向 AI Agent 的语言才真正具备长期立足的基础。